风力发电并网电压扰动信号的分析与检测

郭 琳，王 萍，王慧慧,3

（1.天津大学电气与自动化工程学院，天津300072；2.国网东营供电公司，东营257091；3.天津城建大学控制与机械工程学院，天津300384）

风力发电并网电压扰动信号的分析与检测

郭 琳1,2，王 萍1，王慧慧1,3

（1.天津大学电气与自动化工程学院，天津300072；2.国网东营供电公司，东营257091；3.天津城建大学控制与机械工程学院，天津300384）

风力发电并网中的暂态电能质量问题严重影响电网的安全稳定运行和用电设备的正常使用，因此深入分析风电并网产生的暂态电能质量问题并且准确检测扰动是非常必要的。首先，分析了风电并网系统引起暂态电压扰动的原因，并建立风电并网系统的仿真模型，得出电压扰动信号的具体类型；然后，基于稀疏分解的思想，分析了具体的暂态电压扰动信号；再针对其特点构造了风电并网电压扰动原子库，减少了信号分解时的计算量，提高了匹配追踪的速度。

风力发电；暂态电压扰动；匹配追踪法；检测识别

引言

能源紧缺和环境污染如今已成为全世界需要面临的严峻问题，风力发电作为发展最快的清洁能源越来越受到发电行业的重视［1］。然而伴随着风力发电在电网中比率的增大，风力并网所带来的电压暂态扰动也日益凸显，它不仅影响到精密仪器的使用，还会对人们的日常用电产生很大的危害，严重的甚至会造成电网瘫痪。故此，对于风电并网引起的电压扰动的检测和分析成为研究风电并网的重要部分。

1 风力发电并网暂态电能质量分析

1.1 风力发电并网暂态电能质量问题成因分析

图1 风电机并网示意Fig.1 Sketch map of wind power grid

从式（1）可以看出，风电机组输出功率波动会引起电网的电压波动，从而可能导致闪变。引起风机输出功率波动的因素有很多，一般情况下，较快风速变化约在0.1 Hz数量级［2］，而人眼察觉的闪变频率范围在0.1～35 Hz，所以风速变化并不是引起电压闪变的主要原因，但会引起风电场注入电网的功率突变，造成短时电压波动。并网风电机组输出功率波动的主要原因是受到塔影效应和偏航误差等因素造成的［3-4］。风电机组连续运行时，转矩在叶轮旋转过程中不稳定，造成输出功率波动，所以风况对电压波动和闪变有直接影响，尤其是平均风速和湍流强度。

并网风电机组启动、停止和发电机的切换等操作也会引起无功功率的大幅度变化，系统中的无功补偿器会向系统提供大量无功功率［5］，但由于通过电容器组投切实现的无功补偿并不平滑，从而引起无功功率的波动。同时，投切电容器也会出现过补偿或者欠补偿情况，引起电压升高或降低。

电压波动和闪变不仅会使用电器发生频闪，给人眼带来不适，也会给接入电网的精密仪器带来不同程度的损害。过大的电压波动还会对电网的安全稳定和经济运行产生极大的危害，严重的甚至会导致电压崩溃，威胁电力系统安全运行［6-7］，所以风电并网的暂态电能质量检测是风力发电亟待解决的问题。

1.2 风力发电并网稳定性分析

建立的风电并网系统模型如图2所示，由50台单机容量2 MW的双馈机组组成100 MW风电场，通过建模仿真，研究并网后的电压稳定性。在保证仿真结果准确性的前提下简化仿真模型，在建模过程中将风场等效为1台100 MW的风电机组。

图2 风电场并网系统仿真模型Fig.2 Simulation model of wind power grid system

由于双馈风电机组对系统的静态稳定性影响相对较小，因此仿真建立在极端情况下，定性分析风电场接入系统对电网暂态电压稳定性的影响。对风电并网系统模型分别对风速变化、风电投切和负载变化进行仿真。当做投切和负载变化实验时，风速输入为恒定风输入。仿真波形如图3所示。

图3（a）为风电场2 s时投入运行、4 s时切除对并网电压的影响，由图可以看出，2 s时风电场投入运行使并网电压发生暂降，并且达到最大波动值，在4 s风电场切除时，暂态电压扰动较小，切除后PCC电压小幅度上升；图3（b）为风速变化对并网电压的影响，其中0～0.6 s为恒定风和随机风的叠加，0.6～0.8 s为恒定风、阵风和随机风的叠加，0.8～1.4 s为恒定风、渐变风和随机风的叠加，1.4～2.0 s为恒定风和随机风的叠加。由图可见，在风速波动时，随着风速的增大且持续时间增长，其对并网点电压影响增大。因此在风速常变化的风电场常对风电机组采用变桨距控制。当风速小于额定风速时，控制风力机组尽可能多地获得风能；当风速超过额定风速时，通过控制桨距角的大小来控制风电机组的吸收功率，使其满足设计限值，减少了其对系统电压的干扰；图3（c）为3 s时系统侧投入大负荷对并网电压的影响，可以看出PCC点电压发生暂降，随后恢复到稳定状态，且稳定后的电压值比稳定前的电压值略低。PCC点的电压暂降也会随着所投入负荷的增大而增大。因此在实际操作中，应尽量避免同时投入大量负荷，以减少对并网点电压的冲击。

图3 不同因素对并网电压影响波形Fig.3 Grid voltage waveforms in differewt conditions

2 基于原子分解的检测方法

原子分解法首先由Mallat和Zhang于1993年提出［8］，近年来被广泛应用于如雷达信号［9］、语音信号［10］等信号处理领域，在信号的建模、特征提取等方面具有很好的效果［11-12］。原子分解法的基本思想是在过完备的原子库中，选取最佳匹配原子对信号线性表示。原子的选择自由度高，可以根据信号特征自适应地选择基展开函数，因此具有很好的灵活性和简洁性。

2.1 暂态电压扰动原子库

设电能质量扰动信号f（t）的采样长度为N，采样频率为fs。

2.1.1 基波原子库

基波分量在待检信号中比重最大，不属于扰动信号，但可以当作一种特殊扰动首先提取出来。因此构造基波原子g1γ1为

式中：ω1为基波原子的角频率；φ1为基波原子的相位；为使的系数。若g1γ1（t）的参数完全匹配f（t）中的基波分量，则可推出基波分量系数K1=〈f（t）,g1γ1（t）〉Aγ1。待检信号为离散信号，故将其参数进行离散化处理，则角频率离散化为；相位离散化为。

2.1.2 短时电压扰动原子库

电压暂升、暂降、中断扰动等短时扰动分量的频率与基波分量相同，只在幅值、相位与基波不同，因此可以构造原子g2γ2为

式中：φ2为扰动信号原子的相位；ts2为扰动信号的起始时刻；te2为扰动信号的结束时刻；为使的系数；u（t）单位为阶跃函数。若g2γ2（t）的参数完全匹配初始残余分量p（t）中的短时电压扰动信号，则可推出扰动分量系数为K2=〈p（t）,g2γ1（t）〉Aγ2。待分析的电能质量扰动信号为离散信号，故将其参数进行离散化处理。相位离散化为，起始时刻ts2和结束时刻 te2离散为0≤ns2＜ne2≤N-1。

2.1.3 电压闪变原子库

提取基波分量后的周期性电压闪变信号f（t），调幅信号表示为

可构造原子g3γ3为

式中：ω3为闪变原子的角频率；φ3为扰动闪变原子的相位；ts3为闪变信号的起始时间；te3为闪变信号的结束时间；Aγ3为使的系数。若g3γ3（t）的参数完全匹配初始残余分量p（t）中的短时电压扰动信号，则可推出扰动分量系数为K3=〈p（t）,g3γ3（t）〉Aγ3。待分析的电能质量扰动信号为离散信号，故将其参数进行离散化处理。由于闪变信号的察觉频率为0.1～35 Hz，故将角频率可离散化为，相位离散化为，s∈［0，N-1］∈Z，起始时刻ts2和结束时刻te2离散为0≤ns3＜ne3≤N-1。

2.2 匹配追踪法

匹配追踪MP（matching pursuit）算法是一种在小波变化基础上提出的得到信号的原子分解结果方法［13］。MP算法首先在原子库中选取与信号最匹配的原子，使信号在原子向量上的投影最大；再对剩余分量按照同样的思想进行分解，找到最佳匹配的原子，直到剩余分量足够小或得到的前N个原子的组合可以表示原始信号为止。

设待分析信号f∈H，H为有限维Hilbert空间，D为过完备原子库，则任何信号都可分解为

2.3 基于PSO优化算法追踪流程

PSO是一种模拟鸟群捕食行为来达到优化问题求解的算法。匹配追踪算法寻找最佳匹配原子实际上是一个求解最优值问题，因此可以利用粒子群优化算法PSO（portide swarm optimization）［14］对其进行优化求解，既能保证搜索最优原子的可靠性，又可以大大地减少计算量。因此可以将信号或信号残差与原子内积的绝对值作为PSO优化的适应度函数，每个原子看作一个待寻优的粒子，包含5个参变量（A，f，φ，ts，te），分别对应信号的幅值、频率、相位、开始时刻与终止时刻［15］。粒子群优化算法寻优的匹配追踪算法流程如下。

（1）确定待分析信号中需搜索参数。根据相关原子库，初始化参数种群和粒子速度，定义粒子空间并设置等式和不等式约束的界限。

（2）将原子与信号或残余信号做内积，并将其绝对值作为适应度函数。

（3）确定当前种群所有粒子的位置并生成原子。通过适应度函数确定适应度值，比较粒子现有适应度与个体最佳位置和适应度值，若适应度高于初始位置粒子的适应度，则更新个体最佳数据；搜索粒子的全局最佳位置和适应度值，更新全局最佳数据，并更新粒子的速度和位置，生成新的种群。

（4）根据寻优条件判断迭代是否可以结束。若可以，得出寻优结果；若不可以，返回第（3）步。

（5）将得到的最佳参数离散化，并根据扰动原子库对电压扰动信号匹配追踪，得到最佳匹配参数。

3 仿真分析

用Matlab进行仿真验证，采样频率为6 400 Hz，采样时间长度为0.35 s，每周波采样128点，基波频率为50 Hz。

3.1 短时电压波动扰动信号

设短时电压波动扰动信号f1（t）为

式（7）为电压暂降模型，且暂降幅度为0.2 V，持续时间为0.08～0.131 1 s。根据检测过程，提取出基波分量和电压波动扰动信号，如图4所示。共相关参数如表1所示。

表1 基波分量与暂降分量相关参数Tab.1 Parameters of fundamental and dips components

由仿真结果看出，在提取基波后，通过1次优化匹配追踪算法可提取出电压扰动信号，提取的基波分量和电压扰动信号的频率、持续时间和起止时刻与初设值相同，幅值误差在可接受范围内。

3.2 电压闪变信号

设电压闪变信号f2（t）为

10 Hz的电压闪变信号持续时间为0.057 2～0.301 7 s，20 Hz的电压闪变信号持续时间为0.071 4～0.291 3 s。根据检测过程，提取基波分量和电压闪变信号，如图5所示。其相关参数如表2所示。

图5 闪变信号的检测Fig.5 Detection of flicks

表2 基波分量与闪变分量相关参数Tab.2 Parameters of fundomental and flicks components

10 Hz闪变所占比例比20 Hz闪变分量大，故在进行匹配追踪时，先提取的是10 Hz的闪变分量，再对20 Hz的闪变分量进行提取。通过2次匹配追踪算法，提取出2个电压闪变分量。由仿真结果可看出，基于原子分解法提取的基波分量和电压闪变分量的频率、起止时间和持续时间与初设值相同，幅值误差很小。

4 结语

本文首先分析了风力发电并网引发的暂态电能质量问题，通过分析可知风机输出功率波动、风电场电力电子设备的介入以及与电网之间的功率传输是引发风场并网暂态电能质量问题的主要原因；然后对其造成的短时电压扰动和闪变扰动采用原子分解法进行检测，并建立了基波和扰动信号的特性原子库，采用匹配追踪算法进行检测。并通过Matlab进行仿真验证。仿真结果表明基于风电并网暂态扰动特征原子库的匹配追踪算法能够快速准确地检测到扰动信号。

［1］匡洪海，张曙云，曾丽琼，等.STATCOM-PSS控制对风电并网系统稳定性和电能质量的改善［J］.电源学报，2015，13（3）：100-106. Kuang Honghai,Zhang Shuyun,Zeng Liqiong，et al.Stability and power quality improvement of wind power integrated system using STATCOM-PSS［J］.Journal of Power Supply, 2015，13（3）：100-106（in Chinese）.

［2］Grünbaum R.SVC Light:A Powerful Means for Dynamic Voltage and Power Quality Control in Industry and Distribution［C］.Power Electrics and Variable Speed Drives,2000: 404-409.

［3］Thiringer T.Power quality measurements performed on a low-voltage grid equipped with two wind turbines［J］.IEEE Trans.on Energy Conversion,1996,11（3）：601-606.

［4］Gardner P.Flicker from wind farms BWEA/SERC RAL workshop on wind energy penetration into weak electricity network［J］.Rutherford:UK.1993:27-37.

［5］Santos M D,Arnaltes S,Rodriguez A J L.Reactive power capability of doubly fed asynchronous generators［J］.Electric Power Systems Research,2008,78（11）:1837-1840.

［6］Kunder P.Power System Stability and Control［M］.McGraw-Hill,Inc.,1994.

［7］周双喜,朱凌志,郭锡玖,王小海.电力系统电压稳定性及其控制［M］.北京:中国电力出版社,2004.

［8］Mallat S,Zhang Z.Matching pursuits with time frequency dictionaries［J］.IEEE Trans on Signal Processing,1993,41（12）:3397-3415.

［9］朱明，普运伟，金炜东，等.基于时频原子方法的雷达辐射源信号特征提取［J］.电波科学学报,2007,22（3）:458-462.Zhu Ming,Pu Yunwei,Jin Weidong,et al.Feature extraction of radar emitter signals based on time of frequency atoms［J］.Chinese Journal of Radio Science,2007,22（3）: 458-462（in Chinese）.

［10］武明勤，于凤芹.基于Chirp原子分解的语音信号时频结构分析［J］.江南大学学报:自然科学版,2006,5（6）:59-61,66. Wu Mingqin,Yu Fengqin.A time frequency analysis method for speech signal based on Chirp atoms decomposition［J］. Journal of Jiangnan University:Natural Science Edition, 2006,5（6）:59-61,66（in Chinese）.

［11］王宁，李林川，贾清泉，等.应用原子分解的电能质量扰动信号分类方法［J］.中国电机工程学报，2011,31（4）:51-58. Wang Ning,Li Linchuan,Jia Qingquan,et al.Classification of power quality disturbance signals using atomic decomposition method［J］.Proceedings of the CSEE,2011,31（4）: 51-58（in Chinese）.

［12］李勋，龚庆武，贾晶晶，等.基于原子稀疏分解的低频振荡模态参数辨识方法［J］.电工技术学报,2012,27（9）: 124-133. Li Xun,Gong Qingwu,Jia Jingjing,et al.Atomic sparse decomposition based identification method for low-frequency oscillation modal parameters［J］.Transactions of China Electrotechnical Society,2012,27（9）:124-133（in Chinese）.

［13］McClure M R,Carin L.Matching pursuits with a wavebased dictionary［J］.IEEE Trans on Signal Processing,1997,5（2）:2912-2927.

［14］Kennedy J,Eberhart R,Shi Y H.Swarm intelligence［M］. San Francisco,Cal,USA:Morgan Kaufmann Publishers, 2001:287-318.

［15］张英杰，龚庆武，李勋，等.基于PSO的原子分解法在间谐波分析中的应用［J］.电力系统保护与控制，2013,41（15）:41-48. Zhang Yingjie,Gong Qinwu,Li Xun,et al.Application of atomic decomposition based on PSO in inter-harmonics analysis［J］.Power System Proteation and Contrd,2013,41（15）：41-48（in Chinese）.

郭琳

陈乐柱

作者简介：

陈乐柱（1964－），男，通信作者，硕士，教授，研究方向：电能质量,E-mail：chenlezhu＠163.com。

杜荣权（1988－），男，硕士研究生，研究方向：电力传动与变频调速，电能质量等，E-mail：duke＿555＠163.com。

穆瑜（1990－），女，硕士研究生，研究方向：无功补偿和变频调速,E-mail：my29 256246＠126.com。

Analysis and Detection of Transient Power Quality of Wind Power Grid

GUO Lin1，2,WANG Ping1,WANG Huihui1，3
（1.School of Electrical and Automation Engineering,Tianjin University,Tianjin 300072,China;2.State Grid Dongying Power Supply Company,Dongying 257091,China;3.School of Control and Mechanical Engineering,Tianjin Chengjian University,Tianjin 300384,China）

The transient power quality problems of wind power grid affect the safety and stable operation of the power system and electrical equipment.Therefore,it is necessary to analysis on wind power transient power quality problems depth and detect the disturbance accurately.Firstly,the paper introduced the reasons for transient voltage fluctuation regarding to integration of wind power.Then,the paper introduced different types of the disturbance signal from the transient voltage fluctuation.To be more specific,according to sparse decomposition framework,this method is used to increase the matching speed:analyzing the disturbance signal from the transient voltage fluctuation.It can not only increase the accuracy of disturbance signal assortment,but alsoi achieve transient disturbance location and parametric estimates.

wind-generated electricity;transient voltage fluctuation;matching pursuit method;monitoring and identify

郭琳（1990-），女，硕士研究生，研究方向：电能质量检测，E-mail：glguolin@ 126.com。

王萍（1959-），女，通信作者，教授，博士生导师，研究方向：电力电子变换技术。E-mail：pingw@tju.edu.cn。

王慧慧（1986-），女，讲师，博士研究生，研究方向：电能质量分析，E-mail：wh h@tcu.edu.cn。

10.13234/j.issn.2095-2805.2015.5.15

：TM 712

：A

2015-04-28

高等学校博士学科点专项科研基金资助项目（201 20032110070）

Project Supported by Specialized Research Fund for the Doctoral Program of Higher Education of China（20120032110070）

该方法不仅对扰动信号准确分类，并且同时实现了扰动信号的定位和参数估计，辨识方法简单有效，精度较高。