基于二阶广义积分器的改进型ip-iq谐波检测算法

针对电网直流分量和高次谐波对谐波电流检测精度的影响,提出了一种基于二阶广义积分器的改进型ip-iq谐波检测算法。该算法在传统ip-iq法的结构上加入了改进型SOGI滤波环节,有效滤除了输入信号中的直流分量同时还抑制了高次谐波,改进型SOGI的锁相环在电网电压含高次谐波和直流分量的情况下能提供稳定的电网电压频率,从而能够更准确检测出谐波电流。仿真算例对比分析了传统ip-iq法和基于一般SOGI的ip-iq法,验证了文中提出的谐波检测方法在电网含直流分量和高次谐波时的有效性和可靠性。

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。

基于振荡分量时频特性的次同步振荡早期预警

针对目前次同步振荡辨识方法是在振荡已经较大程度发生时才能辨识出来的缺陷,提出了一种次同步振荡危险分量的早期辨识方法。利用EMD重组滤波的方法提取出在次同步振荡范围内的分量,将其重组后作为分析信号,对信号做希尔伯特黄变换得到各振荡分量的振荡参数和时频变化关系,根据振荡分量频率与特征频率的走势关系和阻尼比,对振荡分量的危险性做出早期判断。用理想信号验证了所提方法对振荡参数辨识的精度,并以哈密地区次同步振荡的实际录波数据验证了此方法能够对次同步振荡做出早期预警。

基于同步挤压变换的电力系统谐波分析

为解决短时傅里叶变换(short-time Fourier transform,STFT)和连续小波变换(continuous wavelet transform,CWT)分析复杂电力系统谐波的不足,提出用于谐波分析的傅里叶同步挤压变换(Fourier-based synchrosqueezing transform,FSST)和同步挤压小波变换(synchrosqueezing wavelet transform,SWT)方法。这2种方法分别利用STFT和CWT对电力谐波信号进行时频分析,并对谐波瞬时频率同步挤压锐化,得到更精细的谐波时频曲线;然后利用其可逆性将电力谐波分解为一组内蕴模态类函数(intrinsic mode type functions,IMTs)分量,完成谐波各分量的提取。通过对比研究发现,FSST更适合分析线性调频电力谐波,SWT更适合分析非线性调频电力谐波。实际应用结果表明,与希尔伯特黄变换相比,同步挤压变换能有效抑制模态混叠和噪声干扰,能有效提取各谐波特征信息。