基于HHT的風(fēng)力發(fā)電系統(tǒng)電壓暫降檢測研究

邊輝 孫屹岱

摘? ?要：風(fēng)力發(fā)電系統(tǒng)輸出具有隨機性、波動性和間歇性等特點，風(fēng)力發(fā)電系統(tǒng)電壓波動較為頻繁，電壓暫降已成為風(fēng)力發(fā)電系統(tǒng)中最常見的電壓波動。針對風(fēng)力發(fā)電系統(tǒng)電壓暫降問題，提出了一種基于Hilbert-Huang變換（HHT）檢測方法，能夠準確、及時地檢測到電壓暫降。為了解決HHT中經(jīng)驗?zāi)B(tài)分解（EMD）過程中的端部效應(yīng)問題，采用了一種自適應(yīng)的改進波形匹配方法對電壓暫降問題進行處理。借助HHT中各固有模態(tài)函數(shù)（IMF）的電壓幅值和頻率兩個參數(shù)反映電壓波動，并通過Matlab仿真驗證了該方法的實用性。

關(guān)鍵詞：Hilbert-Huang變換;風(fēng)電系統(tǒng);電壓暫降;電壓檢測

中圖分類號：TP399? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A

文章編號：1003—6199（2020）02—0046—04

Abstract：In view of the random，fluctuating and intermittent characteristics of the wind power system output，the voltage fluctuation of the wind power system is relatively frequent，and the voltage sag has become the most common voltage fluctuation in the wind power system. Aiming at the problem of voltage sag in wind power generation system，a detection method based on Hilbert-Huang transform （HHT） is proposed，which can accurately and timely detect the voltage sag. In order to solve the end effect problem in the process of empirical mode decomposition（EMD） in HHT，an adaptive and improved waveform matching method is proposed to deal with the voltage sag problem. The voltage amplitude and frequency of each inherent modal function（IMF） in HHT are used to reflect the voltage fluctuation，and the practicality of the method is verified by Matlab simulation.

Key words：Hilbert-Huang transformation;wind power system;voltage sag;voltage detection

充分利用風(fēng)電能源，不僅能創(chuàng)造可觀的經(jīng)濟效益，而且能有效緩解傳統(tǒng)能源短缺帶來的壓力，還可以提供長期有效的能源供應(yīng)[1]。目前，風(fēng)電系統(tǒng)電壓暫降檢測常用的方法主要有平方檢測法[2]、半波均方根檢測法[3]和小波變換檢測法[4]等。這些方法也存在一定的不足。平方檢測法忽略了電壓暫降時的頻移分量[5]，半波均方根檢測法需要采集半周采樣數(shù)據(jù)才能得到結(jié)論，不能保證實時性，且該方法只能用于實時性要求不高的工況條件[6]。小波變換檢測法適用于含有一個、兩個或兩個以上頻率的波信號。但它要求同步信號和載波信號具有相同的相位、相同的頻率和嚴格的分頻。

為了有效地實時檢測風(fēng)電系統(tǒng)電壓暫降的發(fā)生時間和幅度，以便實現(xiàn)實時的補償措施，提高風(fēng)電系統(tǒng)的供電可靠性和電能質(zhì)量。利用改進Hilbert-Huang變換（HHT）方法來檢測風(fēng)力發(fā)電系統(tǒng)中的電壓暫降問題。該方法采用波形匹配法對電壓暫降問題進行處理，從而解決經(jīng)驗?zāi)B(tài)分解（EMD）過程中的端部效應(yīng)，并通過仿真結(jié)果驗證了該方法的實用性。

1? ?Hilbert-Huang變換（HHT）

Hilbert-Huang變換是一種新的信號分析方法。該方法由經(jīng)驗?zāi)B(tài)分解（EMD）和希爾伯特變換組成[7]。通過EMD分解將信號分解為一系列固有模態(tài)函數(shù)（IMF），從而得到局部限制而非全局限制。固有模態(tài)函數(shù)是一個近似于單個頻率分量的信號，這意味著在任何時候都只有一個信號頻率分量[8]。對于HHT的每個固有模函數(shù)，可以得到每個IMF的瞬時譜。

1.1? ?經(jīng)驗?zāi)B(tài)分解（EMD）過程

根據(jù)信號x（t）的最大值和最小值，求出上包絡(luò)線x1（t）和下包絡(luò)線x2（t）的平均值：

然后計算x（t）和μ1 之差為：

如果θ1滿足IMF的兩個條件：（1）超過極值點和零點的點的數(shù)量相同且最多不超過一個;（2）信號與時間軸對稱。θ1是x（t）的第一個IMF分量。如果θ1不滿足IMF的兩個條件，則將θ1作為原始數(shù)據(jù)。重復(fù)上述過程k次，得到θ1k = θ 1（k-1） - μ1k，然后用SD判斷每個篩選結(jié)果是否為IMF分量：

其中，SD可根據(jù)實際要求確定。如果θ1k滿足 SD的要求，則令α1 = θ1k，α1是信號x（t）的第一個IMF分量，將α1與x（t）分離為：

取r1為新的x（t），重復(fù)上述過程，可以得到α2，α3，α4，…，直到rn是單調(diào)的或者|rn|很小，分解的結(jié)果如下：

1.2? ?Hilbert變換

1.3? ?端部效應(yīng)

在經(jīng)驗?zāi)B(tài)分解（EMD）過程中，需要根據(jù)IMF計算過程中的包絡(luò)線來計算信號的局部平均值[9]。通過對信號的局部最大值和局部最小值進行三次樣條插值算法[10]分別得到上、下包絡(luò)線。由于信號的兩個端點不一定能夠滿足插值要求的出界點，所以可能會帶來一定的誤差，這種情況稱為端部效應(yīng)[11]。為了解決經(jīng)驗?zāi)B(tài)分解（EMD）過程中的端部效應(yīng)問題，提出了一種自適應(yīng)的改進波形匹配方法對對電壓暫降問題進行處理。

2? ?自適應(yīng)改進波形匹配方法

在端部效應(yīng)抑制方面，常用的方法有鏡像延拓法、基于神經(jīng)網(wǎng)絡(luò)的延拓法[12]、基于多項式擬合的延拓法[13]等，這些方法在一定程度上抑制了端部效應(yīng)。但它們也有一些問題。為了快速檢測風(fēng)電系統(tǒng)電壓暫降，采用改進波形匹配自適應(yīng)方法對電壓跌落問題進行處理。波形匹配方法的核心是：根據(jù)自然信號的規(guī)律，假定信號的發(fā)展和變化總是遵循一定的規(guī)律。信號在邊界處的發(fā)展趨勢也將反映在內(nèi)部信號中，特別是對于正則性強的信號將更加明顯。為了檢驗連續(xù)波形的真實程度，需要引入波形匹配度[14]的概念來檢驗連續(xù)波形的真實性。

假設(shè)f1（t）和f2（t）是兩個長度都為N的數(shù)據(jù)序列。S1（t，f1（t））和S2（t，f2（t））是f1（t）和f2（t）上的兩個點。根據(jù)以下步驟可以得到f1（t）和f2（t）相對于S1和S2的波形匹配度。

（1）變換f1（t）與S1和S2重合，新波形為f? *1（t）;

（2）根據(jù)公式獲得相對于S1和S2的f1（t）和f2（t）的波形匹配度：

波形匹配方法的具體步驟如下：

步驟1：獲取原信號f（t）的所有極值點Mi，將最大點置于{Mi，max}，最小點置于{Mi，min};

步驟2：第一個最小點為M0，第一個最大點為Mi。M1和f（t）在開始時間之間的距離是sd0。sd0的長度是l;

步驟3：所有Mi，max相對于sd0的波形匹配度均為mdi;

步驟4：mdi的最小波段為sdi，當(dāng)mdi <α·l（α是由匹配精度要求確定的常數(shù)）時，則取mdi作為f（t）左端的波形延拓。否則，按步驟（5）進行處理;

步驟5：直接指定端點的極大值和極小值。將原始信號最左側(cè)推導(dǎo)的兩個相鄰最大點的平均值為左側(cè)的最大值，將原始信號最左側(cè)推導(dǎo)的兩個相鄰最小點的平均值為左側(cè)的最小值。

3? ?仿真分析

現(xiàn)實工況條件下，由于自然環(huán)境對風(fēng)電系統(tǒng)電壓的影響，使得風(fēng)電系統(tǒng)的波動更加復(fù)雜。對風(fēng)電系統(tǒng)電壓波動的電壓暫降進行仿真分析。在非下垂期間，假設(shè)風(fēng)電系統(tǒng)電壓波形始終保持不變（幅值為額定電壓，頻率為50 Hz）。電壓暫降通常是指均方根電壓迅速降到額定電壓的90%至10%，然后迅速恢復(fù)到正常電壓。其典型持續(xù)時間為0.5-30個周期[15]。因此，假設(shè)風(fēng)電系統(tǒng)電壓RMS暫時降低到額定電壓的70%，并且持續(xù)時間為5個周期。則電壓函數(shù)為：

風(fēng)電系統(tǒng)對應(yīng)的電壓暫降波形，如圖1所示。

針對電壓暫降問題，首先將Matlab中的波形匹配數(shù)據(jù)延拓子程序應(yīng)用于原始信號的擴展中，有效地避免了HHT變換過程中的端部效應(yīng)。然后調(diào)用Hilbert-Huang變換程序?qū)B續(xù)信號進行HHT處理，并輸出IMF1的幅值和時間、頻率和時間的關(guān)系曲線。最后，根據(jù)IMF1的幅值和時間、頻率和時間的關(guān)系曲線，得到了風(fēng)電系統(tǒng)發(fā)生電壓暫降時的電壓幅值和電壓頻率，有助于判斷電壓暫降的時間和幅值，HHT仿真結(jié)果如圖2和圖3所示，并對仿真結(jié)果進行了基于端點處理的波形匹配自適應(yīng)。

在仿真中，假設(shè)在0.1-0.2 s后出現(xiàn)電壓暫降，從HHT仿真結(jié)果可以看出，在0.1 s或0.2 s時，電壓僅為額定電壓的0.62倍;在0.1 s或0.2 s附近，瞬時頻率也有很大的變化。最高頻率高達78.64 Hz，最低頻率僅為19.8 Hz。根據(jù)電壓參數(shù)的變化，可以實時、有效地判斷風(fēng)電系統(tǒng)的電壓暫降情況。

如果風(fēng)電系統(tǒng)電壓RMS暫時降至額定電壓的80%，持續(xù)時間為0.5個周期，則電壓函數(shù)為：

對應(yīng)的電壓波形，如圖4所示。

風(fēng)電系統(tǒng)的電壓暫降參數(shù)為：均方根電壓暫降到額定電壓的80%，持續(xù)時間為0.5個周期?；诟倪MHHT的波形匹配自適應(yīng)端點處理后的HHT仿真結(jié)果分別如圖5和圖6所示。

HHT仿真結(jié)果表明，在0.2 s的半周期啟動過程中，風(fēng)電系統(tǒng)電壓發(fā)生變化。在0.2 s時，風(fēng)電系統(tǒng)的最小電壓為額定電壓的0.77倍。在0.2 s時，瞬時頻率也有很大的變化，最高頻率為68.4 Hz，最低頻率僅為32.2 Hz。因此，根據(jù)電壓參數(shù)的變化，可以實時、有效地判斷風(fēng)電系統(tǒng)的電壓暫降情況。

4? ?結(jié)? ?論

將Hilbert-Huang變換方法（HHT）應(yīng)用于風(fēng)電系統(tǒng)電壓暫降的實時精確檢測。為了解決EMD分解時的端點效應(yīng)，采用波形匹配自適應(yīng)數(shù)據(jù)延拓技術(shù)對端點波形進行管理。Matlab實例仿真結(jié)果表明，HHT能夠有效實時地檢測風(fēng)電系統(tǒng)的電壓暫降情況，能夠準確判斷電壓暫降時刻和暫降后的電壓幅度以及電壓暫降持續(xù)時間。風(fēng)電系統(tǒng)輸出電壓受自然環(huán)境影響，輸出電壓波動較大。實際問題比本研究的電壓暫降問題更為復(fù)雜，電壓波動的檢測也更為困難。所采用的檢測方法特別適用于風(fēng)電系統(tǒng)電壓暫降的檢測。為了加強風(fēng)電系統(tǒng)的控制，還需要對其他電壓波動問題進行進一步的研究。

參考文獻

[1]? ? 李海波. MW級雙饋風(fēng)力發(fā)電系統(tǒng)控制策略研究[J]. 電器與能效管理技術(shù)，2018（24）：60-65.

[2]? ? 秦建，王帥，李劍，等. 基于滑動數(shù)據(jù)窗的電壓暫降檢測方法與裝置[J]. 自動化與儀表，2018，33（11）：67-70.

[3]? ? 胡雷，陳湘波，熊魁，等. 基于改進HHT的電能質(zhì)量擾動檢測方法[J]. 電測與儀表，2018，55（21）：105-111.

[4]? ? 管高翔. 利用小波變換定位與辨識短時電壓變動[J]. 電腦與信息技術(shù)，2018，26（03）：29-32.

[5]? ? 張軍，陳兵，張國江，等. 不同電壓暫降臨界持續(xù)時間的檢測[J]. 機械與電子，2018，36（10）：38-43.

[6]? ? 李堃，劉曉波，張明浩，等. 基于蒙特卡洛和虛擬節(jié)點法的電壓暫降正反分析[J]. 電力科學(xué)與工程，2018，34（08）：43-49.

[7]? ? 王震，李志華，邵新添. 基于改進的EMD方法的模擬電路故障診斷研究[J]. 信息技術(shù)，2017（12）：37-40.

[8]? ? 周柏彤，劉增力，朱健晨. 關(guān)于多種模態(tài)分解方法的分離效果的差別探討[J]. 信息技術(shù)，2016（12）：87-92.

[9]? ? 邢昀，榮劍. 常見不同模態(tài)信號分解方法探討[J]. 現(xiàn)代計算機（專業(yè)版），2018（36）：7-11.

[10]? 劉毅，宋余慶，劉哲. 基于有理四次Hermite插值和PSO的EMD包絡(luò)線擬合算法[J]. 電子學(xué)報，2018，46（11）：2761-2767.

[11]? 徐健，張禹，吳飛飛. 基于改進HHT算法的諧波信號分析方法[J]. 電子測量技術(shù)，2018，41（08）：30-34.

[12]? 李緒琴，陳文靜，蘇顯渝. 基于改進經(jīng)驗?zāi)B(tài)分解的三維重建[J]. 四川大學(xué)學(xué)報（自然科學(xué)版），2018，55（01）：111-117.

[13]? 楊波，李世平. 一種基于GEP的EMD端點效應(yīng)抑制方法[J]. 中國測試，2015，41（12）：32-35.

[14]? 王錄雁，王強，魯冬林，等. EMD自適應(yīng)三角波匹配延拓算法[J]. 振動與沖擊，2014，33（04）：94-99.

[15]? 徐健，郭濤. 基于改進HHT與改進S變換相結(jié)合的電能質(zhì)量擾動檢測仿真分析[J]. 自動化技術(shù)與應(yīng)用，2018，37（05）：98-102.