諧波源識別諧波源辨識的難點

隨著電力系統的解除管制和步入市場化運營,用戶對電能質量的要求會越來越高。采用經濟手段對諧波源負荷進行懲罰,對諧波的受害者進行補償,引導用戶采取適當的途徑控制注入系統的諧波電流,是諧波防治的有效措施。傳統的諧波源識別的判據偏向于定性分析電網中是否存在諧波源。在多諧波源系統中,如何準確識別諧波源并將各個諧波源所產生的諧波電流分離,確定其各自責任,仍然是一個值得探討的問題。

對于復雜的配電網絡,除一些大型的諧波源負荷能事先確定其位置,并根據其參數和運行方式計算其諧波電流以外,更多的負荷往往是由不同類型和容量的用電設備按照一定的網絡接線組合而成的綜合負荷,其中可能含有諧波源,也可能含有諧波的受害者。而且對于一條母線上連接兩個或多個諧波源的情況,各諧波源之間存在著互相干擾的問題,其諧波電流可能相互抵消或增強,在總的諧波測量電流中所占比例也不相同。供電部門不可能對每一個節(jié)點負荷裝設相應的監(jiān)控和測量裝置,每時每刻監(jiān)控所有供電節(jié)點的諧波干擾水平,只能通過現場結合公共連接點PCC和潛在諧波源節(jié)點的測量基礎上按照一定的判別原則來進行。

雖然目前實際應用最廣泛的諧波源辨識方法是功率方向法,大量的電能質量管理裝置也都是將其作為主要的判斷依據。但是,負荷注入系統的諧波功率不僅取決于兩側電流幅值大小,還取決于二者之間的相位關系以及配電系統和綜合負荷中線性部分的諧波阻抗。在一定的條件下,即使綜合負荷中存在諧波源,也有可能從系統中吸收正的諧波功率。因此,向系統注入正的諧波功率只是負荷中存在諧波源的充分條件而非必要條件,僅在單諧波源條件下能夠得到準確的辨識結果。

在復雜的配電系統中,采用這一判據進行諧波源的識別難免會造成遺漏和錯誤。而其它的判斷準則也只能定性地識別系統中的諧波源,不能定量地將負荷中的諧波源和非諧波源區(qū)分,明確各自的責任。而且在工程實踐中需要對實際的畸變電流和電壓波形采樣數據,不如功率方向法方便,也不便于諧波的綜合治理。因此,找到一個合適的技術指標用于定位諧波源(確定諧波源的大小和方向)并定量確定諧波責任是十分必要和緊迫的。

諧波源的辨識問題最初是作為諧波潮流的逆問題由G.T.Heydt提出的。通過測量系統中部分節(jié)點的諧波電壓和線路中的諧波電流,采用狀態(tài)估計的方法來獲得負荷注入系統的諧波功率。當注入的諧波功率為正時,則判定該負荷為諧波源。這就是目前實際應用最廣泛的功率方向法。此后,很多新的算法如線性神經元網絡等被運用于諧波狀態(tài)估計,同時量測量及狀態(tài)變量的選擇也各有不同,并在此基礎上開發(fā)了相應的實用程序和裝置用于實際辨識電網中的諧波源。此外,瞬時功率理論也被嘗試運用于諧波源辨識研究,通過三相系統中特定節(jié)點處濾波裝置數據得到系統瞬時諧波有功功率,來定位電網中主要的諧波源。日本學者據此研制出相應的裝置并用于試驗研究。但是對于單相網絡中存在的諧波源或因單相負荷所引起的諧波畸變,它不能提供任何有用的信息。

而基于瞬時無功功率理論的辨識方法在這方面有所改善。這些研究主要集中在狀態(tài)估計方法上,旨在利用最少的測量裝置取得令人滿意的識別結果,對于諧波源識別的判據并沒有新的觀點。

另一類辨識諧波源的方法是通過研究畸變的電壓波形和電流波形之間的內在聯系,找出相應的負荷參數,作為判定諧波源的指標,如基于外加負荷擾動法和基于瞬時負荷參數分割法。前者根據負荷在外加擾動的情況下,其諧波電流、基波電流和諧波電壓三者幅值之間的相互關系來判斷負荷中是否含有諧波源。如果按照這一關系而在相應的坐標系中繪制的點圖中,諧波電流和同次諧波電壓的關系可以擬合為過原點的一條直線,而諧波電流和基波電流無關,則將負荷視為線性負荷,反之則認為負荷中存在諧波源。后者根據計算RL參數,并引入非線性瞬時指標用于計算非線性統計因子NHL來進一步判定是否為諧波源。

諧波源的全部特性可由諧波源在供電側基波電壓相角恒定為零，而基波電壓幅值和各次諧波電壓幅值、相角變化時的特性所唯一確定，因此以下部分只討論負荷在供電側基波電壓相角為零時的情況。

設某一供電點的綜合負荷由線性負荷部分和非線性負荷部分并聯而成，當供電電壓的基波及各次諧波相量為

式中

非線性負荷部分的諧波電流是各次諧波電壓的復雜函數。其所吸收的

即諧波電流中除了含有取決于同次諧波電壓的分量以外，還含有取決于基波和其它各次諧波電壓以及與電壓無關的分量。

將上式右端2向量分別用

則綜合負荷所吸收的總諧波電流為:

上式便是綜合負荷諧波電流的簡化模型。

顯然，當綜合負荷全部為線性負荷時，上式中

諧波產生的根本原因是系統中某些設備和負荷的非線性特性,即所加電壓與產生的電流不呈線性關系而造成波形畸變。理想的公用電網所提供的電壓應該具有單一而固定的頻率和規(guī)定的電壓幅值,但當系統的正弦波形電壓加在非線性負載上時,產生的電流為非正弦波形,波形的畸變即產生了諧波電流,諧波電流又影響端電壓,使電壓波形發(fā)生畸變從而產生諧波電壓。這些向電網中注入諧波電流和產生諧波電壓的電氣設備即為諧波源。

電網中的諧波源大體分為兩種類型:一類為含有半導體元件的各種電力電子設備,如各種整流、逆變裝置和晶閘管可控開關設備等,它們按一定的規(guī)律開閉不同電路,將諧波電流注入電網;另一類為含有電弧和鐵磁非線性設備的諧波源,如熒光燈、電弧爐和各種鐵心設備包括變壓器、電抗器等。家用電器設備分屬于上述兩類諧波源,雖然其容量小,但數量巨大,因此也是不可忽視的諧波源。此外,對于電力系統三相供電來說,三相不平衡負荷也是典型的諧波源,使電力系統的電流和電壓波形產生畸變。

隨著電力市場的逐步完善,電能質量問題越來越受到重視。用戶對供電系統的供電質量提出了更高的要求。電力部門不但要解決電力用戶對電能質量的投訴,提高電能質量滿足用戶的需要,還要加強電能質量監(jiān)督管理,發(fā)現電能質量問題要深入研究,找到電能質量擾動的擾動源,即判定擾動方向,明確責任,對擾動源負荷進行懲罰。電力網諧波污染一直是電能質量的一個主要問題。

為了有效地治理諧波,必須弄清電網中的諧波源分布和諧波狀態(tài)。正確地定位諧波源,并定量估計綜合負荷中線性和非線性部分所占比重,是諧波潮流計算、濾波器配置以及諧波獎懲管理等問題的基礎,是諧波分析和治理的首要問題,具有重要的意義。

只有在已知諧波電流注入的情況下,才能準確地分析諧波在電網中的分布和擴散,并設計安裝相應的濾波裝置來治理諧波,從而降低諧波污染。而在公共聯接點(PCC),諧波往往是多個諧波源共同作用的結果。如果不能正確的判定各諧波源的位置并區(qū)分各自的諧波責任,就不能明確諧波的污染源和受害者,也就不能建立公平有效的諧波獎懲機制來進行諧波的綜合治理。

盡管諧波源辨識問題的研究取得了不少進展,但是還有許多問題尚待解決,尤其是實際諧波責任的區(qū)分。雖然不斷有新的理論和算法用于研究諧波源的定位,但是很多理論尚未得到統一的認識,還需進一步討論研究。此外,用于工程實踐的諧波源辨識技術還很不成熟,存在應用上的限制和錯誤,需要尋找新的理論基礎和技術指標。這些研究工作主要包括以下方面:

(1)進一步研究諧波電路理論和諧波功率理論,并用于諧波源辨識研究;

(2)找到一個合適的技術指標用于定位諧波源(確定諧波源的大小和方向)與諧波責任的區(qū)分,該指標應具備相當的技術性和經濟性,且易于實現;

(3)建立公平有效的諧波獎懲機制來定量約束各諧波源的諧波污染。

正確識別綜合負荷中是否存在諧波源，并定量估計負荷中線性和非線性部分所占的比重，以作為諧波潮流計算、濾波器配置、采用經濟手段懲罰諧波等問題的基礎，是諧波分析與治理領域中的首要問題，具有重要的意義。若不能正確識別諧波源的位置并將負荷中線性和非線性部分的諧波電流進行區(qū)分，就不能明確諧波污染源和受害者各自的責任，也就不能有效地進行諧波的綜合治理。 2100433B

（1）諧波源檢測和識別技術近年來得到了較大的發(fā)展，也取得了不少的成就。但根據以上的分析，各方法仍存在一些缺陷，如SE 方法實現成本較高，應用范圍受限；諧波有功功率方法將會受到PCC 點兩側諧波源相角差的影響；諧波無功功率方法的準確度不高；諧波阻抗法在測量上有一定的困難，還會受到系統運行方式變化的影響；ANN 的原理上尚存在較多需要解決的問題；利用GPS的方法尚無足夠的理論和實踐檢驗；基于諧波源的分析實現困難等。

（2）考慮其中的難點問題和尚未很好解決的問題，除了繼續(xù)針對各算法進行改進外，尚須在以下方面著重考慮：減小甚至消除元件參數分散性和背景諧波的影響；較好地處理多諧波源問題。至于具體的研究方向和內容，則應視乎實現成本、應用領域和約束條件等綜合考慮。 2100433B

1、結合SE 技術的諧波源檢測與識別方法

引入基于人工神經網絡的方法(artificial neuralnetwork，ANN)目的是優(yōu)化SE 等傳統諧波源檢測與識別方法，提高其性能。

由于諧波源的時變性，及其難以直接測量的特點，SE方法往往難以獲取足夠的預估值進行計算。而ANN 的自適應、自組織和模式識別能力可自動根據輸入、輸出值來識別其間的非線性關系——而這往往是難以定義或解釋的，從而獲取諧波源參數的初始值，并大大減少SE 方法所需要的檢測設備的數量。Hartana 等人嘗試將ANN 與SE 技術相結合進行諧波源的識別，一來減少檢測設備，二來提高識別性能，三來優(yōu)化負荷的功率因數[25-29]。在這種方法中，首先用ANN 獲取復雜系統的諧波源預估值，然后用狀態(tài)估計器計算來得到更接近真實值的結果。類似的，Pecharanin等人則將ANN 用于諧波源檢測中。

但 ANN 自身的缺陷使其在諧波領域的應用會受到諸多的限制。如ANN 模型的建立需要預先提供大量的訓練，包括全部諧波源電流可能的數值，這較難達到。同時，ANN 理論缺乏對變結構神經元網絡的修正算法，而系統線路拓撲的變化會影響ANN的聯接權矩陣，因此訓練好的ANN 缺乏對電力網結構變化的適應能力。另外，多層ANN 網絡的在尋求全局最優(yōu)時的時延，及構建合適的網絡結構(網絡優(yōu)化)等問題約束了ANN 在處理諧波源問題中的實用性。

2、基于級聯相關網絡的諧波源檢測方法

針對ANN 的缺陷，基于級聯相關網絡(cascade correlation network，CCN)的新方法，其工作著眼點仍在于盡量減少諧波檢測設備，及檢測地點的優(yōu)化配置上。與傳統的ANN 不同，在CNN 網絡中，訓練過程和隱層節(jié)點數量的增減是獨立的，從而使CNN 的結構得到有效控制，即能靈活的根據需要改變結構，并迅速形成接近最優(yōu)的網絡結構，克服了傳統ANN 的缺陷。CNN 的引入使該方法能在少量檢測設備和給定檢測點的條件下有效工作。

結合GPS 的方法，GPS技術的廣泛應用帶來了一些新思路。

自適應的Hopefield神經網絡來計算，并估計諧波電流分量的幅值和相角，但硬件上通過采用GPS 技術和現場總線網絡來達到實時識別諧波源的目的。還有一種新的辦法：由于有功功率、無功功率方法的表達式，的分母都與諧波阻抗有關，綜合利用這兩個測量值，應當可以消除諧波阻抗的影響。而在用GPS技術保證PCC 點兩側同步測量的情況下，可獲取兩側等值諧波電壓源的相角差。該方法解決上述方法受諧波阻抗的影響，以及準確度不足等問題。利用GPS 同步測量技術進行諧波源定位的方法有較大的發(fā)展前景。