论文部分内容阅读
摘 要：電力电子广泛应用以及其他非线性负荷的不断增加，造成电网波形严重畸变，对谐波进行检测、分析与控制已成为电工技术领域的热点问题。其中，谐波源位置的确定是这些工作的基础。本文对几种常见的谐波源识别方法进行比较，并分析了各种方法的优缺点，提出今后工作中的重点。
关键词：电力系统谐波； 谐波源识别
1 配电网中谐波的产生
随着现代工业技术的发展，电网中电力电子广泛应用和非线性负荷急剧增加，谐波污染日益严重。谐波源产生的谐波注入电网，通过网络扩大，可能降低对在同一或者临近馈线上的其他用户的电能质量，因此需要对谐波电流进行检测、分析和控制。本文分析了几种谐波的识别方法。
2谐波源识别的几种方法
2.1 利用状态估计技术的谐波源识别
Heydt [1]等首先提出了谐波的状态估计问题并给出了一种利用最小方差估计器的谐波源识别算法。他选用注入视在功率和线路视在功率作量测量，利用广义逆求解欠定方程组，从而获得对状态变量的最优估计。
但是，不可否认的这种方法有几个不可忽视的问题：
（1）在波形存在畸变的情况下，关于无功功率没有一种普遍接受的定义，因此选用视在功率作为量测量没有普遍意义，因而是不合适的。
（2）根据Heydt论述的方法来估计谐波源的位置，需要由足够的谐波测量装置对电力系统的谐波进行连续测量。然而，对于电力公司来说，需要考虑成本的问题。因此人们希望装设尽可能少的检测仪器，和检测尽可能少的母线，来估计出谐波源的位置。
（3）在测量谐波中另一个重要的限制是典型的谐波母线电流注入频谱，I（ω），以1/h的比率近似减少（h是谐波次数），而谐波母线电压频谱，V（ω），或者比1/h慢，或者比1/h快。作为一个实际的问题，25次以上的谐波减小量使可靠的测量几乎不可能。
（4）根据 Heydt等提出采用状态估计的方法来获得负荷注入系统的谐波功率，当这一注入谐波功率为正时，则判定该负荷为谐波源。
2.2 基于谐波源模型的谐波源识别
根据上面3.1节提出的问题，文献[6]又提出一种基于谐波源简化模型[1] 的谐波源识别方法。文献[7]中指出，谐波源的全部特性可由谐波源在供电侧基波电压相角恒定为零，而基波电压幅值和各次谐波电压幅值、相角变化时的特性所唯一确定，这种谐波源模型为：
3.3 基于神经网络的谐波识别技术
Hartana[9]等人尝试应用线性神经元网络进行谐波源的识别。在这种方法中，作者将人工神经网络与状态估计技术相结合进行谐波源的识别。由于神经元网络模型的建立需要预先提供大量的训练对，其中就要求知道全部谐波源注入电流的数组确切值，显然这对谐波估计问题来说并不现实。同时，神经元网络理论缺乏对变结构神经元网络的修正算法，而系统中某些线路或电源的切除都会影响神经元网络的联接权矩阵，因此訓练好的神经元网络缺乏对电力网结构变化的适应能力。所以神经元网络方法在谐波估计方面的应用无疑会受到许多条件的限制。
3结论和今后工作重点
谐波源识别应该还是今后电力系统电能质量控制的一个重要方面。作者今后将根据前人做出的贡献，希望能在以下几个方面作出努力：
（1）目前许多方法大多只是考虑电力系统三相对称的情况，但是电力系统不对称的现象随处可见，而且在谐波情况下往往更为明显。因而应该在这个方面应该考虑电力系统三相不对称的情况。但是考虑了电网中的不对称的同时会进一步引起电力系统谐波状态估计可观性分析的问题，因此必须 改进文献[5]中杜振平和Arrillag提出的方法。
（2）将现有的谐波源识别方法进行改进和完善，使得谐波源识别技术能更好与实际情况相符。例如，如果将神经网络技术再与其他技术相结合，如自适应技术等。这也就是说，使神经网络具有一定自适应性，能够调整自身的参数以适应网络结构等的变化，即使在网络结构变化、谐波潮流变化等情况下仍然能较为准确的得到可靠的结果。
参考文献：
[1]Heydt G T. Identification of Harmonic sources by State Estimation Technique [J]. IEEE Trans on Power Delivery，1989 4（1）：569：575.
[2]林雪海 孙树勤 电力网中的谐波 中国电力出版社.
[3]吴竞昌 供电系统谐波 中国电力出版社.
[4]Meliopoulos A P S， Zhang Fan， Shalom Zelingher. Power system harmonic state estimation. IEEE Trans on Power Delivery， 1994；9（3）：1701～1709.
[5]Du Z P， Arrillaga J， Watson N. Continuous harmonic state estimation of power systems. IEE Proc-Gener. T ransm.Distr，1996；143（4）：329一336.
[6]赵勇等 谐波源识别及其与非谐波源的分离方法 中国电机工程学报 Vol22 No.5 May 2002.
[7]赵勇等 一种新的谐波源简化模型 中国电机工程学报 Vol22 No.4 May 2002
[8]陈允平等 人工神经网络原理及其应用 中国电力出版社 2002.
[9]Hartana R K， Richards R G. Harmonic source monitoring and Identification using neural networks.IEEE Transactions on Power system 1990；5（4）：1098～1104.
关键词：电力系统谐波； 谐波源识别
1 配电网中谐波的产生
随着现代工业技术的发展，电网中电力电子广泛应用和非线性负荷急剧增加，谐波污染日益严重。谐波源产生的谐波注入电网，通过网络扩大，可能降低对在同一或者临近馈线上的其他用户的电能质量，因此需要对谐波电流进行检测、分析和控制。本文分析了几种谐波的识别方法。
2谐波源识别的几种方法
2.1 利用状态估计技术的谐波源识别
Heydt [1]等首先提出了谐波的状态估计问题并给出了一种利用最小方差估计器的谐波源识别算法。他选用注入视在功率和线路视在功率作量测量，利用广义逆求解欠定方程组，从而获得对状态变量的最优估计。
但是，不可否认的这种方法有几个不可忽视的问题：
（1）在波形存在畸变的情况下，关于无功功率没有一种普遍接受的定义，因此选用视在功率作为量测量没有普遍意义，因而是不合适的。
（2）根据Heydt论述的方法来估计谐波源的位置，需要由足够的谐波测量装置对电力系统的谐波进行连续测量。然而，对于电力公司来说，需要考虑成本的问题。因此人们希望装设尽可能少的检测仪器，和检测尽可能少的母线，来估计出谐波源的位置。
（3）在测量谐波中另一个重要的限制是典型的谐波母线电流注入频谱，I（ω），以1/h的比率近似减少（h是谐波次数），而谐波母线电压频谱，V（ω），或者比1/h慢，或者比1/h快。作为一个实际的问题，25次以上的谐波减小量使可靠的测量几乎不可能。
（4）根据 Heydt等提出采用状态估计的方法来获得负荷注入系统的谐波功率，当这一注入谐波功率为正时，则判定该负荷为谐波源。
2.2 基于谐波源模型的谐波源识别
根据上面3.1节提出的问题，文献[6]又提出一种基于谐波源简化模型[1] 的谐波源识别方法。文献[7]中指出，谐波源的全部特性可由谐波源在供电侧基波电压相角恒定为零，而基波电压幅值和各次谐波电压幅值、相角变化时的特性所唯一确定，这种谐波源模型为：
3.3 基于神经网络的谐波识别技术
Hartana[9]等人尝试应用线性神经元网络进行谐波源的识别。在这种方法中，作者将人工神经网络与状态估计技术相结合进行谐波源的识别。由于神经元网络模型的建立需要预先提供大量的训练对，其中就要求知道全部谐波源注入电流的数组确切值，显然这对谐波估计问题来说并不现实。同时，神经元网络理论缺乏对变结构神经元网络的修正算法，而系统中某些线路或电源的切除都会影响神经元网络的联接权矩阵，因此訓练好的神经元网络缺乏对电力网结构变化的适应能力。所以神经元网络方法在谐波估计方面的应用无疑会受到许多条件的限制。
3结论和今后工作重点
谐波源识别应该还是今后电力系统电能质量控制的一个重要方面。作者今后将根据前人做出的贡献，希望能在以下几个方面作出努力：
（1）目前许多方法大多只是考虑电力系统三相对称的情况，但是电力系统不对称的现象随处可见，而且在谐波情况下往往更为明显。因而应该在这个方面应该考虑电力系统三相不对称的情况。但是考虑了电网中的不对称的同时会进一步引起电力系统谐波状态估计可观性分析的问题，因此必须 改进文献[5]中杜振平和Arrillag提出的方法。
（2）将现有的谐波源识别方法进行改进和完善，使得谐波源识别技术能更好与实际情况相符。例如，如果将神经网络技术再与其他技术相结合，如自适应技术等。这也就是说，使神经网络具有一定自适应性，能够调整自身的参数以适应网络结构等的变化，即使在网络结构变化、谐波潮流变化等情况下仍然能较为准确的得到可靠的结果。
参考文献：
[1]Heydt G T. Identification of Harmonic sources by State Estimation Technique [J]. IEEE Trans on Power Delivery，1989 4（1）：569：575.
[2]林雪海 孙树勤 电力网中的谐波 中国电力出版社.
[3]吴竞昌 供电系统谐波 中国电力出版社.
[4]Meliopoulos A P S， Zhang Fan， Shalom Zelingher. Power system harmonic state estimation. IEEE Trans on Power Delivery， 1994；9（3）：1701～1709.
[5]Du Z P， Arrillaga J， Watson N. Continuous harmonic state estimation of power systems. IEE Proc-Gener. T ransm.Distr，1996；143（4）：329一336.
[6]赵勇等 谐波源识别及其与非谐波源的分离方法 中国电机工程学报 Vol22 No.5 May 2002.
[7]赵勇等 一种新的谐波源简化模型 中国电机工程学报 Vol22 No.4 May 2002
[8]陈允平等 人工神经网络原理及其应用 中国电力出版社 2002.
[9]Hartana R K， Richards R G. Harmonic source monitoring and Identification using neural networks.IEEE Transactions on Power system 1990；5（4）：1098～1104.