电力系统的谐波估计和逆变器的谐波抑制研究

发布时间：2020-12-09 08:32

　　伴随着人们生产、生活水平的提升,各种类型的非线性电气设备的使用量也急剧增加。大量的谐波因此注入到电网中,导致电力系统中谐波的含量不断增加,严重影响了电网的电能质量。电力系统以及各种用电设备运行的高效性和可靠性也因谐波的存在而受到影响,轻则使得电气设备产生大量的额外损耗,降低其使用寿命;重则引发安全事故,甚至造成大规模停电。因此,对电力系统的谐波估计与抑制技术的研究,具有重要的理论意义与实践价值。为了解决电力系统谐波污染问题,本文对电力系统谐波估计和抑制技术进行了深入的研究,主要工作如下:(1)为了准确掌握电力系统动态谐波幅值和相位的变化情况,从而采取有效的措施对动态谐波进行治理。本文以电力系统动态谐波的幅值和相位为对象进行状态估计,提出了遗传优化粒子滤波(Genetic Algorithm Particle Filter,GAPF)的动态谐波估计方法。该方法首先对遗传操作中的选择操作进行优化,且对交叉、变异操作添加自适应思想,使得交叉概率和变异概率能够根据个体的适应度自行调整,从而克服了遗传算法中易出现的搜索速度慢和“早熟”现象;其次,用改进的遗传操作代替粒子滤波中的重采样过程,得到对... 

【文章来源】：兰州理工大学甘肃省

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 电力系统谐波估计和抑制技术国内外研究现状
    1.3 论文的章节安排
第2章 电力系统谐波分析
    2.1 电力系统谐波的含义和性质
    2.2 电力系统谐波产生的主要原因
    2.3 电力系统谐波源分析
        2.3.1 发电机的谐波
        2.3.2 变压器的谐波
        2.3.3 电弧炉的谐波
        2.3.4 电力电子装置的谐波
    2.4 本章小结
第3章 基于遗传优化粒子滤波算法的电力系统谐波估计
    3.1 电力系统谐波机理模型的建立
    3.2 粒子滤波算法分析
        3.2.1 粒子滤波状态空间模型
        3.2.2 贝叶斯理论
        3.2.3 蒙特卡罗方法
        3.2.4 粒子滤波贯序重要性采样算法的实现
        3.2.5 减少粒子退化的关键技术
        3.2.6 粒子重采样
        3.2.7 粒子滤波算法的实现步骤
    3.3 粒子滤波算法仿真分析
    3.4 遗传算法分析
        3.4.1 遗传算法基本思想
        3.4.2 遗传算法基本概念
        3.4.3 遗传算法的编码
        3.4.4 遗传算法的基本操作
        3.4.5 遗传算法的个体适应度评价
        3.4.6 遗传算法的终止
        3.4.7 遗传算法所需要的参数
    3.5 粒子滤波算法与遗传算法的对比分析
    3.6 遗传优化粒子滤波
    3.7 基于GAPF算法的电力系统动态谐波估计的实现流程
    3.8 仿真分析
        3.8.1 GAPF在电力系统动态谐波幅值估计中的应用
        3.8.2 GAPF在电力系统动态谐波相位估计中的应用
    3.9 本章小结
第4章 基于自适应蚁群算法的级联型多电平逆变器谐波抑制
    4.1 级联型多电平逆变器的谐波抑制
        4.1.1 级联型多电平逆变器的结构
        4.1.2 建立选择谐波消去脉宽调制目标方程
    4.2 自适应蚁群算法
        4.2.1 基本蚁群算法的原理
        4.2.2 改进蚁群算法
        4.2.3 自适应蚁群算法与基本蚁群算法的仿真分析
    4.3 自适应蚁群算法求解SHE-PWM方程组
    4.4 实验结果及分析
    4.5 本章小结
结论与展望
    结论
    展望
参考文献
致谢
附录A 攻读学位期间所发表的学术论文目录
附录B
    表B1 PF算法实现的伪代码
    表B2 GA算法实现的伪代码
    表B3 GAPF算法实现的伪代码
    表B4 Adaptive CAS算法实现的伪代码


【参考文献】：
期刊论文
[1]一种基于谐波平面检测的五相电机驱动系统单相断相故障诊断方法[J]. 王庆丰,吴俊勇,刘自程.  中国电机工程学报. 2019(02)
[2]电力系统谐波分析及检测[J]. 程术,刘宇龙,彭浩,林益茂.  电子世界. 2018(16)
[3]SVD算法下多谐波源系统解耦策略仿真分析[J]. 江友华,常建,唐忠.  电力系统及其自动化学报. 2018(03)
[4]基于遗传算法改进BP神经网络的IAQ评价[J]. 冯浩栋,韩旭,罗华山.  微型机与应用. 2017(23)
[5]基于改进粒子滤波的无线传感器网络目标跟踪算法[J]. 邬春明,宫皓泉,王艳娇,赵星翰,郭立杰,梁玉珠.  南京邮电大学学报(自然科学版). 2017(05)
[6]单相光伏并网逆变器控制技术的研究[J]. 陈以明.  电气应用. 2017(21)
[7]基于箱粒子滤波的鲁棒标签多伯努利跟踪算法[J]. 魏帅,冯新喜,王泉,鹿传国.  兵工学报. 2017(10)
[8]电压不平衡度的加窗FFT快速测量方法[J]. 温和,金冉,蒙娟,黎福海.  电工技术学报. 2017(16)
[9]UPS逆变器谐波抑制环的分析与设计[J]. 王小军,施科研,董德智,徐德鸿.  电源学报. 2018(03)
[10]应用于电力谐波分析的改进相位差校正法[J]. 吴超凡,陈隆道.  电工技术学报. 2017(07)

硕士论文
[1]基于粒子群优化自适应最小二乘法的电网动态谐波估计[D]. 帅士奇.深圳大学 2017
[2]移动通信网络优化中的遗传算法及其应用[D]. 回艳玲.北京邮电大学 2013
[3]基于FPGA实现的粒子滤波算法研究[D]. 邓文坛.北京交通大学 2008
[4]遗传算法在配电网优化规划中的应用研究[D]. 陈俊红.河北农业大学 2006
[5]电力系统谐波测量和分析方法研究[D]. 陈冬红.河海大学 2005



本文编号：2906597