電網諧波的產生及諧波干擾其檢測方法分析

　　計算出瞬時有功電流ip和無功電流iq，再經過低通濾波器得到ip，iq的直流分量，進而可以計算出三相基波電流，最后將基波分量與被檢測電流相減即得到相應的諧波電流iah，ibh，ich。定義式中用到的sinωt，cosωt是與相電壓ea同相位的正余弦信號，由圖中鎖相環和信號發生電路得到。

　　此外，另一種改進的基于同步旋轉坐標變換的d-q法也可以在電網電壓不對稱、波形畸變的情況下精確地檢測出諧波電流。基于瞬時無功功率理論的檢測方法原理簡單，動態響應速度快，延時小，具有較好的實時性，既能檢測諧波又能補償無功功率。而且，在此基礎上又提出了廣義的瞬時無功功率理論并進人工程應用。目前，基于瞬時無功功率理論的檢測方法已成為總諧波實時檢測的主要方法，也是有源電力濾波器中應用最廣的一種諧波檢測方法。

　　3．3 基于小波變換的檢測方法

　　作為調和分析的工作結晶，小波分析正成為近年來研究的熱門領域，廣泛應用于信號處理、語音識別與合成、機器視覺、機械故障診斷與監控等科技領域，它可以用來替換傳統使用傅里葉分析的地方，在時域和頻域同時具有良好的局部化性質，克服了傅里葉變換在非穩態信號分析方面的缺點，尤其適合突變信號的分析與處理。由于小波分析能計算出某一特定時間的頻率分布并把各種不同頻率組成的頻譜信號分解為不同頻率的信號塊，因此可以通過小波變換來較準確地求出基波電流，最終得到諧波分量。當前小波分析在諧波檢測中的應用研究成果主要有：

　　(1)基于小波變換的多分辨分析。把信號分解成不同的頻率塊，低頻段上的結果看成基波分量，高頻段為各次諧波，利用軟件檢測、跟蹤諧波變化。

　　(2)將小波變換和最小二乘法相結合來代替基于卡爾曼濾波的時變諧波跟蹤方法，它將各次諧波的時變幅值投影到正交小波基張成的子空間，然后利用最小二乘法估計其小波系數，將時變諧波的幅值估計問題轉換成常系數估計問題，以達到較快的跟蹤速度。

　　(3)利用小波變換的小波包具有將頻率空間進一步細分的特性，以及電力系統中產生的高次諧波投影到不同的尺度上，會明顯地表現出高頻、奇異高次諧波信號的特性進行諧波分析。

　　(4)通過對含有諧波信號進行正交小波分解，分析原信號的各個尺度的分解結果，達到檢測各種諧波分量的目的，從而具有快速的跟蹤速度。

　　小波變換的理論和應用研究時間還不長，在諧波測量方面仍然存在著諸多不完善的地方，在實際現場中的應用尚有待進一步研究。

　　3．4 基于神經網絡的檢測方法

　　人工神經網絡技術自從面世后發展非常迅速，并且隨著神經網絡的發展，在電力系統中的應用也日益深入，如負荷預測、優化調度、諧波檢測與預測等，并在工程應用上取得一些較好成效。基于神經網絡的檢測方法主要涉及模型的構建、樣本的確定和算法的選擇，利用神經網絡實現諧波和無功電流的檢測對周期性及非周期性電流都具有良好的快速跟蹤能力，對高頻隨機干擾也有較好的識別能力。

　　和傅里葉變換、小波變換相比，基于神經網絡的檢測方法對數據流長度的敏感性較低，而檢測精度較高，對各次諧波的檢測精度一般不低于這兩種變換，能得到較滿意結果。另外，基于神經網絡的檢測方法實時性強，可以同時實時檢測任意整數次諧波；而且可以使用隨機模型的處理方法對信號源中的非有效成份當作噪聲處理, 克服噪聲等非有效成份的影響，抗干擾性好。

　　以上幾種主要的諧波檢測方法中，基于瞬時無功功率理論的檢測方法即能檢測諧波又能檢測無功功率，而且在電網電壓對稱沒有畸變時，檢測基波正序無功分量、不對稱分量及高次諧波分量的實現電路簡單，實時性好，廣泛用于有源電力濾波器中的諧波檢測，但這種方法是基于三相電路提出來的，不適用于單相電路。小波變換和神經網絡都是近年來發展起來的諧波檢測方法，研究和應用時間都很短，在實現的技術方面還需要不斷完善，如基于神經網絡的檢測方法在神經網絡的構造和樣本訓練上還沒有找到規范通用的方法，但這并不阻礙它們的發展潛力，而且可以將小波變換和神經網絡結合起來對諧波進行分析，隨著研究的深入開展，這些新型的諧波檢測方法也將會得到廣泛的實際應用。

　　4 結 語

　　隨著電力系統的復雜化以及對電能質量要求的日益提高，對諧波問題的研究也必將不斷深入，尋找到更為有效可行的諧波檢測方法及其實現技術則成為諧波治理的關鍵，而隨著可編程邏輯器件、微處理器、DSP等器件的發展和廣泛應用，也為小波變換、神經網絡等新型諧波檢測方法的工程應用研究帶來契機，相信電網諧波檢測技術也將不斷完善，逐步實現高速度、高精度、智能化，為諧波分析提供實時準確的數據，提高供電質量。