小波包與MUSIC算法相結合的電網(wǎng)諧波檢測方法.pdf

1、隨著科學技術的發(fā)展，工業(yè)生產中對電力系統(tǒng)電能質量的要求越來越高。由于實際電網(wǎng)中使用了大量的電力電子裝備和非線性負載，使得電網(wǎng)中的諧波成分急劇增加，從而對電能質量諧波治理方面提出了極大的挑戰(zhàn)。準確地檢測諧波信號參數(shù)有利于抑制諧波，因此電網(wǎng)諧波檢測一直是電能質量抑制諧波方面研究的重點。實際電網(wǎng)諧波中同時含有諧波和間諧波兩種分量，而如何高精度地檢測兩種分量是目前諧波檢測領域的難點。在過去的幾十年里，經過國內外眾多專家學者的不懈努力研究，各種算

2、法已被引入到諧波檢測領域之中。
　　本文總結了國內外諧波和間諧波檢測方法后，分別分析了傅立葉變換、小波變換、空間譜估計算法的原理。首先基于離散型傅里葉變換和快速傅里葉變換的原理，本文采用快速傅里葉變換檢測電網(wǎng)諧波和間諧波參數(shù)，可知對諧波信號有較好的分辨率，但是在對諧波信號進行截斷檢測的同時會產生頻譜泄漏現(xiàn)象。其次本文分析了以小波變換為基礎的諧波和間諧波檢測方法。雖然小波變換能對諧波信號進行檢測，并且它還可以反映信號時頻特征，但是小

3、波變換會在分解頻域上出現(xiàn)頻譜重疊現(xiàn)象同時在信號重構時運算量很大。在分析了小波變換后，基于空間譜估計原理，采用子空間分解法中多重信號分類(MUSIC, Multiple Signal Classification)算法檢測電網(wǎng)諧波與間諧波參數(shù)。MUSIC算法將電網(wǎng)諧波信號的協(xié)方差矩陣進行特征分解，從而劃分為信號子空間和噪聲子空間，再利用兩子空間的正交特性來估計信號頻譜特性。MUSIC算法對諧波信號的檢測具有分辨率高，并且沒有頻譜泄漏和頻譜

4、重疊等其他算法分析諧波時所出現(xiàn)的現(xiàn)象。但在對信號的檢測過程中，MUSIC算法需對頻譜進行全頻域搜索，導致其運算量大、實時性差。針對MUSIC算法的缺點，本文在MUSIC算法的基礎上結合小波包變換理論形成改進方法。兩種方法的有機結合是利用小波包變換對信號頻域范圍進行劃分，再利用MUSIC算法對各個劃分的頻域進行頻率細化。通過仿真分析，該方法既克服了小波包變換的頻譜重疊現(xiàn)象又縮短了MUSIC算法的運算量，可以更有效地檢測電網(wǎng)諧波和間諧波的參