论文部分内容阅读
随着风力发电技术的不断发展进步,越来越多和越来越大规模的风电场将并入电网,风电场并入电网提高了系统可再生能源的比例,同时也会导致电能质量问题越来越复杂化。风电场装机容量需要考虑的其中一个重要因素是电能质量问题,只有将其对系统的影响降低到一定标准,才能保证系统的安全性和稳定性,进一步促进风力发电的良性发展。因此,对风电场接入电网导致的电能质量问题和相关的分析方法进行研究是十分必要的。本文主要研究内容可论述如下:(1)风力发电机组并网运行对电网电能质量的影响。从风电场和电网的角度,总结了风电并网常见的几种电能质量问题如电压波动、谐波、电压偏差、电压暂降等,紧接着分析了风电机组并入电网后引起的各种电能质量的原因和机理,并给出了各种电能质量问题的仿真信号模型,最后介绍了郴州大冲风电场基于风电场SCADA系统的风电并网电能质量扰动信号数据源。(2)风电并网电能质量扰动信号去噪方法的研究。对含噪电压信号分别进行小波和小波包去噪仿真,对比仿真图和各项指标判定小波包去噪效果优于小波去噪。进一步对小波包进行深入研究,选取各项指标较优的小波包基函数,对含噪电压信号进行小波包不同分解层数的去噪研究,从4种不同的小波包基函数中挑选出最佳去噪函数和最优分解层数。仿真结果表明,sym4小波包基函数对含噪信号进行5层分解时,其去噪效果最优。(3)提升Db4复小波实现电能质量扰动起止时刻检测。本章首先对复小波的原理及优势进行了讲解,相比于实小波变换,复小波变换包含了更多的信息量,包括扰动信号的幅值和相位信息,对于电能质量信号的检测更加有优势。本章将提升格式算法引入复小波变换,提出了一种基于提升db4复小波变换的电能质量扰动检测方法,仿真结果表明,提升复小波变换的运行效率和精确性明显优于实小波变换和复小波变换,其检测耗时更少、误差更小、效率更高。(4)基于优化支持向量机的风电并网电能质量扰动分类。本章针对风电并网电能质量扰动信号的识别问题,采用小波包变换提取扰动信号特征值,再引入粒子群算法(PSO)优化支持向量机(SVM)核函数参数,对扰动信号识别并分类。为进一步验证此方法的正确性和有效性,针对典型的扰动信号,采用不同的分类方法进行扰动识别实验,仿真结果表明,经PSO-SVM优化的支持向量机分类器识别精度更高。