基于电力异常特征的电能质量在线分析方法及预警装置

技术领域

本发明涉及电能质量分析技术领域，尤其涉及基于电力异常特征的电能质量在线分析方法及预警装置。

背景技术

目前光伏发电产业蓬勃发展，随着大量光伏电站的建设，便会产生新的问题，送端交流电网过电压问题、受端频率稳定问题等都会直接影响外送水平，进而可能会导致光伏电站输出的电能质量下降。

光伏并网逆变器系统容易产生谐振，造成严重的电能质量问题，电气的绝缘保护装置会因为谐振引起的过电压而被击穿，从而致使设备发生损毁，甚至烧坏用电设备，另谐振产生的电压将是电源电压的三倍左右，这些过高的电压会使得绝缘子、电流互感器、避雷器以及电压互感器的瓷裙表面出现闪光而发生爆炸，甚至是造成短路。另光伏电站集电线路一般均为电缆线路，大量电缆线路致使发生单相接地故障时对地电容电流大幅增加，当短路电路达到一定数值（大于30A），接地电流所产生的电弧不能自行熄灭，势必发展成为相间故障，并且因为断续性弧光接地，引起较高的弧光过电压，会波及整个集电线系统，使绝缘薄弱的地方击穿，引发大事故，危急设备和人身安全；因此，提出一种基于电力异常特征的电能质量在线分析方法。

发明内容

本发明提出的基于电力异常特征的电能质量在线分析方法，解决了现有的电力异常特征的电能质量在线分析的问题，实现了设备故障前隐患的监测预警。

本发明提出的基于电力异常特征的电能质量在线分析方法，所述方法包括：

S1、构建供电系统隐患微弱信号的模型：

S11、根据现有电气数据提取匹配故障的电气特征，

S12、建立隐患扰动仿真模型，针对电力扰动多维特征，提获取时/频域多维信号特征；针对电力隐患演化机理及其典型信号特征，构建电力隐患（故障电弧、谐振等）模型，

S13、用多个模型对电力系统进行建模，通过结合配网拓扑动态辨识技术，对电力扰动事件进行反演，以确定扰动源和扰动机理，再通过风险域模型对电力隐患风险进行评估和预警；

S2、捕捉供电系统故障隐患微弱信号：

S21、针对逆变器开关管故障和LCL型滤波器谐振隐患的特征和机理，采集光伏电站现场线路的电能质量数据，

S22、基于光伏谐振隐患模型，提取模型信号时/频域特征，采用小波包变换对信号进行预处理，提取信号的时频特征，提高对异常源的识别精度，再利用BP神经网络对预处理后的信号进行分类识别，形成电能质量异常判据，

S23、对隐患预警算法进行优化，

S24、将采集现场电能质量数据输入到模型中，对异常源进行识别和定位，并进行误差分析和优化；

S3、通过现场试验与建模仿真相结合的方法验证仿真结果：

S31、建立电网扰动仿真模型，加载人为扰动，对扰动后的电压和电流波形进行分析，提取时域和频域特征，

S32、现场试验隐患预警一体化装置。

进一步的，所述隐患扰动仿真模型，通过采用电力系统仿真软件，建立包括输电线路、变电站和负荷在内的电力系统仿真模型，模拟不同类型隐患的电力扰动，分析隐患扰动的特征和机理；对隐患扰动仿真模型分析，提取扰动信号的多维特征，包括时域特征、频域特征、小波特征、奇异值分解特征，反映扰动信号在不同维度上的特性和规律，获取时/频域多维信号特征；电力隐患（故障电弧、谐振等）模型：对隐患扰动仿真模型和特征分析结果进行综合，提出电力隐患（故障电弧、谐振等）的演化机理和典型信号特征。

进一步的，所述光伏谐振隐患模型包括：采用小波变换对电能质量数据进行处理，提取功率谱密度、频率响应、谱峰、谱宽等时/频域特征，反映信号在不同频率上的分布情况和频率成分的强度；建立小波包-BP神经网络模型，将提取的时/频域特征输入到小波包-BP神经网络中，进行特征分类和识别，以形成电能质量异常判据；隐患预警算法针对不同异常状态下的电能质量异常特征，建立相应的预警模型，对异常源进行识别、分类和预警。

进一步的，所述电网扰动仿真模型，包括电力系统的各种设备和元件，建立电力系统的潮流计算模型，确定负荷和发电机的功率输出，以及电压和电流的波形变化；加载人为扰动，包括短路故障、开关断合、变压器故障等，对电力系统进行扰动，并记录扰动后的电压和电流波形；对扰动后的电压和电流波形进行分析，提取时域和频域特征，包括功率谱密度、频率响应、谱峰、谱宽等指标。

另一方面，本发明还公开一种隐患预警一体化装置，采用上述方法，包括上位机部分和下位机部分，所述上位机部分包括Labview和Matlab软件，用于对下位机部分上送的数据进行电能质量分析与展示；所述下位机部分包括工业级微处理器芯片和终端，用于实时采集供配网线路电参数变化，捕捉、识别线路故障的早期微弱信号及不明显的特征信号，并实时上传数据给上位机部分，以便发现潜在的隐患，以及对电站内的异常情况进行判别与预警。

本发明的有益效果：

该方法在供电系统出现故障电弧、局部放电等故障前，对隐患信号识别、提取，并给予预警信息，同时可精准定位隐患源，做到及时处理，可节省大量人力、物力；通过电网隐患预警信息融合终端的研制与优化配置，构建监测网络，支撑电力扰动感知与隐患预警，可准确反演电力扰动在配网中的发生、传播与影响，有助于及时开展电力扰动精准治理，降低电网敏感用户工业生产受扰动的影响水平，并且利用电力隐患信息准确感知未知故障，实现电力故障隐患的超前预警，保障电网的安全稳定运行，提高电网的供电可靠性。

附图说明

图1为基于电力异常特征的电能质量在线分析方法的流程图；

图2为现场试验光伏发电站并网端口处的电流波形图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

参照图1，基于电力异常特征的电能质量在线分析方法，方法包括：

S1、构建供电系统隐患微弱信号的模型；根据现有电气数据提取匹配故障的电气特征，建立隐患扰动仿真模型，针对电力扰动多维特征，提获取时/频域多维信号特征；针对电力隐患演化机理及其典型信号特征，构建电力隐患（故障电弧、谐振等）模型，用多个模型对电力系统进行建模，通过结合配网拓扑动态辨识技术，对电力扰动事件进行反演，以确定扰动源和扰动机理，再通过风险域模型对电力隐患风险进行评估和预警；

研究异常扰动的机理，收集、总结、分析现网的过往事故案例，提取事故前较长一段时间内的电能质量数据推演，环比电能质量数据的异常差异性做进一步的深度分析；

S2、捕捉供电系统故障隐患微弱信号；

针对逆变器开关管故障和LCL型滤波器谐振隐患的特征和机理，采集光伏电站现场线路的电能质量数据；逆变器在实际运行的过程中，由于IGBT等开关管长时间的处于高频开关状态，容易发生开关管故障，当开关管发生短路故障时，逆变器内部的保护机制便会将短路器件切除，从而将短路故障转为了开路故障；与开关管短路故障不同的是，开路故障发生后逆变器并不会立即停机，而是在异常状态下继续运行，在这种特殊情况下，逆变器所输出并网电流的电能质量会发生极大恶化，从而危害电网的稳定运行；另LCL型滤波器作为三阶系统，其存在一个固有的谐振频率，在电网的复杂谐波背景下，易于发生严重的谐振现象，严重恶化并网电流的电能质量；

基于光伏谐振隐患模型，提取模型信号时/频域特征，采用小波包变换对信号进行预处理，提取信号的时频特征，提高对异常源的识别精度，再利用BP神经网络对预处理后的信号进行分类识别，形成电能质量异常判据；

对隐患预警算法进行优化；

将采集现场电能质量数据输入到模型中，对异常源进行识别和定位，并进行误差分析和优化；

S3、通过现场试验与建模仿真相结合的方法验证仿真结果：

建立电网扰动仿真模型，加载人为扰动，对扰动后的电压和电流波形进行分析，提取时域和频域特征；

现场试验隐患预警一体化装置。

隐患扰动仿真模型，通过采用电力系统仿真软件，建立包括输电线路、变电站和负荷在内的电力系统仿真模型，模拟不同类型隐患的电力扰动，分析隐患扰动的特征和机理；对隐患扰动仿真模型分析，提取扰动信号的多维特征，包括时域特征、频域特征、小波特征、奇异值分解特征，反映扰动信号在不同维度上的特性和规律，获取时/频域多维信号特征；电力隐患（故障电弧、谐振等）模型：对隐患扰动仿真模型和特征分析结果进行综合，提出电力隐患（故障电弧、谐振等）的演化机理和典型信号特征。

光伏谐振隐患模型包括：采用小波变换对电能质量数据进行处理，提取功率谱密度、频率响应、谱峰、谱宽等时/频域特征，反映信号在不同频率上的分布情况和频率成分的强度；建立小波包-BP神经网络模型，将提取的时/频域特征输入到小波包-BP神经网络中，进行特征分类和识别，以形成电能质量异常判据；隐患预警算法针对不同异常状态下的电能质量异常特征，建立相应的预警模型，对异常源进行识别、分类和预警。

电网扰动仿真模型，包括电力系统的各种设备和元件，建立电力系统的潮流计算模型，确定负荷和发电机的功率输出，以及电压和电流的波形变化；加载人为扰动，包括短路故障、开关断合、变压器故障等，对电力系统进行扰动，并记录扰动后的电压和电流波形；对扰动后的电压和电流波形进行分析，提取时域和频域特征，包括功率谱密度、频率响应、谱峰、谱宽等指标。

隐患预警一体化装置，包括上位机部分和下位机部分，上位机部分包括Labview和Matlab软件，用于对下位机部分上送的数据进行电能质量分析与展示；下位机部分包括工业级微处理器芯片和终端，用于实时采集供配网线路电参数变化，捕捉、识别线路故障的早期微弱信号及不明显的特征信号，并实时上传数据给上位机部分，以便发现潜在的隐患，以及对电站内的异常情况进行判别与预警。

通过对光伏电站与电网之间谐振交互的机理分析，特别是对逆变器中LCL滤波器与电网背景谐波之间交互的仿真结果，表现出，一旦电网中含有位于滤波器谐振频率处的谐波电压，在并网电流中便会放大其中的谐波，从而使得对应的谐波电流含量值升高，电能质量异常，继而通过对光伏电站中逆变器共模干扰的机理分析，考虑光伏阵列的对地寄生电容的情况下，当逆变器的共模干扰未得到有效抑制时，在并网输出电流中，首先会放大开关频率处的谐波，并且会含有谐振频率处的谐波，从而使得输出电流中高频谐波分量超标，造成输出电流电能质量异常。

分别对单台逆变器与整个光伏电站的三种异常状态下输出并网电流的建模与仿真分析，以及不同状态下电能质量的分析结果可以发现：发生谐振、共模干扰或者逆变器开关管发生开路故障均会使三相并网电流中含有大量的谐波，而谐波是振荡在频域的表现形式，故而对于判别这几类故障，时域特征并不利于区分它们，需要采用一个频域的特征来有效的体现它们的区别，对电流信号的小波包能量特征进行重构，以较少的向量维数同时反映电流信号的高低频特性；将重构后的小波包能量作为BP神经网络的输入，并通过神经网络进行电能质量异常源的识别，可有效判别逆变器处于开关管断路状态、共模干扰状态还是滤波器谐振影响；并通过Matlab搭建神经网络仿真验证模型，证明方法的可行性。

以一个实际电站为例，利用MATLAB/Simulink平台研究实际的光伏电站多台逆变器并联的环境下，在３类异常状态下输出电流的波形特征，以及对电能质量的影响，然后对３类异常状态进行异常分，再通过小波包对每种故障进行特征提取，为了能够分析高低频的电流特征，对常用的小波包进行高层分解，归一化后进行能量重构处理，从而在可以分别高低频能量的同时具备较小的特征维数。

如图2光伏发电站并网端口处的电流波形如图所示，当出现A相单相接地故障时，经过仿真分析可知,由于升压变的转换作用，A相、C相电流在故障发生后升高，但幅值升高的倍数均被限制在电压外环的饱和设定值内；由于配电网是不接地系统，单相故障后，线电压保持不变，dq变换仍然可靠，电压外环的饱和限定将起到限制作用，光伏电站提供的稳态短路电流约为系统正常时的1.5倍左右，通过观察A相故障相波形出现了明显的扰动信号，由此推理在线路出现非永久性接地前，如出现高阻或低阻接地，可分析提取得出故障暂态电流特征向量。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。