分布式新能源接入电网的电能质量异常监测方法研究

电网电能质量易受到分布式新能源接入电网的冲击。冲击会破坏电压数据的完整性从而无法确定监测阈值,导致监测时间长、准确率低。为此,对分布式新能源接入电网的电能质量异常监测方法进行了研究。构建最小二乘支持向量机模型,通过综合学习粒子群算法确定模型超参数,利用优化后模型填补电压信号缺失数据。采用小波变换提取电能质量数据分布特征,获取每层能量分布与标准信号能量分布的差值。引入樽海鞘群优化算法优化反向传播(BP)神经网络初始权值和监测阈值,将差值输入训练完成的BP神经网络中,实现电能质量异常监测。试验结果表明,所提方法的查准率和查全率在95%以上、训练时间和测试时间在15 ms左右。该方法可准确、高效地监测到异常数据,从而保证电网的稳定运行。

电力电子变压器的并网电流谐波抑制策略

这里提出一种改进的3次谐波补偿策略,用于抑制电力电子变压器(PET)并网电流谐波。所提策略将PET并网电流中的基波电流和谐波电流进行分离,通过增加谐波电流环,将谐波电流反馈到系统中,达到消除并网电流中谐波成分的目的。所提控制策略并未改变原有的PET控制策略,易于实现。最后基于Matlab仿真和实验平台对所提控制策略进行了验证,结果表明所提控制方法能够有效降低PET并网电流畸变率。