基于LSTM算法的分布式发电并网系统谐波检测.pdf

信息技术 年第 期基于 算法的分布式发电并网系统谐波检测王 峰(国网南京供电公司 南京)摘 要:针对当前方法检测到的分布式发电并网系统谐波幅值结果不准确的问题提出了基于 算法的分布式发电并网系统谐波检测方法 建立分布式发电并网系统通用模型根据分布式发电并网输出特性求得系统中各参数和数学模型利用小波变换方法分解并重构谐波信号剔除谐波中的干扰因素采用 算法的记忆神经单元替代 中的部分神经元评估检测仿真数据的 值和 值实现分布式发电并网系统谐波检测 实验结果表明该方法谐波幅值与实际值最接近能够有效提高检测结果的准确性关键词:算法 分布式发电 并网系统 信号分解 谐波检测中图分类号:文献标识码:文章编号:():./.作者简介:王峰()男硕士高级工程师研究方向为电力系统自动化 ():.:引 言分布式发电并网普遍应用于风力发电、太阳能发电领域且大多靠近供电区可以减少输电损失 但这种分布式发电并网系统易受环境影响且输出的电能自身存在一定的波动性和间歇性会影响当前电网电能质量 在分布式发电并基于 算法的分布式发电并网系统谐波检测 王峰网系统中对谐波进行检测是保证电网安全稳定运行的重要操作 针对分布式发电并网系统中出现的谐波相关领域学者对其检测方法展开了研究文献提出了基于 法的分布式光伏并网系统谐波检测方法用以减少运算过程中的运算步骤文献提出了基于 窗和全相位傅里叶分析的谐波相量检测方法将采集到的数据分成 段每段数据利用 窗加两次 项 阶被处理后的数据经过快速傅里叶变换得到校正幅值和频率的全相位谱分析结果实现谐波相量检测 上述两种方法均提高了谐波检测的检测速度但检测精准性需要改进在此本文提出基于 算法的分布式发电并网系统谐波检测方法 方法构建 分布式发电并网系统通用建模目前现有的太阳能获取方式有很多的局限性要想在光线弱的时候持续供电需要对太阳能供电系统进行改进建立一个通用性比较强的电网模型 分布式发电并网系统结构如图 所示图 分布式发电并网系统结构示意图谐波变化的随机性变大波动性也会增大因此需要一个精度更高的数据模型来描述分布式发电并网的输出特性:()式中表示环境温度表示太阳能的辐射强度表示光照时间 太阳能电池输出的电压和电流数值之间的关系可以表示为:()式中 表示系统中能够输出的平均电流值表示光伏电池中发生短路情况下的电流值表示电池中开路状态下的电压、均表示电网系统中的待定系数 表示正常光照条件下的电网输出电压 ()式中表示最大功率点的电压表示该点的电流 将温度变化与太阳能辐射强度的影响考虑在内可得:()式中 表示畸变功率可得:()式中 表示其他条件不变的情况下电流强度改变时温度的变化系数 表示电压强度改变时对应的温度变化系数表示一段时间内太阳的平均辐射强度表示太阳能电池正常工作时的温度范围表示分布式发电并网中太阳能电池的内阻 根据太阳能的工作性质建立分布式发电并网系统的数学模型:()式中为太阳能光伏电池给电网提供的电压表示相同状态下的工作电流表示电池短路电流表示不存在谐波干扰的电池开路电压 表示系统开路电压的温度系数表示理想情况下的电池工作温度 表示材料性能系统的硅电池采用的是半导体材料制作()表示太阳能电池发电模块所对应的串联的单元个数表示各电池模块所对应的并联的单元个数 至此完成分布式发电并网系统的建模基于 算法的分布式发电并网系统谐波检测 王峰 谐波信号的分解与重构分布式发电并网在实际运行过程中产生的谐波中会包含一些噪声的干扰 为了完成准确检测需要使用小波变换对谐波信号进行分解与重构以此解决傅里叶变换不能进行全频分辨的问题 由于小波具有带通性选取合适的 和 将目标信号分解至不同频带上 将其中一个离散信号拆分为一个高频和一个低频信号得到信号的重构形式:()()()基于多尺度算法将目标电力信号进行分解将所需频段的信号值筛选出来即可快速获得谐波分量 建立目标电力信号数学模型:()()()()式中()为基本信号又称为真实信号()为干扰信号 为干扰标准差()为原始信号 由于真实信号分布在低频而干扰等信号处在高频所以选用合适的阈值方法来处理信号分解和重构步骤为:确定小波系数 分解信号获取到分解信号的参量之后得到小波系数 将分解信号的阈值进行具体量化 确定选取的信号分解阈值为 ()其中参数 表示小波分解信号的宽度 为分解信号中原有噪声的标准差重构信号 信号经过以上处理后重构得到高低频信号就能实现对信号分解和重构剔除其中的干扰因素 基于 算法的谐波检测利用 的记忆神经单元替代 中的部分神经元替代后的 算法梯度消失频率降低 改进前的 模型如图 所示图 循环神经网络模型由图 可以看出改进前的 模型展开后有且仅有 个神经元 表示神经网络模型中的输入数据 表示多层神经网络中隐含层 表示输出层 模型具有循环性输入的信息会和前一刻的输入信息一同存储在隐含层的 神经元之中 改进 模型对 的主要变动之处就在于隐含层 神经元内部的结构如图 所示图 的神经元内部结构()()()()()()式中:表示长短时神经网络中的遗忘系数 表示模型的输出层在 时刻时输出的数据表示循环神经网络模型中输入层在 时刻接收到的数据表示输入系数表示神经网络中门的权重时间范围在()时刻中表示 中最靠近神经元的输入门与神经元之间的距离表示 中最靠近神经元的输出门与神经元之间的距离表示神经元所对应的输入数据的偏置为输入门的接收数据 表示输出系数表示()时间段内神经元所计算数据的衡量范围权重表示 时刻的输出数据 基于 算法的谐波检测方法流程如图 所示基于 算法的分布式发电并网系统谐波检测 王峰图 基于 算法的谐波检测方法流程示意图 首先需要检验原始数据的平稳性并对其中的自噪声进行检验如果平稳性和自噪声都没有达到要求则需要将原始数据进行修正平稳性与自噪声都达到标准要求之后再建模分析 最后通过计算 算法对 值和 值进行评估得到检测结果 仿真实验 搭建仿真实验平台并设置参数根据谐波检测方法的原理在仿真平台中结合真实的分布式发电并网系统结构进行光伏并网系统仿真模拟 选择含有源电力滤波器功能的系统建立统一控制系统模型如图 所示图 中涉及的主要参数如表 所示图 分布式发电并网结构仿真示意图表 统一控制系统模型中的主要参数参数名称主要参数直流侧电压开关频率 直流侧电容三相电源电压直流电压控制器参数 滤波器参数 非控整流电路参数 微电源 续表 参数名称主要参数、线路阻抗及负荷 负载大电网在测量的过程中设置电流 从电源正极流出在仿真平台 中设置电网中谐波的幅值采样频率为 次/根据采集到的参数进行幅值计算相关公式为:基于 算法的分布式发电并网系统谐波检测 王峰 ()()()式中 采样点序号表示检测到的谐波采样数据 表示实验过程中的采样总数量 分别使用本文设计的谐波检测方法、文献检测方法以及文献检测方法进行实验并与实际的谐波幅值进行对比 实验结果三种检测方法分别从子频带信号中检测出基波分量 根据公式()计算出谐波的幅值结果如表 所示表 谐波幅值检测对比结果算法基波三次谐波 五次谐波 七次谐波 九次谐波实际幅值 文献方法 文献方法 本文方法 从表 可以看出与其他算法相比本文方法的幅值计算结果与实际幅值更加接近 因为本文使用小波变换的方式对谐波信号进行分解与重构利用 算法优化了 模型提高了幅值检测结果的准确性 结束语分布式发电并网系统由于能源的特殊性导致其自身也会存在功率输出波动和基波频率变化对于谐波的精准检测来说具有一定的干扰因此本文在 算法的基础上设计了一种精准的谐波检测方法 经过仿真实验验证本文设计的方法减少了检测过程中的误差取得了一定的成绩 但是由于研究的时间、条件等限制针对谐波检测方法的研究仅在初级阶段在今后的研究中需要将本文方法在实际电网中进行应用验证其实用性参 考 文 献:凌松张莹.分布式电源并网对配电网电能质量的影响研究.信息技术():.刘念祖耿琦王心怡等.基于 法的分布式光伏并网系统谐波检测方法.电子设计工程():.黄星宇罗萍萍龚锦霞等.新能源并网系统次同步谐波相量检测方法.电力系统保护与控制():.万磊陈成黄文杰等.基于 和 网络的电力大数据用电异常检测方法.电力建设():.李冰陈刚魏弋然等.基于单元制规划的分布式电源电网模型研究.信息技术():.刘金亮宋文乐黄庆等.电桩谐波的分布式光伏发电并网台区线损精确计算方法.电气自动化():.王黄磊江涛吴玉玲等.计及新能源并网发电的配电网电能质量分析.电气自动化():.罗正军张鸾周德群等.基于 分布式光伏并网利益协调仿真研究.信息技术():.李卓漫王海瑞.基于 优化 的滚动轴承剩余寿命预测.化工自动化及仪表():.黄志玮.光伏发电并网及其相关技术发展现状与展望.能源与节能():.闫振彬郑柏超周志勇.基于新型鲁棒下垂控制方法的光伏发电系统并网研究.电子科技():.袁文平吕应明黄安然等.一种基于 网络的车载 化学传感器温湿度补偿方法研究.现代制造工程():.刘钟山.基于 的谣言检测.现代计算机():.党伟超李涛白尚旺.基于 网络的 软件系统实时剩余寿命预测.计算机系统应用():.王世杰胡威高鑫等.新能源并网发电对配电网电能质量的影响研究.计算技术与自动化():.范士兴白贞李艾等.某机场交通中心光伏发电系统并网运行分析.智能建筑电气技术():.(责任编辑:丁晓清)