《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 電源技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于DFFT-WT-BP的光伏系統(tǒng)諧波檢測(cè)
基于DFFT-WT-BP的光伏系統(tǒng)諧波檢測(cè)
2019年電子技術(shù)應(yīng)用第10期
孫 成1,黃 鈺2,,朱劍平1,,張保健1,張志遠(yuǎn)1,,王雅靜2
1.上海金智晟東電力科技有限公司,,江蘇 南京210000;2.山東理工大學(xué),,山東 淄博255000
摘要: 現(xiàn)有的FFT-WT(Fast Fourier Transform-Wavelet Transform)算法與FFT-BP(Fast Fourier Transform-Back Propagation)算法都只是針對(duì)光伏系統(tǒng)中某些特定諧波的檢測(cè)時(shí)有優(yōu)勢(shì),。對(duì)FFT-WT算法作了改進(jìn),提出一種DFFT-WT算法,;對(duì)FFT-BP算法作了改進(jìn),,提出了改進(jìn)的FFT-BP模型。并在此基礎(chǔ)上將兩者結(jié)合,,引入閾值區(qū)間來(lái)限制神經(jīng)網(wǎng)絡(luò)迭代的搜索范圍,,提出了一種基于DFFT-WT-BP(Double FFT-WT-BP)的檢測(cè)算法,。仿真實(shí)驗(yàn)表明,該算法能夠檢測(cè)實(shí)際光伏并網(wǎng)逆變系統(tǒng)中多種諧波共同構(gòu)成的復(fù)雜諧波信號(hào),,并且精度更高,,實(shí)用性更強(qiáng)。
中圖分類號(hào): TP216
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.190014
中文引用格式: 孫成,,黃鈺,,朱劍平,等. 基于DFFT-WT-BP的光伏系統(tǒng)諧波檢測(cè)[J].電子技術(shù)應(yīng)用,,2019,,45(10):71-75.
英文引用格式: Sun Cheng,Huang Yu,,Zhu Jianping,,et al. Harmonic detection of PV power generation system based on DFFT-WT-BP[J]. Application of Electronic Technique,2019,,45(10):71-75.
Harmonic detection of PV power generation system based on DFFT-WT-BP
Sun Cheng1,,Huang Yu2,Zhu Jianping1,,Zhang Baojian1,,Zhang Zhiyuan1,Wang Yajing2
1.Shanghai Sunest Electricity Technology Co.,,Ltd.,,Nanjing 210000,China,; 2.Shandong University of Technology,,Zibo 255000,China
Abstract: The existing FFT-WT algorithm and FFT-BP algorithm have advantages only for the detection of certain specific harmonics in photovoltaic systems. In this paper, the FFT-WT algorithm is improved, and a DFFT-WT algorithm is proposed. The FFT-BP algorithm is improved and an improved FFT-BP model is proposed. On the basis of this, the two are combined, the threshold interval is introduced to limit the search scope of the neural network iteration, and a DFFT-WT-BP(Double FFT-WT-BP) detection algorithm is proposed. The simulation results show that the algorithm can detect complex harmonic signals composed of multiple harmonics in the actual photovoltaic network inversion system, and is more accurate and practical.
Key words : photovoltaics,;harmonic,;interharmonic;fast Fourier transform-wavelet transform,;fast Fourier transform-back propagation

0 引言

    隨著現(xiàn)代光伏系統(tǒng)的發(fā)展,,越來(lái)越多的光伏逆變器接入電網(wǎng),隨之產(chǎn)生的大量的諧波對(duì)于系統(tǒng)電能質(zhì)量的污染十分嚴(yán)重[1],。FFT是傳統(tǒng)的諧波檢測(cè)算法,,被廣泛應(yīng)用于光伏發(fā)電站的諧波檢測(cè)[2]。但在工程應(yīng)用中,,采樣非同步時(shí),,F(xiàn)FT存在較為明顯的頻譜泄露與柵欄效應(yīng)[3],檢測(cè)精度較低,,難以準(zhǔn)確識(shí)別間諧波與非穩(wěn)態(tài)諧波[4],。為此許多學(xué)者們提出了各類改進(jìn)FFT算法,,如FFT與WT聯(lián)合算法[5-7]、FFT與BP聯(lián)合算法[8-10]等,。但是,,這些改進(jìn)算法都只是針對(duì)某些諧波的檢測(cè)有優(yōu)勢(shì),難以處理實(shí)際的復(fù)雜諧波信號(hào),。本文提出了一種基于DFFT-WT-BP的諧波檢測(cè)方法,,該方法結(jié)合了FFT、WT和BP網(wǎng)絡(luò)的優(yōu)點(diǎn),,可以分析實(shí)際光伏并網(wǎng)逆變系統(tǒng)的復(fù)雜諧波信號(hào),,精度更高,實(shí)用性更強(qiáng),。

1 FFT算法

    傅里葉變換的實(shí)質(zhì)就是對(duì)信號(hào)進(jìn)行加窗截?cái)?,從時(shí)域變換到頻域進(jìn)行分析[11]??紤]到漢寧窗頻具有譜泄露較小的優(yōu)點(diǎn),,因此截?cái)啻昂瘮?shù)選擇漢寧窗。漢寧窗雙譜線插值算法的頻率,、幅度的修正公式為[12]

ck2-gs1.gif

2 基于FFT的改進(jìn)算法

2.1 基于FFT-WT的改進(jìn)算法

    分布式光伏并網(wǎng)逆變系統(tǒng)實(shí)際運(yùn)行時(shí)會(huì)產(chǎn)生大量的突變信號(hào)或高頻諧振,,以及各種類型的噪聲干擾。這些信號(hào)FFT難以處理,,而WT適用于分析非穩(wěn)態(tài)信號(hào),,彌補(bǔ)了前者的不足[13]。所以,,學(xué)者們提出了一種將FFT與WT結(jié)合之后得到的能夠綜合兩者優(yōu)勢(shì)的新算法(FFT-WT算法),,具體流程如圖1所示。主要思路為:利用WT將信號(hào)分解至不同的頻帶,,利用FFT分析低頻信號(hào),利用小波分析高頻信號(hào),。

ck2-t1.gif

    然而,,該算法是在已知諧波成分的基礎(chǔ)上制定的,但在工程實(shí)際中面對(duì)的諧波信號(hào)是未知的,,因此無(wú)法確定小波的分解層數(shù)以及所需要關(guān)注的頻帶,。本文在前者的基礎(chǔ)上,增加了FTT預(yù)分析的方法,,提出了雙重FFT與WT相結(jié)合(Wavelet-Double FFT,,DFFT-WT)的改進(jìn)方案:利用FFT獲取諧波的粗略分布,以此推算出小波的分解層數(shù)和后續(xù)關(guān)注的頻帶,,再使用WT將信號(hào)分離,。對(duì)所關(guān)注的高頻頻帶使用小波閾值消噪后分析與重構(gòu),,獲得高頻分量的參數(shù)信息;對(duì)關(guān)注的低頻頻帶使用加窗插值FFT分析,,獲得低頻分量的參數(shù)信息,。算法的主要流程如圖2所示。

ck2-t2.gif

    對(duì)比圖1與圖2所示流程圖,,可以看到,,本節(jié)提出的DFFT-WT算法采取了預(yù)分析的方式,確定了分解層數(shù)與關(guān)注頻帶,,理論上可以大大減少運(yùn)算量,,具有更高的精度與實(shí)用性。

2.2 基于FFT-BP的改進(jìn)算法

    FFT對(duì)于諧波的檢測(cè)精度不高,,而B(niǎo)P神經(jīng)網(wǎng)絡(luò)擁有強(qiáng)大的非線性映射能力和自學(xué)習(xí)能力,,能夠彌補(bǔ)前者的不足。對(duì)此,,一些學(xué)者將FFT與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合(以下簡(jiǎn)稱FFT-BP算法),,提升了對(duì)于諧波檢測(cè)的精度,具體流程如圖3所示,。

ck2-t3.gif

    本節(jié)將學(xué)習(xí)率,、動(dòng)量因子和激勵(lì)函數(shù)一同參與網(wǎng)絡(luò)的調(diào)節(jié),構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖4所示,,其訓(xùn)練步驟如下:

ck2-t4.gif

    BP網(wǎng)絡(luò)的輸入設(shè)為ti(i=1,,2,…,,N),,網(wǎng)絡(luò)的激勵(lì)函數(shù)c(t)表示為:

ck2-gs2-5.gif

    在仿真研究時(shí)發(fā)現(xiàn),因?yàn)锽P網(wǎng)絡(luò)尋求的是全局的最優(yōu)解,,所以在多種諧波共同構(gòu)成的復(fù)雜諧波信號(hào)中,,BP網(wǎng)絡(luò)為了達(dá)到整體誤差的最小,會(huì)在迭代時(shí)自動(dòng)“犧牲”小信號(hào)分量的精度,。所以說(shuō),,改進(jìn)后的FFT-BP算法對(duì)于復(fù)雜信號(hào)中的間諧波弱分量的檢測(cè)能力仍然是不夠的。

3 基于DFFT-WT-BP的聯(lián)合檢測(cè)方案

    DFFT-WT算法能夠同時(shí)處理穩(wěn)態(tài)與非穩(wěn)態(tài)諧波,,但精度仍然有提升的空間,,改進(jìn)后的FFT-BP算法對(duì)于間諧波小信號(hào)的檢測(cè)能力不足,且無(wú)法檢測(cè)非穩(wěn)態(tài)諧波,。在研究了FFT算法,、WT算法和BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,聯(lián)系前面提出的兩種改進(jìn)算法,本文提出了基于DFFT-WT-BP的復(fù)雜信號(hào)檢測(cè)算法,,具體流程如圖5所示,,主要步驟如下:

ck2-t5.gif

    (1)FFT算法預(yù)分析,得到小波的分解層數(shù)以及需要關(guān)注的頻帶,。

    (2)根據(jù)上一步計(jì)算獲得的分解層數(shù),,選取合適的離散小波將復(fù)雜信號(hào)粗略分離,得到關(guān)注頻帶信息,。

    (3)對(duì)上一步分解之后得到的關(guān)注高頻分量進(jìn)行閾值去噪后分析,,必要時(shí)重構(gòu),得到高頻諧波的起止時(shí)刻以及振幅,;得到關(guān)注的低頻分量,,利用加窗插值FFT得到全部的穩(wěn)態(tài)諧波個(gè)數(shù)及粗精度的頻率、幅度和相位,。

    (4)將上一步得到的諧波總個(gè)數(shù)設(shè)定為BP網(wǎng)絡(luò)中神經(jīng)元的個(gè)數(shù),,將得到的粗精度諧波頻率設(shè)定為BP神經(jīng)網(wǎng)絡(luò)中諧波頻率的初始值。前文提到,,BP網(wǎng)絡(luò)在運(yùn)算復(fù)雜信號(hào)時(shí),,對(duì)于間諧波弱信號(hào)的檢測(cè)能力不足,但是本方案的前三步已經(jīng)讓BP網(wǎng)絡(luò)獲得了較好的初值,,因此在其基礎(chǔ)上,,增加BP網(wǎng)絡(luò)迭代時(shí)±1%頻率閾值區(qū)間、±5%幅度閾值區(qū)間和±10%相位閾值區(qū)間,,進(jìn)行優(yōu)化運(yùn)算,,最終得到穩(wěn)態(tài)分量高精度的頻率、幅度與相位,。

    與傳統(tǒng)的檢測(cè)算法以及各類改進(jìn)檢測(cè)算法相比,,DFFT-WT-BP算法主要作出了以下5點(diǎn)改進(jìn):

    (1)利用FFT預(yù)分析未知信號(hào),可以快速得出分解層數(shù)和關(guān)注諧波所處的頻帶,,只需要對(duì)特定的頻帶作處理,,節(jié)省了工作量。

    (2)由于已經(jīng)通過(guò)預(yù)分析的方法確定了關(guān)注頻帶,,因此只需要對(duì)信號(hào)作粗略的分解,,規(guī)避了分解層數(shù)過(guò)多時(shí)檢測(cè)速度與精度受到影響的問(wèn)題。

    (3)將已經(jīng)處理過(guò)的粗精度諧波參數(shù)送入BP網(wǎng)絡(luò)進(jìn)一步優(yōu)化,,減少了迭代時(shí)間,提升了檢測(cè)精度,,增加了對(duì)間諧波的識(shí)別能力,。

    (4)將BP網(wǎng)絡(luò)的學(xué)習(xí)率與動(dòng)量因子一起參與神經(jīng)網(wǎng)絡(luò)的調(diào)整,減少了運(yùn)算時(shí)間,提升了檢測(cè)精度,,實(shí)現(xiàn)了對(duì)間諧波的檢測(cè),。

    (5)增加了頻率、幅度和相位的迭代區(qū)間,,限制了運(yùn)算時(shí)的搜索區(qū)域,,規(guī)避了間諧波迭代時(shí)為了“迎合”全局的誤差最小值而發(fā)生偏移。

4 仿真分析

4.1 與FFT-BP算法的對(duì)比

    由2.2節(jié)分析可知,,F(xiàn)FT-BP算法不好處理復(fù)雜信號(hào)中的間諧波,,為了體現(xiàn)DFFT-WT-BP算法的優(yōu)勢(shì),在信號(hào)模型中僅加入整數(shù)次穩(wěn)態(tài)諧波分量,,獲得FFT-BP算法與DFFT-WT-BP算法對(duì)于整數(shù)次諧波的檢測(cè)結(jié)果,。設(shè)諧波采樣信號(hào)為:

     ck2-gs6.gif

    由FFT預(yù)處理后,設(shè)定神經(jīng)元個(gè)數(shù)為5個(gè),,取基波頻率為50 Hz,,設(shè)定BP網(wǎng)絡(luò)初始的頻率學(xué)習(xí)率為0.02,幅度與相位的學(xué)習(xí)率為0.1,,動(dòng)量因子設(shè)定為0.6,,并按2.2節(jié)所述的規(guī)則進(jìn)行調(diào)整。獲得的幅度和相位的對(duì)比見(jiàn)表1,、表2,,誤差曲線的對(duì)比如圖6、圖7所示,??梢钥闯觯現(xiàn)FT-BP算法與DFFT-WT-BP算法在該類信號(hào)條件下,,幅值與相位的檢測(cè)誤差均在10-5~10-4,,精度并沒(méi)有明顯差異,但FFT-BP算法的運(yùn)算次數(shù)為1 871次,,DFFT-WT-BP算法的運(yùn)算次數(shù)為672次,,運(yùn)算時(shí)間有很大的差距??梢缘贸?,DFFT-WT-BP算法與FFT-BP算法相比,迭代次數(shù)更少,,效率更高,。

ck2-b1.gif

ck2-b2.gif

ck2-t6.gif

ck2-t7.gif

4.2 與FFT-WT算法的對(duì)比

    本文構(gòu)建了如式(7)所示的復(fù)雜信號(hào),其包括50 Hz的基頻信號(hào)以及頻次比為1.6:3:3.1:5:5.2:7:8.2:11的穩(wěn)態(tài)信號(hào),,其幅度比為100:8:50:10:50:5:50:30:15:30,;含有一個(gè)最大幅度為80 V的高頻衰減信號(hào);包含一個(gè)正態(tài)分布的隨機(jī)噪聲。對(duì)該模型采取FFT-WT算法以及DFFT-WT-BP算法分別仿真分析,。

     ck2-gs7.gif

    根據(jù)圖6所示流程圖,,得到高頻衰減信號(hào)如圖8所示,其最大幅度為80 V,,起始位置為0.2 s,,與預(yù)定結(jié)果一致,滿足檢測(cè)要求,。得到全部的穩(wěn)態(tài)諧波與間諧波粗精度的頻率,、幅度與相位信息如圖9所示,經(jīng)過(guò)BP網(wǎng)絡(luò)計(jì)算后獲得的優(yōu)化結(jié)果與FFT-WT算法的結(jié)果分析結(jié)果比對(duì)見(jiàn)表3~表5,。

ck2-t8.gif

ck2-t9.gif

ck2-b3.gif

ck2-b4.gif

ck2-b5.gif

    由表3~表5的數(shù)據(jù)對(duì)比得到:

    (1)FFT-WT算法檢測(cè)頻率的誤差分布在10-4~10-3,,DFFT-WT-BP算法檢測(cè)頻率的誤差分布在10-6~10-5

    (2)FFT-WT算法檢測(cè)幅度的誤差分布在10-4~10-2,,DFFT-WT-BP算法檢測(cè)幅度的誤差分布在10-5~10-4,。

    (3)FFT-WT算法檢測(cè)相位的誤差分布在10-4~10-2,DFFT-WT-BP算法檢測(cè)相位的誤差分布在10-5~10-4,。

    能夠推出,,在處理電網(wǎng)實(shí)際的復(fù)雜信號(hào)時(shí),DFFT-WT-BP算法不但準(zhǔn)確檢測(cè)出了非穩(wěn)態(tài)分量的主要參數(shù),,而且用設(shè)定閾值區(qū)間的方法規(guī)避了FFT-BP算法的固有缺陷,,擁有了對(duì)間諧波弱信號(hào)的檢測(cè)能力,對(duì)于穩(wěn)態(tài)分量整體的檢測(cè)精度比FFT-WT算法高出了1~2個(gè)數(shù)量級(jí),。

5 結(jié)論

    針對(duì)光伏系統(tǒng)的諧波信號(hào),,本文在對(duì)現(xiàn)有的FFT-WT算法和FFT-BP算法改進(jìn)的基礎(chǔ)上,提出了聯(lián)合的DFFT-WT-BP算法,。經(jīng)仿真驗(yàn)證,,本文提出的DFFT-WT-BP算法對(duì)于光伏系統(tǒng)中由穩(wěn)態(tài)的諧波與間諧波分量、非穩(wěn)態(tài)分量和各種噪聲疊加而成的復(fù)雜信號(hào)有著很好的檢測(cè)效果,。理論與仿真結(jié)果表明,,DFFT-WT-BP算法精度高,實(shí)時(shí)性好,,適應(yīng)能力強(qiáng),,能夠滿足實(shí)際的檢測(cè)需求。

參考文獻(xiàn)

[1] 薛萍,,朱琳琳,,王宏民.基于準(zhǔn)同步采樣光伏發(fā)電系統(tǒng)諧波分析方法[J].電子技術(shù)應(yīng)用,2015,,41(11):121-123.

[2] LIU D,,YANG Z,,HE Y,et al.Harmonic analysis of power system based on Rife-Vincent self-convolution window triple-spectral-line interpolation FFT[J].Journal of Electronic Measurement & Instrumentation,,2016,30(9):1351-1356.

[3] 李平,,李源,,孔銀昌.一種加Nuttall窗三譜線插值FFT諧波檢測(cè)算法[J].電子技術(shù)應(yīng)用,2017,,43(5):41-43.

[4] 翟曉軍,,周波.一種改進(jìn)的插值FFT諧波分析算法[J].中國(guó)電機(jī)工程學(xué)報(bào),2016,,36(11):2952-2958.

[5] 朱翔,,解大,高強(qiáng),,等.基于FFT和db20小波變換的電力系統(tǒng)諧波聯(lián)合分析策略[J].電力系統(tǒng)保護(hù)與控制,,2012,40(12):62-65.

[6] 房國(guó)志,,楊超,,趙洪.基于FFT和小波包變換的電力系統(tǒng)諧波檢測(cè)方法[J].電力系統(tǒng)保護(hù)與控制,2012,,40(5):75-79.

[7] EBRAHIM M A,,ELYAN T,WADIE F,,et al.Optimal design of RC snubber circuit for mitigating transient overvoltage on VCB via hybrid FFT/Wavelet Genetic approach[J].Electric Power Systems Researc,,2017,143:451-461.

[8] 王凱亮,,曾江,,王克英.一種基于BP神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方案[J].電力系統(tǒng)保護(hù)與控制,2013(17):44-48.

[9] 曹英麗,,尹希哲.基于BP神經(jīng)網(wǎng)絡(luò)和全相位快速傅里葉變換的電力系統(tǒng)諧波檢測(cè)技術(shù)研究[J].現(xiàn)代電子技術(shù),,2017, 40(1):133-136,141.

[10] 邢曉敏,,商國(guó)敬,,徐新.基于線性神經(jīng)網(wǎng)絡(luò)的諧波檢測(cè)方法研究[J].電測(cè)與儀表,2014,,51(22): 40-43.

[11] OUYANG M X. Applications of addbBlackman window function in FFT[J].Southern Metals,,2012(5):51-53,60.

[12] KANG W,,LI N,,ZHANG J,,et al.An improved harmonic analysis algorithm of multi-spectrum-line interpolation FFT[J].Electrical Measurement & Instrumentation,2016,,53(10):8-15.

[13] 孫曙光,,龐毅,王景芹,,等.一種基于新型小波閾值去噪預(yù)處理的eemd諧波檢測(cè)方法[J].電力系統(tǒng)保護(hù)與控制,,2016:44(2):42-48.



作者信息:

孫  成1,黃  鈺2,,朱劍平1,,張保健1,張志遠(yuǎn)1,,王雅靜2

(1.上海金智晟東電力科技有限公司,,江蘇 南京210000;2.山東理工大學(xué),,山東 淄博255000)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載。