阅读说明：本技术 一种新能源柔性直流并网暂态谐波检测方法及系统 (New energy flexible direct-current grid-connected transient harmonic detection method and system ) 是由 李清泉 刘超 迟永宁 李琰 王良凯 王文欣 于 2019-12-02 设计创作，主要内容包括：本公开提出了一种新能源柔性直流并网暂态谐波检测方法及系统,采用皮尔逊相关系数法确定VMD分解模态分量个数K,利用奇异值分解(Singular Value Decomposition,SVD)精确定位信号扰动起止时刻,最后通过Hilbert变换及最小二乘拟合提取瞬时幅值频率信息,在实现暂态谐波信号的高精度检测和扰动定位的同时,提高了算法自适应性和计算效率。本公开提高了谐波检测的效率和准确性,有利于根据检测结果对谐波进行治理,减少了电网功率损耗,减少暂态扰动对电网稳态运行产生冲击,提高电网运行的稳定性。(The method and the system for detecting the transient harmonic wave of the new energy flexible direct current grid connection are characterized in that a Pearson correlation coefficient method is adopted to determine the number K of VMD Decomposition modal components, Singular Value Decomposition (SVD) is utilized to accurately position the signal disturbance starting and stopping time, and instantaneous amplitude frequency information is extracted through Hilbert transformation and least square fitting, so that the algorithm adaptability and the calculation efficiency are improved while the high-precision detection and disturbance positioning of the transient harmonic wave signal are realized. The harmonic detection method and the harmonic detection device improve the efficiency and accuracy of harmonic detection, are beneficial to treating harmonic according to detection results, reduce power consumption of a power grid, reduce the impact of transient disturbance on steady-state operation of the power grid, and improve the stability of operation of the power grid.)

一种新能源柔性直流并网暂态谐波检测方法及系统

技术领域

本公开涉及电网谐波检测相关技术领域，具体的说，是涉及一种新能源柔性直流并网暂态谐波检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。

近年来随着我国智能电网的不断发展，以风电、光电为代表的新能源发电不断接入电网，大量非线性电气设备和冲击性负荷投入使用为电网带来了严重的电能质量污染问题，其中以谐波污染为主。谐波的存在增加了电网功率损耗，暂态扰动的随机性对电网稳态运行产生冲击，尤其是在新能源场站通过柔性直流输电远距离外送的新场景下，给系统谐波检测带来了更多挑战，因此有必要对高精度电网谐波及扰动检测方法开展研究。

电力系统谐波分为稳态谐波和暂态谐波，国内外专家对于稳态谐波检测进行了深入研究，而对于暂态谐波/间谐波检测的方法研究较少。目前谐波检测的方法主要有傅里叶变换、瞬时无功功率理论、小波变换和希尔伯特-黄变换(HHT)等，在非同步采样下，傅里叶变换检测谐波会存在频谱泄露和栅栏效应，而且不能检测到暂态谐波；瞬时无功功率理论计算速度快、计算量小、实时性好，但要求信号波形无畸变；小波变换时频局部分析效果较好，但分解过度依赖小波基和分解层数的选取；HHT可自适应分解非线性、非平稳信号，对稳暂态谐波均具备分析能力，但分解频率相近的谐波信号时易出现模态混叠问题。

变分模态分解(VariationalModeDecomposition,VMD)在变分问题框架中采用交替方向惩罚因子不断更新各模态及其中心频率，但VMD一般通过快速傅里叶变换预先判断原始信号中分量的个数K，需要人为观测频谱中心频率，使得该方法自适应性不高且计算效率较低。并且对于新能源柔性直流并网出现的暂态谐波不仅需要检测其瞬时幅值和频率，还要定位其扰动起止时刻，需要更高的检测精度和噪声鲁棒性，目前的检测方法不能满足暂态谐波检测的要求。

发明内容

本公开为了解决上述问题，提出了一种新能源柔性直流并网暂态谐波检测方法及系统，采用皮尔逊相关系数法确定VMD分解模态分量个数K，利用奇异值分解(SingularValue Decomposition,SVD)精确定位信号扰动起止时刻，最后通过Hilbert变换及最小二乘拟合提取瞬时幅值频率信息，在实现暂态谐波信号的高精度检测和扰动定位的同时，提高了算法自适应性和计算效率。

为了实现上述目的，本公开采用如下技术方案：

一个或多个实施例提供了一种新能源柔性直流并网暂态谐波检测方法，包括如下步骤：

获取待检测的柔性直流并网系统的电力信号；

设定VMD分解参数，采用皮尔逊相关系数法自适应寻找获得VMD模态分解个数；

根据设定的VMD分解参数和获得的VMD模态分解个数K，对电力信号进行VMD分解，得到K个模态分量；

根据获得的谐波模态区分稳态谐波和暂态谐波，对暂态谐波对应的模态分量进行奇异值分解定位暂态谐波扰动起止时刻，求取暂态谐波各模态分量的瞬时幅值和频率，即获得暂态谐波信号的扰动时间和幅值频率。

一个或多个实施例提供了一种新能源柔性直流并网暂态谐波检测系统，包括设置在电网一次侧检测电力信号的电力互感器和谐波检测处理器，所述谐波检测处理器，包括：

信号获取模块：用于获取待检测的柔性直流并网系统的电力信号；

模态数确定模块：用于设定VMD分解参数，采用皮尔逊相关系数法自适应寻找获得VMD模态分解个数；

分解模块：用于根据设定的VMD分解参数和获得的VMD模态分解个数K，对电力信号进行VMD分解，得到K个模态分量；

检测模块：用于根据获得的谐波模态区分稳态谐波和暂态谐波，对暂态谐波对应的模态分量进行奇异值分解定位暂态谐波扰动起止时刻，求取暂态谐波各模态分量的瞬时幅值和频率，即获得暂态谐波信号的扰动时间和幅值频率。

一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。

与现有技术相比，本公开的有益效果为：

本公开利用皮尔逊相关系数法实现自适应获取VMD模态分解个数K，提高了本公开的暂态谐波检测方法的自适应性，同时提高了检测效率。本公开将VMD和Hilbert变换相结合，借助VMD算法对相近频率成分良好的划分能力和Hilbert变换对信号的精确分析能力，并引入奇异值分解实现对暂态谐波信号的扰动定位和幅值频率检测，不仅解决了传统信号分解的模态混叠和噪声干扰问题，而且提高了算法的自适应性和通用性。仿真实例验证了该算法在检测暂态谐波信号时的有效性、准确性和噪声鲁棒性，对于新能源柔性直流并网后系统谐波/间谐波检测和治理具有重要意义。本公开提高了谐波检测的效率和准确性，有利于根据检测结果对谐波进行治理，减少了电网功率损耗，减少暂态扰动对电网稳态运行产生冲击，提高电网运行的稳定性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。

图1是根据一个或多个实施方式的暂态谐波检测方法的整体流程图；

图2是本公开实施例1的确定VMD模态数量的流程图；

图3是本公开实施例1的示例中的含暂态谐波原始信号的时域波形示意图；

图4是本公开实施例1的示例中的原始信号VMD分解结果；

图5是图4中的谐波分量IMF3经奇异值分解后第4层分量信号。

具体实施方式

：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。

技术术语解释：

VMD：变分模态分解，英文为VariationalModeDecomposition,简称为VMD。

Hilbert变换：为希尔伯特变换。

SVD：奇异值分解(Singular Value Decomposition)是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。

在一个或多个实施方式中公开的技术方案中，如图1所示，一种新能源柔性直流并网暂态谐波检测方法，包括如下步骤：

步骤1：获取待检测的电力信号；

可选的，通过电力互感器采集信号，可以采用电流互感器将新能源通过柔性直流输电系统并网后的一次侧电流转化为二次侧可测量电流信号，并采样得到含有暂态谐波的电力信号f(t)。

步骤2：设定VMD分解参数，所述分解参数包括惩罚因子α和噪声耐受程度τ，采用皮尔逊相关系数法自适应寻找获得VMD模态分解个数；

设定VMD惩罚因子α、噪声耐受程度τ等参数，自适应寻找VMD模态分解个数K。

步骤3：根据设定的VMD分解参数和获得的VMD模态分解个数，对含有暂态谐波的电力信号f(t)进行VMD分解，得到K个模态分量u_k(t)；每一个模态都是一个调幅调频函数，对应一种谐波成分。

步骤4：根据获得的谐波模态区分稳态谐波和暂态谐波，对暂态谐波对应的模态分量进行奇异值分解定位暂态谐波扰动起止时刻，求取暂态谐波各模态分量的瞬时幅值和频率，即获得暂态谐波信号的扰动时间和幅值频率；实现暂态谐波信号的扰动定位和检测。

步骤1中，含有暂态谐波的电力信号f(t)的表达式可以为：

其中，H为最高次谐波次数，A_h和

分别为第h次谐波的幅值和相位。

步骤2中，变分模态分解：VariationalModeDecomposition,简称为VMD；VMD参数惩罚因子α越大，分解得到的各分量信号带宽越小，反之，带宽越大，α可以设置为2000；噪声耐受τ表征对噪声的耐受程度，τ越小噪声耐受能力越强，可以依经验设置为较小的值；

可选的，所述步骤2中，模态分解个数K根据皮尔逊相关系数法确定，可以如图2所示，步骤可以包括：

步骤2-1：初始化初始模态分解个数K＝2；

步骤2-2：按照分解个数对电力信号f(t)进行VMD分解，得到K个模态分量u_k(t)；

步骤2-3：利用皮尔逊相关系数方法计算各模态分量u_k(t)与原始信号f(t)的相关系数r_1k；

步骤2-4：计算各模态分量u_k(t)与原始信号f(t)的残差获得残差ε_k(t)，利用皮尔逊相关系数方法计算残差ε_k(t)与原始信号f(t)的相关系数r_2k；

步骤2-5：设定循环终止条件为:r_2k≤min(r_1k)，且r_2k≤max(r_2k)/10；

若模态分量残差与原始信号的相关系数r_2k小于等于各模态与原始信号的相关系数的最小值，且不大于残差与原始信号相关系数的最大值的1/10，即r_2k≤min(r_1k)且r_2k≤max(r_2k)/10，当前循环的模态分解个数即为最优模态分解个数，输出K值；否则，则令K＝K+1,执行步骤2-2；

其中,终止条件r_2k≤min(r_1k)是为避免发生模态混叠现象，保证VMD分解充分；终止条件r_2k≤max(r_2k)/10是为防止VMD发生过分解，产生虚假分量。

利用皮尔逊相关系数方法计算各模态分量u_k(t)与原始信号f(t)的相关系数以及残差ε_k(t)与原始信号f(t)相关系数的计算公式如下：

其中，r_1k为各模态分量与原始信号的相关系数，ε_k(t)为模态分量与原始信号的残差，r_2k为模态残差与原始信号的相关系数，f(t)为原始信号。

所述步骤3中以及步骤2-2，对含有暂态谐波的电力信号f(t)进行VMD分解，具体步骤为：

步骤3-1，设定参数值；设定VMD分解参数包括惩罚因子α和噪声耐受程度τ；

步骤3-2，初始化第一次循环中分解的第K个模态分量，第一次循环中第K个模态分量对应的中心频率和拉格朗日乘法算子；

初始化

和n，其中

表示第一次循环中分解的第k个模态分量，

表示第一次循环中

对应的中心频率，

表示第一次循环中

对应的拉格朗日乘法算子；

步骤3-3，采用乘法算子交替方向法更新第K个模态分量及其对应的中心频率和拉格朗日乘法算子。

乘法算子交替方向法具体如下：

根据式(4)和式(5)更新第K个模态分量u_k和第K个模态分量对应的中心频率ω_k；

其中

为电力信号f(t)的傅里叶变换，α为惩罚因子。

根据式(6)更新拉格朗日乘法算子λ；

其中，τ为噪声耐受程度。

步骤3-4，判断是否满足迭代终止条件即为获得的模态分量是否趋于稳定，若不满足，执行步骤3-3，否则，循环结束输出K个模态分量。

获得的模态分量是否趋于稳定可以具体为：每个模态分量当次循环与上次循环获得的模态分量相比，变化率小于设定的判定精度，可表达如下：

其中，e为给定判定精度。

步骤4中，根据VMD分解得到的多个不同频率分量的时域特征判断是否为稳态或暂态谐波，其中噪声分量可以不考虑。

对暂态谐波对应的模态分量进行奇异值分解定位暂态谐波扰动起止时刻，步骤可以如下：

步骤4-1，构建模态分量u(t)的重构吸引子轨迹矩阵H；

根据式(8)对模态分量u(t)构建重构吸引子轨迹矩阵H：

其中，1<n<N，N为u(t)的总采样点数。

步骤4-2，对重构吸引子轨迹矩阵H进行奇异值分解；

可选的，可以采用公式(9)对重构吸引子轨迹矩阵H进行奇异值分解：

其中，U＝(u₁,u₂,…,u_q)和V＝(v₁,v₂,…,v_q)为正交矩阵，S＝(diag(σ₁,σ₂,…,σ_q),o)^T为对角矩阵，q＝min(N-n,n)，1<n<N，N为x(t)的总采样点数，则σ_i为矩阵A的奇异值。

步骤4-3，通过分解后分量信号的模极大值确定暂态谐波扰动起止时刻信息。

将模态分量u(t)信号分解为多个奇异值分解分量信号，可以具体如下：

令

则有

令s_i＝[u_i(1),u_i(2),…,u_i(n)]，h_i＝[u_i(n+1),u_i(n+2),…,u_i(N)]^T，以上即构造了一个第i层奇异值分解分量信号P_i＝[s_i,h_i]，且原谐波分量信号

奇异值分量信号P_i反映了u(t)的突变信息。

作为进一步的改进，求取暂态谐波各模态分量的瞬时幅值和频率，可以采用Hilbert变换获得各个模态分量的瞬时幅值和频率，对于某一模态分量u(t)的Hilbert变换为：

反变换为

则u(t)与y(t)组成解析信号:

y(t)＝u(t)+jy(t)＝a(t)e^jθ(t)

式中

该模态分量的幅值A和频率F的计算公式为：

作为进一步的改进，便于整体分析，可以对上述获得的各个模态分量的幅值A和频率F的曲线进行处理，可选的可以通过总体最小二乘法拟合确定各个模态分量的瞬时幅值和频率，方法可以具体如下：

通过式(11)和(12)计算瞬时幅值频率会有微小波动，可通过最小二乘拟合进一步确定最终瞬时幅值和频率，方法如下：

在幅值a(t)随时间变化图中，根据最小二乘拟合法得到一条平均直线来近似代替幅值a随时间t变化关系，对区间内平均直线进行均值计算，通过该直线平均值可以预测瞬时幅值A。

在相角θ(t)随时间变化图中，根据最小二乘拟合法得到一条平均直线来近似代替相角θ随时间t变化关系，通过拟合直线斜率可以预测瞬时频率F。

针对上述方法进行了仿真实验，用于说明本实施例方法的效果，具体如下：

本示例中含有暂态谐波的电力信号为：

f(t)＝f₁(t)+f₂(t)+f₃(t)

其中，

电力信号由基波、短时8次谐波和525Hz间谐波构成，并叠加30dB高斯白噪声。暂态起始于0.01s并终止于0.03s。如图3所示，为暂态谐波信号的时域波形。

参照图2，根据皮尔逊相关系数法求得VMD分解的模态分量个数在K＝3时满足循环终止条件，可确定谐波信号的最优模态分解个数为3。

设置K＝3，α＝2000，τ＝0.5，对原始信号进行VMD分解，结果如图4。可知在30dB噪声情况下，VMD方法可将基波和短时8次谐波及525Hz间谐波完全分离，验证了所提方法对暂态谐波信号的精确提取分解能力。

图5为IMF3通过奇异值分解得到的第4层分量信号，可知8次谐波起始时刻为0.0098s，终止时刻为0.0304s，与理论值基本吻合。

表1暂态扰动谐波检测结果

对各模态分量进行Hilbert变换，计算30dB噪声下各分量的谐波幅值和频率，对各模态分量幅值频率值进行最小二乘拟合，最终得到精确的谐波参数检测结果如表1所示。其中幅值平均检测误差为0.275％，频率平均检测误差为0.117％，具有较高的检测精度，验证了所提方法在暂态谐波检测中的有效性，并具备抗噪能力和较好的鲁棒性。

实施例2

本实施例提供了一种新能源柔性直流并网暂态谐波检测系统，包括设置在电网一次侧检测电力信号的电力互感器和谐波检测处理器，所述谐波检测处理器，包括：

信号获取模块：用于获取待检测的柔性直流并网系统的电力信号；

模态数确定模块：用于设定VMD分解参数，采用皮尔逊相关系数法自适应寻找获得VMD模态分解个数；

分解模块：用于根据设定的VMD分解参数和获得的VMD模态分解个数K，对电力信号进行VMD分解，得到K个模态分量；

检测模块：用于根据获得的谐波模态区分稳态谐波和暂态谐波，对暂态谐波对应的模态分量进行奇异值分解定位暂态谐波扰动起止时刻，求取暂态谐波各模态分量的瞬时幅值和频率，即获得暂态谐波信号的扰动时间和幅值频率。

实施例3

本实施例提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1的方法所述的步骤。

实施例4

本实施例提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1的方法所述的步骤。

本公开所提出的电子设备可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(Smart Phone，如Android手机、IOS手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。

应理解，在本公开中，该处理器可以是中央处理单元CPU，该处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本公开所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本公开的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外一点，所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。