谐波的产生_电力谐波分析_谐波分析法(6)

从整体上讲，负荷模型的精确度成为整个电力系统仿真计算中提高精度的瓶颈，使得其他元件模型的精确性难以发挥其应有的作用。从而降低了系统仿真的可信度，且会造成过于悲观或乐观的分析结果，给电力系统的生产和发展带来巨大损失。例如，若负荷模型不准确导致乐观的分析结果，会导致在规划设计系统结构、反事故措施等方面投入资金不足，进而产生不合理的系统规划方案，给以后的系统运行造成不便，使系统运行于危险的临界状态或疏于防范而造成事故；再如负荷特性描述的不准确产生悲观的分析结果，则会在规划设计方面因不必要的加强系统结构和反事故措施投入过多的资金，造成浪费，在运行方面采取过分保守的策略而限制了功率传61绪论输极限，使设备得不到充分的利用。可是由于负荷本身的复杂性和多样性，建立精确的复合模型存在相当大的困难。随着电力系统分析不断向广度和深度的发展，负荷模型越来越重要。为了使系统分析结果更加的可信，使系统分析真正起到定量的作用，为电力系统规划、运行和控制提供准确的依据，必须建立切合实际的负荷模型。1．3课题的研究现状1．3．1谐波分析的研究动态自从谐波问题引起广泛关注以来，谐波分析算法一直是电能质量领域备受关注的焦点问题之一，大量分析算法被讨论并应用于电力系统谐波分析中【17圳】，以下列出了几种常见的算法，简单介绍了其优缺点。

1 快速傅立叶变换法 FFT谐波分析的基础是傅里叶分析，傅里叶分析的实质是把信号看成是一系列加权的基本信号的线性组合，用对这些基本信号的分析代替原来的信号分析。对于连续周期函数，基本信号就是各个频率对基频成整倍数的正弦函数，这种线性组合即傅罩叶级数，其权函数即傅里叶系数。对于连续非周期函数，这种线性组合表现为一个积分，其中基本信号的频率做连续变化，这就是傅里叶变换。在处理离散序列时，常使用傅里叶变换 DFT 和快速傅里叶变换 FFT 算法。卉叮算法将信号从时域转换到频域，它能较好的刻画信号的频域特性，但不能将时、频有机地结合，表示在同一个时——频相关的平面上。使用傅里叶变换时，必须满足采样定理，且待分析的信号必须是随时间周期变化的稳念信号。因电力系统频率并不是始终为额定工频，故该算法存在栅栏效应和频谱泄露现象。傅里叶分析在时域的分辨率是不变的，因此不足以在任意小的时域范围内描述或确定频率07，18，19lO2 短时傅立叶变换法 STFT短时傅里叶变换 STFT 又称为加窗傅里叶变换，它的提出使傅里叶变换有了时域分析的能力，它把非平稳信号看成是一系列短时平稳信号的叠加，而短时性通过时域上加窗来得到。

它在一定程度上克服了标准傅里叶变换不具有局部分析能力缺陷，但本身也存在不能改变窗口大小的不足。即该算法只含有单一的分辨率，要改变分辨率必须重新选择窗函数。该算法可用于平稳信号分析，但不适合在信号波形变化剧烈的时段内要求高时间分辨率，波形变化比较平缓的时段内要求高分辨率的非平稳信掣20'2¨。7北京交通大学硕论文3 小波变换法小波变换是一种时频窗口面积大小固定不变但其形状可以改变 时间窗和频率窗都可以改变 的时频局部化分析方法。在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，其窗函数具有自适应性。小波变换是一种多尺度分析，对时间序列过程从粗到细加以分析，既显示过程变化的全貌，又剖析局部变化特征，多分辨率分析思想将信号分解成低频和高频部分，并对低频更进一步分解。小波包分析将信号分解到各个频段，既对低频进行进一步分解，也对高频进行下一层分解。对于非平稳时间序列，小波分析有着良好的时频域分析能力。其不足之处在于高频段分辨率低，且只能得到频谱信息，不适用于含有很多谐波分量的情形【22’23'241。4 人工神经网络法 ANN人工神经网络是由大量处理单元互连而成的网络，是对人脑的抽象、简化和模拟，反映人脑的基本特性，其功能是实现输入输出间的关系。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-29327-6.html