电力谐波检测研究与应用进展

王 炽，方 华

(广西科技大学电子信息与控制工程系，广西柳州 545006)

随着各种非线性、非对称、非平稳的电力电子装置在电力机车、变频装置等方面的了广泛使用，导致电力系统产生大量的谐波，严重影响了电能质量。同时精密制造产业各种微电子装置的广泛使用，也对电力系统电能质量的需求不断提高。电力系统谐波问题涉及面较广，包括谐波检测、谐波分析、谐波源分析、电网谐波潮流计算、谐波抑制、谐波标准以及在谐波情况下各种电气量的测量和分析等。谐波检测是解决其他谐波问题的基础。

1 电力谐波检测方法分类

谐波检测方法是谐波检测的核心环节。谐波测量包括3个步骤:信号预处理、谐波幅值和相位测量、结果再处理。其中信号预处理和结果再处理是辅助算法，为谐波测量服务，以优化测量性能，达到实际应用的目的。谐波测量方法虽在算法设计和现实中占据主导地位，但辅助算法在较大程度上决定了其能否预期执行和装置的可靠性，因此不能忽视对其的设计。

1.1 基于频域理论的模拟滤波检测

早期的谐波测量是采用模拟滤波器实现的。该方法的优点是实现电路简单、造价低、输出阻抗低且品质因素易于控制。但也存在较多不足，突出表现为:(1)实现电路的滤波中心频率对元件参数过于敏感，受外界环境影响较大，难以获得理想的幅频和相频特性。(2)电网频率波动不仅影响检测精度，且检测出的谐波中含有较多的基波分量。(3)当需要检测多次谐波分量时，实现电路复杂，其电路参数设计难度随之增加。(4)运行损耗大，由于频域理论存在上述缺陷，随着电力系统谐波检测要求的提高以及新的谐波检测方法日益成熟，该方法已不再优先选用。

1.2 基于开关函数法的谐波检测

开关函数谐波检测法是分析周波变流电路谐波的有效手段，是将分析的波形表示成一系列已知波形与开关函数乘积和的形式，再将其中的已知波形和开关函数写成三角级数的形式，通过整理化简，从而检测出其中的谐波次数和含量。实际应用过程中，多用晶闸管来实现开关函数的功能，受晶闸管的控制角度和导通参数影响较大，针对动态负载电流电路，难以满足实时性和精度要求。

1.3 基于Fryze功率定义的谐波检测

该方法的原理是将负载电流分解为两个分量:一个分量是与电源电压波形相同的分量，作为有功分量;另一个分量作为广义无功电流。因其实时性较差，检测准确度受电源电压波形畸变影响较大的缺点，目前使用较少。

1.4 基于三相瞬时无功功率的谐波检测

基于三相瞬时无功功率理论的谐波检测法实时性好，既可检测谐波又可补偿无功，在有源电力滤波器中被广泛应用。瞬时无功功率理论突破了以周期为基础的传统功率定义，通过计算系统的瞬时功率值，达到了满足谐波抑制和无功补偿装置快速连续动作的要求。在瞬时无功功率理论的基础上，常见三相电流谐波电流检测方法有 p，q检测法与 ip，iq检测法，p，q检测法可实时地检测出电流当中的高次谐波电流分量，经适当的变换，还可检测系统的无功电流分量，ip，iq检测法能有效分离系统电流中的基波和谐波成分，该检测误差小、实时性强，可满足实际情况需要，为谐波抑制与无功补偿提供了条件。

1.5 基于傅里叶变换的谐波检测

1.6 基于自适应对消原理的谐波检测

目前自适应谐波检测方法研究主要体现在，一是通过计算机软件编程进行仿真研究;二是通过硬件电路来实现。

图1 自适应谐波电流检测原理框图

基于自适应对消原理的谐波检测法其自适应能力强，可较好地跟踪检测且精度较高，但缺点是动态响应较慢［1］。图1是一种改进型自适应谐波电流检测方法的原理图，通过调整积分器的增益较好地解决了上述问题。

1.7 基于小波分析的谐波检测

小波分析是时域分析的重要工具，尤其适合突变信号的分析与处理。其在频域和时域中同时具有局部性，可算出某一特定时间的频率分布并将各种不同频率组成的频谱信号分解成不同频率的信号块。用小波变换的奇异性判断暂态干扰类型，既克服了传统时域方法在检测周期性暂态现象上的困难，又避免了当前基于小波变换检测方法中引入的复杂性问题。

1.8 基于神经网络的谐波检测

神经网络应用于电力系统谐波检测尚属起步阶段，该方法的优点是计算量小、检测精度高、对数据流长度的敏感性低和实时性好［2］。

神经元是组成神经网络的基本单元，具有一定的映射能力、自适应和自学习等功能，故单个神经元可视为最简单的神经网络。通过研究单个神经元的映射关系和学习算法，提出了基于单个神经元的谐波检测方法。所构成的神经元模型为

相应修正权值的公式为

式中，η为学习率，取值过大将影响稳定，过小会使收敛速度变慢，通过加入最后一项惯性项，可使η取值变大。

2 免疫神经网络在谐波检测中的应用

生物免疫系统是一个大规模并行处理的自适应信息处理系统，由免疫器官、免疫组织以及多种淋巴细胞组成，因其具有较强的识别、学习和记忆能力以及分布式、自组织和多样性等特性，相比目前的人工信息处理系统有较多优点，尤其是鲁棒性、自适应和自治性。

抗体多样性是免疫系统的一个重要特性，该多样性可提高遗传算法的全局搜索能力而不致陷于局部解。在免疫调节中，那些与抗原亲和度大且浓度较低的抗体将受到促进，而与抗原亲和度小或浓度较高的抗体将会受到抑制，以此保证抗体的多样性。抗原对应于网络优化的目标函数，抗体对应于神经元个体。依据目标函数决定抗原与抗体的亲和力，依据解的相识程度决定抗体间的亲和力。利用这两种亲和力对解进行评价和选择。

免疫优化算法是模拟生物免疫系统智能行为而提出的仿生算法，是一种确定性和随机性选择相结合并具有勘测与开采能力的启发式随机搜索算法。在电网中，谐波的产生时间和地点具有随机性和多样性的特点。将免疫优化算法与人工神经网络相结合，可得到一种新型的基于免疫神经网络的电网谐波电流检测法，该方法在保持免疫算法免疫功能的基础上，还可提高神经网络的实时性。

免疫神经网络［3］是对神经网络优化设计的一种新尝试，在原有神经网络模型基础上，添加一个“疫苗接种单元”。图2所示为L.Wang、M.Courant提出的一种基于免疫的人工神经网络(Artificial Neural Network based on Immunity，ANNI)模型，其中的免疫单元是用来表达待解决问题的特征信息和先验知识。该模型分为3层，第一层为输入层，由接受输入信号的多个处理单元构成;第二层为信号的处理层，根据输入信号决定处理单元是否处于激活、抑制或非常态以及各状态下信号的处理;第三层为输出层，是根据第二层的结果决定处理单元的输出类型。

免疫神经网络集合了免疫机制和神经网络的信息处理能力，且利用了待解决问题的背后信息和先验知识，因此大幅提高了网络的搜索能力［4］。疫苗单元的加入，使得系统在待检测源信号发生突变时能快速做出反应，从而使信号具有较好的跟踪能力，且在相同的误差精度要求下，基于免疫算法的神经网络的迭代次数要远少于普通神经网络的迭代次数，既节省了训练时间，又提高了检测的实时性，及时为谐波抑制提供了信息，同时网络误差也可快速下降至要求以下［5］。

图2 ANNI模型

3 结束语

在电力谐波检测中，较为成熟的是基于傅里叶变换的谐波检测法，传统的傅里叶变换谐波检测技术需要一定时间的电流值，并进行两次变换，计算量大、计算时间长、检测结果实时性差，且易出现频谱泄露和栅栏现象，因此采用快速傅里叶变换来提高运算速度。随着DSP、FPGA等高速运算芯片的快速发展，基于人工神经网络结合小波变换、遗传算法等智能检测算法的研究日益增多，上述算法可有效提高电力谐波检测的准确性和实时性，为谐波抑制提供基础。未来电力谐波检测的发展趋势为:(1)由确定性的慢时谐波测量转变为随机条件下的快速、暂态谐波跟踪;将谐波检测的实时分析与控制目标相结合，使检测与控制一体化。(2)谐波检测算法向智能化、多功能实用化发展，求解方法从直观的函数解析过渡到精确的分析和信号处理。(3)谐波检测效果向高精度、快速度和可靠性高的方向发展，需研究新的谐波特性辨识方法和数学方法，以满足高精度测量的要求。(4)充分利用现有各种谐波检测方法的优点，提出如小波理论谐波检测方法等新的综合检测法。(5)建立一套能将传统功率理论包括在内且物理意义明确的通用功率理论，并将新理论应用于谐波测量中，使谐波测量在实时性和精度方面取得突破。

［1］舒双焰，丁洪发，段献忠.基于自适应数字滤波的谐波检测［J］.电力自动化设备，2000(6):13-16.

［2］李庆华.基于人工神经网络的电网谐波检测系统设计［J］.电气应用，2008(13):26-28.

［3］魏崴，王攀.层次化神经网络新方法研究［J］.武汉理工大学学报，2003，25(6):23-26.

［4］李圣清，彭玉楼，周有庆.一种改进型自适应谐波电流检测方法的研究［J］.高电压技术，2002，28(12):3-5.

［5］王群，谢品芳，吴宁，等.模拟电路实现的神经元自适应谐波电流检测方法［J］.中国电机工程学报，1999，19(6):42-46.