一種微網中電動汽車充電站諧波檢測法的製作方法

2023-09-16 21:24:00 1

專利名稱：一種微網中電動汽車充電站諧波檢測法的製作方法
技術領域：
本發明屬於電氣工程微網技術領域，尤其涉及一種微網中電動汽車充電站諧波檢測法。
背景技術：
隨著石油資源的日益枯竭以及人們對城市空氣汙染的倍 加關注，電動汽車開始受到全世界的青睞，各國政府和工業界均在加大力度支持電動汽車的發展。電動汽車以電代油，能夠實現零排放的優點使其成為解決能源和環境問題的重要手段。我國電動汽車起步較晚，但是發展很快。為了滿足電動汽車的充電需求，國內正在大力推進電動汽車充電站的建設。2010年4月，國家有關部門審查並通過了《電動汽車傳導式充電接口》、《電動汽車充電站通用要求》、《電動汽車電池管理系統與非車載充電機之間的通信協議》、《輕型混合動力電動汽車能量消耗量試驗方法》。本次公布的4項國家標準，對電動汽車充電接口、充電站標準和功能等情況進行了細化和規範。這意味著日後國內生產的電動汽車充電接口將統一化，同時將大大促進目前充電站的有序建設。微網作為分布式電源併網發電規模化應用的有效技術途徑，是一種由微電源、儲能裝置及負荷共同組成的有機系統。其通過有效的協調控制，使主要基於新能源和可再生能源的分布式電源併網所產生的負面問題都在微網內得到解決，減少了分布式電源併網對主電網產生的各種擾動，為電動汽車併網的實現提供了良好的平臺。然而，電動汽車充電機是一種典型的非線性設備，其產生的大量諧波注入微網，不僅會對微網造成汙染，同時也將導致充電機功率因數的降低，而諧波和功率因數過低都會對微網和主電網造成危害。為此，有必要對微網中電動汽車充電站產生的諧波電流進行檢測，分析影響其變化的主要因素。傳統的諧波檢測方法主要有快速傅立葉變換(FFT)以及近些年來被廣泛運用於電能質量檢測的小波變換(WT)等等。對於整數次諧波，FFT能進行精確的檢測，但是對於非整數次諧波，運用FFT方法可能會產生頻譜洩露和柵欄效應。雖然採用加窗和插值等方法可以有效進行改善，但是仍有許多不足之處，因為這些算法都是以降低頻率解析度為代價的。與傅立葉變換相比，小波分析方法則是一種時頻局部化分析方法。但是在小波變換中，經過高通和低通濾波器分解後的各個頻帶之間存在嚴重的混疊現象，因此難以實現各個頻帶的嚴格劃分。不僅如此，在分析諧波信號時，有很多小波基函數可供選擇，小波基的選擇對於信號的分析結果有很大的影響，但是最優基的選擇沒有確切的規律可循，在很大程度上取決於設計者的經驗。HHT (Hilbert-Huang Transform)是 Norden E. Huang 等人於 1998 年提出的一種完全自適應的時頻分析方法，HHT方法由經驗模態分解(Empirical Mode Decomposition,EMD )及Hi Ibert變換(HT )兩部分組成。其核心部分在於對信號進行EMD分解，得到信號的固有模態分量(Intrinsic Mode Function, IMF),然後對IMF分量進行Hilbert變換，從而得到信號的瞬時頻率和瞬時幅值。HHT非常適合於處理非線性、非平穩信號，但是在運用其對信號進行處理的同時也存在不少問題，其中端點效應和頻譜混疊是重要而且難以解決的問題。在對信號進行EMD分解時，當信號的端點處不是極值點會導致信號包絡線擬合的過程中產生誤差，而這個誤差就是產生端點效應問題的原因。不僅如此，在對信號進行Hilbert變換時，信號的端點處也會產生端點效應問題。另外，EMD分解是一個由高頻到低頻的過程，高頻信號總是出現在第一個MF分量中。因此，分解出來的第一個MF分量往往不是單分量信號，包含了較寬的頻率範圍，這就產生了頻譜混疊現象，使得Hilbert變換所得到的瞬時頻率和瞬時幅值失去了原來的物理意義。

發明內容
針對上述背景技術中提到的現有時頻分析方法不能分析非線性、非平穩信號等不足，本發明提出了一種微網中電動汽車充電站諧波檢測法。本發明的技術方案是，一種微網中電動汽車充電站諧波檢測法，其特徵是該方法包括以下步驟
步驟I :運用小波變換的方法對微網中電動汽車充電機的諧波電流進行預處理，將其分解成不同頻率段的信號族S1, S1 = {slt}，t = 1，2，…η ;步驟2 :用自適應分步延拓法對步驟I的信號族S1進行延拓處理，得到信號族S，S
=IsotI ；步驟3 :對頻率信號族S的每個信號進行經驗模態分解，得到每個信號的各個固有模態分量；步驟4 :對所有的固有模態分量進行Hilbert變換，在得到的瞬時頻率信號和瞬時幅值信號中去掉因延拓而增加的信號段，得到最終的信號。所述自適應分步延拓法為a:對S1中的每個頻率信號進行延拓,得到信號族S2, S2 = {s2t}；b:對S2中的每個信號進行延拓，包括，情況一當信號S2t的左端或右端最後一個極值點為極大值點時，以該極大值點為對稱軸進行向左或向右延拓；情況二 當信號S2t的左端或右端最後一個極值點為極小值點時，以該極小值點為對稱軸進行向左或向右延拓；情況三當信號S2t的左端或右端處的函數值大於離該端點最近的第一個極大值或者小於離該端點最近的第一個極小值時，把端點當作延拓的第一個極值點或者作為信號S2t的最後一個極值點，然後以該指定端點為對稱軸進行向左或向右延拓。所述步驟3具體為步驟3. I :通過三次樣條插值法求得頻率信號Stlt的上包絡線和下包絡線，求得其上包絡線和下包絡線的均值；步驟3. 2 :求得頻率信號S(lt與上包絡線和下包絡線的均值的差值，若所述差值滿足指定條件，則所述差值為固有模態分量；否則，用所述差值替換頻率信號Stlt，返回步驟
3.I ；指定條件為若所述差值與前一個差值代入判據SDk後所得的值小於一個指定門限值時，則該差值為固有模態分量；步驟3. 3 :將頻率信號Stlt和步驟3. 2中的固有模態分量的差值記為殘差，若該殘差滿足設定條件，則過程結束；否則，將該殘差替換頻率信號Stlt，返回步驟3. I ；
設定條件為殘差為單調函數或殘差的模值為一常數。本發明所要得到的效果是對電動汽車充電站併網點所產生的諧波電流進行實時的檢測。與其他時頻分析方法相比，本專利所提出的檢測方法不僅適用於分析微網電能質量中的非線性、非平穩信號，而且對於電能質量中的線性、平穩信號的分析比其他時頻分析方法更好地反映了信號的頻率特徵和幅值特徵，具有更明確的物理意義。對於諧波而言，這種時頻分析方法能根據信號自身的特性進行自適應分解，且不存在基函數的選擇問題，從而可以實現微網中諧波的自動提取。與原HHT方法相比，本發明所提出的檢測方法可以有效地抑制原HHT變換過程中所產生的端點效應問題和頻譜混疊問題，從而可以更為有效地對諧波電流的頻率和幅值進行實時的監測，有利於分析影響其變化的主要因素。為今後電動汽車充電站的諧波治理提供理論依據和技術支撐，使得微網中的諧波含量符合國家電能質量相關標準。本發明所提出的諧波檢測方法簡捷易於實現，對微網運行工況適應性強，便於實際工程應用。


圖I為本發明所提出的檢測方法的基本流程圖；圖2為EMD的分解流程圖；圖3為短時間諧波序列波形圖；圖4為信號的包絡線示意圖；圖5為原信號的EMD分解結果；圖5 (a)為IMFl分量；圖5 (b)為IMF2分量；圖
5(C)為IMF3分量；圖6為延拓信號的EMD分解結果；圖6(a)為MFl分量；圖6(b)為MF2分量；圖
6(c)為IMF3分量；圖7為延拓前後信號瞬時頻率對比圖；圖7(a)為延拓前信號的瞬時頻率；圖7(b)為延拓後信號的瞬時頻率；圖8為整數次諧波信號波形圖；圖9為諧波信號的EMD分解結果；圖10為MFl的FFT分析結果；圖11為經過小波變換預處理後得到的EMD分解結果；圖11 (a)為MFl分量；圖11(b)為MF2分量；圖12為運用本發明所提出的檢測方法所得到的瞬時頻率和瞬時幅值；圖12(a)為諧波信號的瞬時頻率；圖12(b)為諧波信號的瞬時幅值；圖13為時變諧波信號波形圖；圖14為時變諧波信號的瞬時幅值和瞬時頻率；圖14(a)為諧波信號的瞬時幅值；圖14(b)為諧波信號的瞬時頻率；圖15為微網中電動汽車充電站的併網示意圖；圖16為高頻充電機的原理圖；圖17為聞頻充電機的電路圖18為充電機的仿真原理圖；圖19為電動汽車充電站的仿真模型；圖20為電動汽車充電站併網點處流過的A相諧波電流波形；圖21為運用本發明所提出的檢測方法所得到的諧波電流的瞬時頻率和瞬時幅值；圖21(a)為諧波電流的瞬時頻率；圖21(b)為諧波電流的瞬時幅值。
具體實施例方式下面結合附圖，對優選實施例作詳細說明。應該強調的是，下述說明僅僅是示例性的，而不是為了限制本發明的範圍及其應用。
對於微網中電動汽車充電站的諧波電流，根據本發明所提出的檢測方法，可以按照圖I的流程進行處理，其具體過程如下所述步驟I :運用小波變換的方法對電動汽車充電機的諧波電流進行預處理，將其分解成不同頻率段的窄帶信號族S1, S1 = {slt}，t = 1，2，…η; (η與小波變換的分解層數有關)，對原信號的頻率進行細化，從而避免頻譜混疊現象的產生；步驟2 :為了改善HHT中的端點效應問題，在此採用自適應分步延拓法對步驟I得到的窄帶信號族S1進行延拓，最後得到信號族S，S = {sot}。諧波電流經過小波變換預處理後成為窄帶信號族S1, S1 = (S1J。由於S1中的每一個窄帶信號的延拓方法都相同，此處設其中一個諧波電流窄帶信號為slt，其數據序列為slt(l)，Slt (2)…，Slt(N)，其中，N為採樣點數。運用自適應分步延拓法對其進行處理的具體過程如下所示首先構造一個如式(I)所示的回歸模型，其中，％為非負的拉格朗日乘子；b為偏置項；k(x, Xi)為核函數；1為訓練樣本數。/(X) = !((Χ,.\) ) + h(I)
i=l在所構造的回歸模型的基礎上對所要延拓的數據序列進行向左和向右延拓。向左、向右延拓方法相同，下面以向右延拓為例進行分析首先確定要延拓的點數m和訓練樣本數I，然後按照一定的規則形成一個訓練樣本集T = {(χ1； Y1), (x2, y2)，···，(X^y1)K其中，Xi = [slt(i), slt(i+1), ···, slt(N-l+i-l)]T, Ji = slt(N_l+i), I 彡 i 彡 I。利用如式(I)所示的回歸模型就可以得到數據序列邊界外的第一個預測值slt (N+1)。
I.Vli (N +1) = Z a,k(x.. X1) + b(2)
i=l式中，X = {Xl, X2-, X1It0再將Slt (N+1)作為原始諧波信號序列新的邊界點，就可得到下一個預測值slt (N+2)，以此類推，根據所要延拓的數據個數就可以得到全部的延拓序列 slt (N+1),…，slt (N+m)。令s2t = {slt ⑴，…，slt (N+m)}。設 S2t 對應的時間序列為It1, V··，tn},則 S2t 可以表示為(S2Jt1), s2t(t2),…，s2t (tn)} ο又設此時該信號有M個極大值和N個極小值，極大值點所對應的時間為TM(i)，函數值為s2tM(i)，I彡i彡M ;極小值所對應的時間為TN(i)，函數值為s2tN(i), I彡i彡N。對S2t繼續進行延拓，由於其端點處的波形和函數值大小情況各不相同，延拓時必須分情況討論。下面仍以向右延拓為例進行分析情況一當信號S2t右端最後一個極值點為極大值點時，即Tm(M) > Tn(N)，以此處極大值點為對稱軸向右延拓Tm(M+j) = 2TM(M)-TM(M-j), s2tM(M+j) = s2tM(M_j)； Tn (N+j) = 2Tm (M) -Tn (N-j+1)，s2tN (N+j) = s2tN (N-j+1)。j為延拓的第j個極值點，I彡j彡k，k為所要延拓的極值點數。情況二 當信號S2t右端最後一個極值點為極小值點時，即Tn(N) > Tm(M)，以此處極小值點為對稱軸向右延拓
TM(M+j) = 2TN(N)-TM(M-j+l), s2tM(M+j) = s2tM(M_j+l)；Tn (N+j) = 2Tn (N) -Tn (N_j)，s2tN (N+j) = s2tN (N_j)。則右端延拓的極大值點所對應的時間為Tm(M+1)，Tm(M+2)，···，TjM+k);極大值點所對應的函數值為s2tM(M+l)，s2tM(M+2)，…，s2tM(M+k)。右端延拓的極小值點所對應的時間為 Tn(N+1)，Tn(N+2)，...，ΤΝ(_ ;極小值點所對應的函數值為 s2tN(N+l)，s2tN(N+2)，...，s2tN (N+k)。情況三當信號s2t右端點處的函數值大於離端點最近的第一個極大值或者小於離端點最近的第一個極小值時，為了使端點落在包絡線的包絡範圍內，就必須對端點進行特殊處理，這時應當把端點當作延拓的第一個極值點或者作為信號的最後一個極值點，然後以其為對稱軸進行其他極值點的延拓，極值點所對應的時間和函數值的推導與前兩種情況類似。向左延拓與向右延拓情況類似，此處不再贅述。在下面敘述中，用Stlt表示Slt經自適應分步延拓法延拓後所得到的信號。步驟3 :對延拓後的信號族S = IstlJ進行EMD分解，得到一系列IMF分量。由於每個信號EMD分解過程相同，在此以第t個信號Stlt的EMD分解過程為例進行說明。提取Stlt諧波信號IMF分量的計算過程如下所示，其算法流程圖如圖2所示。(I)找到信號Stlt (t)的所有極大值點和極小值點，分別用三次樣條插值的方法擬合上包絡線V1U)和下包絡線V2 (t),並求出其平均值IIi1 (t) = [V1 (t)+V2 (t)]/2O(2)求取信號Stlt⑴與Hi1的差值，即Ii1 (t)對於不同的信號，hi(t)可能是一個MF分量，也可能不是。對於分解得到的MF分量，必須滿足以下兩個條件1)其過零點和極值點的數目必須相等或者最多相差一個；2)連接局部極大值所形成的上包絡線和連接局部極小值所形成的下包絡線的平均值在任一點處都為零。當不滿足IMF所需條件時，把h (t)當作原信號，重複上述步驟，即得hn (t) = Ii1 (t) Ii11 (t)式中，mn (t)是Mt)的上、下包絡線的平均值。若hn(t)不是MF分量，則繼續篩選，重複上述方法k次，得到第k次篩選的數據hlk(t)hlk(t) = hi Q5^1) (t)(t)以SDk作為判據，把兩個連續處理結果代入SDk表達式，當SDk小於某一指定門限值時，篩選過程即可結束。
權利要求
1.一種微網中電動汽車充電站諧波檢測法，其特徵是該方法包括以下步驟 步驟I:運用小波變換的方法對微網中電動汽車充電機的諧波電流進行預處理，將其分解成不同頻率段的信號族S1, S1 = {slt}, t = 1，2，…η ; 步驟2 :用自適應分步延拓法對步驟I的信號族S1進行延拓處理，得到信號族S，S =IsotI ； 步驟3 :對頻率信號族S的每個信號進行經驗模態分解，得到每個信號的各個固有模態分量; 步驟4 對所有的固有模態分量進行Hi Ibert變換，在得到的瞬時頻率信號和瞬時幅值信號中去掉因延拓而增加的信號段，得到最終的信號。
2.根據權利要求I所述的一種微網中電動汽車充電站諧波檢測法，其特徵是所述自適應分步延拓法為 a對31中的每個頻率信號進行延拓，得到信號族S2，S2 = {s2t}； b:對&中的每個信號進行延拓，包括， 情況一當信號S2t的左端或右端最後一個極值點為極大值點時，以該極大值點為對稱軸進行向左或向右延拓； 情況二 當信號S2t的左端或右端最後一個極值點為極小值點時，以該極小值點為對稱軸進行向左或向右延拓； 情況三當信號S2t的左端或右端處的函數值大於離該端點最近的第一個極大值或者小於離該端點最近的第一個極小值時，把端點當作延拓的第一個極值點或者作為信號S2t的最後一個極值點，然後以該指定端點為對稱軸進行向左或向右延拓。
3.根據權利要求I所述的一種微網中電動汽車充電站諧波檢測法，其特徵是所述步驟3具體為 步驟3. I :通過三次樣條插值法求得頻率信號Stlt的上包絡線和下包絡線，求得其上包絡線和下包絡線的均值； 步驟3. 2 :求得頻率信號S(lt與上包絡線和下包絡線的均值的差值，若所述差值滿足指定條件，則所述差值為固有模態分量；否則，用所述差值替換頻率信號Stlt，返回步驟3. I ；指定條件為若所述差值與前一個差值代入判據SDk後所得的值小於一個指定門限值時，則該差值為固有模態分量； 步驟3. 3 :將頻率信號Stlt和步驟3. 2中的固有模態分量的差值記為殘差，若該殘差滿足設定條件，則過程結束；否則，將該殘差替換頻率信號Stlt，返回步驟3. I ； 設定條件為殘差為單調函數或殘差的模值為一常數。
全文摘要
本發明公開了電氣工程微網技術領域中的一種微網中電動汽車充電站諧波檢測法。本發明首先對微網中諧波電流進行預處理，將其分解成窄帶頻率信號族S1；然後運用自適應分步延拓法對其進行延拓處理，得到頻率信號族S；進一步對頻率信號族S進行經驗模態分解，得到各個固有模態分量；對固有模態分量進行Hilbert變換，最後得到各分量的瞬時頻率信號和瞬時幅值信號。本發明不僅適用於分析微網電能質量中的非線性、非平穩信號，而且對於微網電能質量中的線性、平穩信號的分析比其他時頻分析方法更好地反映了信號的頻率特徵以及幅值特徵，具有更明確的物理意義。
文檔編號G01R19/00GK102841251SQ20121028922
公開日2012年12月26日 申請日期2012年8月14日 優先權日2012年8月14日
發明者李鵬, 李婉娉, 劉承佳, 張雙樂, 肖湘寧 申請人:華北電力大學