论文部分内容阅读
非线性负荷从实际电网中吸收电流,引起母线电压波形畸变,导致母线电压和用户负荷电流中出现谐波分量。非线性负荷产生的谐波对电力系统的污染日益严重,对引起电能质量问题的谐波扰动源进行定向,有助于供电公司查找引起电能质量的责任者。在实际的电力系统中,由于电压电流瞬时值数据量很大,电能质量监测终端不会将大量瞬时值数据上传到数据中心保存。目前布置的电能质量监测系统主要提供电压电流指标的统计值,如IEEE P1159.3/D9标准中提到的数据类型。电压电流的瞬时值仅是根据实际情况有选择地提供几个周波,且不作为实时保存的数据。因此如何根据电能质量统计值数据确定谐波扰动源,是电能质量研究领域的一个热点问题。PQDIF是IEEE标准委员会专门针对电能质量数据特点设计的电能质量数据交换格式,为分析电网电能质量问题以及实现电能质量管理和分析系统提供了一种很好的平台。PQDIF还具有良好的压缩性和较强的数据处理能力等优点。本文首先根据IEEE P1159.3/D9协议,对电能质量数据交换格式PQDIF进行了洋细介绍。其次从数学角度分析,由于利用谐波的统计值进行谐波扰动源定向是典型的非线性映射问题,而BP神经网络具有大学习能力,可以比较轻松地实现非线性映射过程,所以选取BP神经网络算法应用于谐波扰动源定向。在PSCAD中建立电力系统仿真模型,提取出待研究的母线和相关的各条支路的瞬时值数据,根据谐波国标的要求计算待研究的母线和相关的各条支路的谐波指标数据,形成BP神经网络的输入向量,并根据仿真模型的特点确定BP神经网络的目标向量,建立BP神经网络模型进行训练和测试,从而实现基于BP神经网络的谐波扰动源定向。最后根据供电公司电能质量数据分析系统的电能质量数据,应用BP神经网络对PQDIF实际数据进行谐波扰动源定向。