基于布莱克曼窗与窗宽比的S变换电能质量扰动特征提取

鉴于多分辨率广义S变换(MGST)时频分辨率低、且计算量大,提出了基于布莱克曼窗口与窗宽比的S变换(BST)及其快速算法(FBST)。BST采用了布莱克曼窗宽函数,相较于MGST采用的高斯窗口,有更好的时域分辨率,并且BST采用了窗宽比控制窗口宽度,摆脱了频率控制窗口宽度,在分析高频扰动,能够保持较好的时频分辨率,因此相较于MGST,BST更加适用于电能质量分析。首先,通过设置条件,测得最佳窗宽比,然后使用快速傅立叶变换得到频谱,再使用降噪消除噪声在频谱引起的尖峰,确定信号包含信息的频率范围,更好保留信息的完整性。然后根据确定的频率范围,计算对应频率范围内BST的频谱,进一步提高了频域分辨率。通过仿真与现场数据分析表明,FBST能够更加精确快速提取时频特征,满足工业精度与时效性需求。

电网谐波下并网逆变器功率脉动抑制策略

电网电压中常含有一定的5次、7次谐波,导致并网逆变器输出功率产生6倍频脉动。为提高并网逆变器的运行性能,采用了一种基于谐振调节器的直接功率脉动控制策略,以实现并网逆变器输出有功功率和无功功率无波动的目的。基于瞬时功率理论,通过改变注入系统的有功和无功电流分量,结合谐振控制器抑制功率振荡。改进后的系统工作时无需获取谐波电流与电压的正负序分量,简单实用。基于1kW光伏并网逆变器实验平台对控制策略进行验证,实验结果表明,此控制策略能有效提高光伏并网逆变器的系统动态和稳态性能。

一种实时电能质量扰动识别分类方法

针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。