关键词:
新能源发电技术
电能质量
谐波检测
局部均值分解
神经网络
分布式光伏发电系统
有源滤波
无源滤波
摘要:
随着新能源发电技术的不断发展,智能电网的建设、新能源发电技术越来越受到人们的关注。新能源发电的间歇性以及大量非线性用电设备接入电网,会在电网中产生谐波污染,致使电网电能质量受到影响,对电网的运行带来巨大的安全隐患。因此,进行谐波扰动信号的精确检测与分类,并据此设计合理的治理方案便显得尤为重要。本文分析了新能源发电并网中谐波产生的原因和谐波的特征,结合当前国内外谐波检测方法的研究技术,将局部均值分解(Local Mean Decomposition,LMD)与神经网络算法相结合,对谐波扰动信号进行检测和分类。本文阐述总结了LMD算法的基本原理,分析了现有LMD算法优点与局限,提出采用三次B样条插值和三角波形自适应延拓的方法对其进行改进优化,并根据提出的自适应延拓改进局部均值分解(ALMD)算法对六种常见的电能质量扰动信号进行了数值分解和仿真分析;综合经典的智能神经网络,如BP神经网络,RBF神经网络和概率神经网络(Probabilistic Neural Network,PNN),基于ALMD算法构造了谐波信号分类器,并对配电网中常见到几种谐波扰动信号进行了谐波检测分类实验,验证了该谐波信号分类器的可行性和先进性。作为本文方法的实际应用,本文选择分布式光伏发电系统发电及并网应用场景,采用ALMD与概率神经网络算法构建的谐波信号分类器对分布式光伏发电系统并网的电流信号进行谐波检测,对检测出来的谐波信号搭建无源滤波器(Passive Power Filter,PPF)和有源滤波器(Active Power Filter,APF)模型进行谐波抑制仿真实验,仿真实验表明,搭建的滤波模型结合谐波检测方法具有较好的抑制作用,验证了该方法的可行性和有效性。