光伏并网发电系统电能质量扰动检测及分类方法研究

发布时间：2019-09-29 07:35

【摘要】：随着新能源的不断迅速发展,越来越多的新能源发电系统投入到了电网中。新能源在电网中的开发利用导致电能质量指标日益恶化,对电网的安全稳定运行造成了极大的危害。电能质量不仅影响到电力系统稳定可靠的运行,也关系到用户的安全运行,特别是以光伏发电及风力发电为主的分布式电源接入电网给电力系统带来更多电能质量问题,已成为世界的研究热点。同时,当代社会电子技术和其它高端电气设备的应用,其运行对电能质量提出了更高要求。光伏发电系统主电路的工作原理是电力电子开关组件的导通和关断来进行能量转换,发电系统的源头将产生大量谐波。因此,在新能源接入电网后,将使电能质量近一步恶化,对电能质量的研究工作已经迫在眉睫。对电能质量扰动的分析、检测以及分类识别的研究是提高和改善电能质量的前提,这也是进一步完善电能质量检测系统的重要工作之一。本文对电能质量国内外现状进行分析,以光伏系统为背景,对电能质量的各种问题进行了特性分析。详细对电能质量检测和分类的研究方法进行研究,提出四项三阶Nuttall窗四峰插值FFT算法对光伏并网电力谐波进行检测,利用MATLAB对谐波信号进行仿真分析,根据检测结果可知该算法进行谐波幅值检测绝对误差小于6.92×10-8,相对误差小于4.29×10-6%,相位绝对误差小于7.42×10-6%,相位的相对误差小于5.7×10-3%,在检测幅值和相位上都优于Hanning窗双峰插值、Blackman-harris窗三峰插值算法。通过应用希尔伯特-黄变换算法对电能质量扰动进行检测,利用Matlab平台,运用HHT方法对五种单一扰动电能质量仿真模型和两种复合扰动电能质量仿真模型进行分析,从仿真结果可知应用HHT方法对电能质量的扰动检测具有可行性和准确性。在对传统检测及分类方法的分析研究基础上,提出一种基于HHT和PSO-BP神经网络相结合的电能质量扰动检测与分类识别方法。应用Matlab平台,基于HHT和PSO-BP神经网路方法对七种扰动信号进行数值仿真分析,根据仿真结果可知,本文提出的方法对电能质量扰动信号的特征提取和分类具有快速性、精确性。基于HHT和PSO-BP神经网络的分类识别方法对单扰动信号分类是非常理想,分类测试结果都均在90%以上,一部分信号可以达到100%。对于多扰动的分类效果虽没有单扰动理想,但从测试结果中可知准确率仍然很高。在含有各种信噪比的信号中,同样可以很准确的识别信号中电能质量扰动类型,从而验证了本文提出的方法具有速度快、模式简单、检测和分类准确率高等优点。
【学位授予单位】：沈阳农业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TM711;TM615
，

本文编号：2543779