电网阻抗特性不稳定导致谐波传播路径复杂化,传统检测方法难以区分背景谐波与本地谐波;同时,电压波动与频率偏移会掩盖真实的谐波特征,使得低频间谐波与高频噪声的分离变得困难,为此,提出弱电网下低压电网谐波高精度检测研究方法。通过M...电网阻抗特性不稳定导致谐波传播路径复杂化,传统检测方法难以区分背景谐波与本地谐波;同时,电压波动与频率偏移会掩盖真实的谐波特征,使得低频间谐波与高频噪声的分离变得困难,为此,提出弱电网下低压电网谐波高精度检测研究方法。通过Mallat快速多尺度框架将信号逐层映射至不同频带空间,获取子频带信号。引入集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法分解子频带信号,提取出表征局部本征振荡特性的多阶IMF分量,避免虚假分量和模态混叠,准确提取基波与高次谐波。对固有模态函数(Intrinsic Mode Function,IMF)分量实施希尔伯特(Hilbert)变换,获取各IMF分量的瞬时参数,刻画谐波时变特性。并基于这些特性,从IMF分量中提取出基波分量,并计算得到总谐波分量。实验表明,在谐波点数在400~1200时,该方法的谐波幅值相对误差(Relative Error of Harmonic Amplitude,REHA)和谐波相位角均方根误差(Root Mean Squre Error of PhaseAngle,RMSE-PA)相较于对比方法最高分别降低32.5%、27.6%,说明该方法可精准捕捉谐波电流的动态变化及峰值时刻。且峰值位置吻合度达98.5%,能够实现弱电网下低压电网谐波高精度检测,对基波电流和谐波电流完成有效跟踪检测。展开更多
文摘电网阻抗特性不稳定导致谐波传播路径复杂化,传统检测方法难以区分背景谐波与本地谐波;同时,电压波动与频率偏移会掩盖真实的谐波特征,使得低频间谐波与高频噪声的分离变得困难,为此,提出弱电网下低压电网谐波高精度检测研究方法。通过Mallat快速多尺度框架将信号逐层映射至不同频带空间,获取子频带信号。引入集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)算法分解子频带信号,提取出表征局部本征振荡特性的多阶IMF分量,避免虚假分量和模态混叠,准确提取基波与高次谐波。对固有模态函数(Intrinsic Mode Function,IMF)分量实施希尔伯特(Hilbert)变换,获取各IMF分量的瞬时参数,刻画谐波时变特性。并基于这些特性,从IMF分量中提取出基波分量,并计算得到总谐波分量。实验表明,在谐波点数在400~1200时,该方法的谐波幅值相对误差(Relative Error of Harmonic Amplitude,REHA)和谐波相位角均方根误差(Root Mean Squre Error of PhaseAngle,RMSE-PA)相较于对比方法最高分别降低32.5%、27.6%,说明该方法可精准捕捉谐波电流的动态变化及峰值时刻。且峰值位置吻合度达98.5%,能够实现弱电网下低压电网谐波高精度检测,对基波电流和谐波电流完成有效跟踪检测。
