电力系统谐波检测研究现状及发展趋势

经济的运行，极大地影响了周围的电气环境，成为当前电网的主要公共安全危害之一。因此准确及时地检测出电网中的谐波成为了解决电力电子装置和其他谐波源谐波污染问题的关键。解决谐波问题的首要任务就是准确检测出谐波的成分、幅值、相位等信息[1]。

自上世纪末以来，由于电网中的谐波具有固有的非线性、随机性、分布性、非平稳性和影响因素的复杂性等特征，人们虽然在谐波检测技术方面做了大量的研究，但仍难以准确测量出谐波信息。伴随着电力系统的发展，谐波检测研究也逐步深入，主要出现了基于频域理论和基于时域理论两大理论基础的谐波检测方法。发展初期，主要采用模拟滤波原理检测谐波信息，即频域理论检测方法。该检测方法主要采用结构简单的滤波电路，具有较高的输出阻抗，且检测成本低，易于控制品质因数。但由于电路元件参数对滤波器的中心频率影响较大，当元件参数因外界环境发生变化，就使得检测效果明显变差，难以获得理想的相频和幅频特性，特别是在电网频率发生变化时，检测的误差更大，实时性更差，因此该方法已不再优先选用[2]。随着电力系统谐波检测要求的提高，谐波检测方法也在不断更新中。下面就目前广泛使用的谐波测量方法进行简要介绍。

1 电力系统谐波检测方法的研究现状

■1.1 基于瞬时无功功率的谐波测量方法

上世纪80年代中期，日本学者H.Akagi等人提出了基于时域和非正弦条件下的瞬时无功功率理论和瞬时实功率P、瞬时虚功率Q的概念，然后以此为基础通过计算电网中的瞬时实功率P和瞬时虚功率Q计算出谐波含量的P-Q谐波检测方法。在此基础上，又提出iP和iQ概念，通过计算电网中的瞬时有功电流iP和瞬时无功电流iQ计算谐波电流的iP-iQ谐波电流检测方法。基于瞬时无功功率的谐波检测简单，但在检测单相电路谐波时，需要先将三相电路分解，再重新构造出单相谐波检测电路，检测电路复杂，硬件实现较为困难。

■1.2 基于神经网络的谐波测量

近年来，国内外神经网络（Neural Network，NN）研究飞速发展，也被应用于谐波检测领域，出现了较多的研究文献，并部分应用于实际工程中。基于神经网络的谐波测量方法主要有两种类型：一是基于具有函数逼近功能的多层前馈神经网络提出了基于多层前馈网络的电网谐波检测方法；二是将自适应线性神经网络算法与自适应噪声抵消技术相结合进行谐波检测。

基于神经网络的谐波测量方法具有计算量小、测量精度高、实时性好、抗干扰能力强等特点。与傅里叶变换 (Fourier transform，FT)和小波变换(Wavelet Transformation，WT)相比，神经网络算法对数据流长度敏感度较低、各次谐波的测量精度高，即使外界干扰较强的情况下，也能力利用一些随机模型的信号处理方法，有效地减小信号源中的噪声分量等非有效成分的影响，达到令人满意的测量效果。但是，目前神经网络的构造需要大量的训练样本作为数据支撑，且神经网络构造方法及数据样本的选取的规范性没有统一，导致采用不同数据样本训练出的神经网络的测量精度差别较大。与小波变化一样，神经网络测量方法尚处于初步研究阶段，工程应用时间短，实现技术也不完善、不成熟，特别是在硬件方面，神经网络测量方法的实现仍存在较大的困难，所以在工程中神经网络算法的应用具有很大的局限性。随着近年来人工智能（Artificial intelligence，AI）的迅猛发展，以深度神经网络为代表的神经网络算法再次成为检测领域的研究热点。

■1.3 基于傅里叶变换的谐波测量

目前谐波检测中应用最广泛的算法是基于快速傅里

92 | 电子制作 2018年9月

叶变换（Fast Fourier Transform，FFT）原理构成的，FFT是在离散傅里叶变换（Discrete Fourier Transform，DFT）的基础上发展起来的，它是通过采集多个基波周期内的电流或电压值进行数据处理，从而得到信号中所含有谐波的次数、幅值、相位等信息，再将拟抵消的谐波分量经傅里叶变换得出的误差信号进行傅里叶反变换得到补偿信号。此方法在使用时，不仅方便，而且精度高、功能丰富。但由于其采样时间长、采样数据量较大，且需要经过傅里叶正反两次变换，计算量较大，耗费时间长，导致检测时间长、实时性较差。在采样时，如果采样频率和信号频率不匹配会产生频谱泄露和栅栏效应，从而使频率、幅值、相位等谐波参数测量误差较大，难以满足高精度测量的要求。目前，针对傅里叶变化算法减少频谱泄露的方法主要有三种[3]：

第一种方式是利用加窗插值算法修正快速傅里叶算法。通过加窗可以有效抑制谐波间以及杂波、噪声的干扰，减少频谱泄露，从而可以准确地测量系统中谐波的幅值、相位等参数。

第二种方法是修正理想采样频率。该方法是通过修正信号采样序列，从而得到基本满足理想采样频率下的采样序列，再通过计算得到各次谐波较为精确的幅值、相位信息。该方法不需要新增任何硬件，且计算量小、实时性好，适合用于在线实时测量。

第三种方法是利用数字锁相环(Digital Phase Locked Loop，DPLL)使采样频率与信号频率相匹配。该方法是把系统电压信号的相位和频率与锁相环的输出用数字相位比较器相比较，并根据数字相位比较器的输出控制并改变VCO的频率，进而使被测信号与反馈信号的频率达到同步。DPLL一旦锁定，便可跟踪被测信号的频率，使二者保持同步，然后利用同步信号控制采样频率和加窗函数。该方法具有较好的实时性。

基于傅里叶变换的谐波测量理论经过广泛的研究和多种方法改进，其算法已趋于成熟，检测精度和实时性都有显著的提高，在目前电力系统谐波检测工程中具有较为重要的地位。

■1.4 基于小波变换的谐波测量

傅里叶变换对于稳态信号的谐波测量具有较好的效果，但对于非稳态信号的测量还有一定的局限性，鉴于此，小波变换分析方法应运而生。小波变换分析方法可以针对被测量信号不同的部位采用不同尺度的分析方法，从而得到最佳的时域或频域分析结果。小波变换的谐波测量方法避免了傅里叶变换在时域和频域的局部性问题，可以方便地检测出电网中脉动谐波或迅速变化谐波的含量，为时域非稳态谐波的测量提供的一种新的解决方法。小波变换用于谐波测量时存在窗口能量分散、频率混叠现象等无法避免的问题，特别目前小波基的选取方法缺乏系统性和规范性，想找到窗口能量集中且无频率混叠的最佳小波基非常困难，所以小波变化虽然在非稳态谐波的测量具有一定优势，但其在稳态谐波测量并不比傅里叶变换优秀，目前仍不具备完全代替傅里叶变换的应用条件。

■1.5 现代谱估计方法

为了改善经典谱估计方法性能差、分辨率低的问题，研究人员主要针对参数模型和子空间分解两个方面进行研究，提出了具有频率分辨率高、适应性强、正弦检测能力强的现代谱估计方法，此方法在电力系统谐波检测和简谐波检测中得到了广泛的应用[4]。参数模型谱估计方法在电力系统谐波检测和间谐波检测中得到了大力的推广，主要采用的算法包括自回归(Auto-Regressive Spectral Estima-for，AR)模型谱估计、滑动平均（Moving Average，MA）模型谱估计、自回归滑动平均（Auto-Regressive Moving Average，ARMA）模型谱估计和普罗尼（prony）算法。虽然现代谱估计方法具有较高的精度和频谱分辨率，但其基于大型矩阵运算实现，算法复杂，计算量过大，降低了现场检测的实时性。因此如何简化现代谱估计算法、保障检测算法高效运行成为未来研究的重点。

■1.6 混合算法

经过不断的探索，研究人员综合多种算法的优点设计算法，不仅提高了检测精度，而且避免了单一方法检测存在的缺陷，这种算法称为混合算法[4]。一般情况下需要将被测信号按谐波类型或谐波参数进行分离，然后检测谐波的各项参数，得出测量结果。但由于混合算法集合了多种算法，其算法复杂性高、计算量大，可满足进度要求高但实时性要求低的特殊场合。因此如何简化混合算法、保障算法高效运行也是该算法的研究重点。

2 发展趋势

随着社会和科技的迅速发展，传统用电设备大量增加，新型用电设备不断涌现，不仅是电网污染越来越严重，也对电能质量要求越来越高，因此对谐波检测和治理技术要求也越来越高。综上可知，面对日益复杂的电力系统，任何单一的检测方法都不能得到全面的谐波信息，因此谐波检测的发展趋势主要表现在以下几个方面：

（1）随机条件下的实时谐波检测依然是发展的主流；（2）兼顾实时性的综合化、集成化、智能化的谐波检测算法成为重点研究方向；（下转第95页）

www�ele169�com | 93