随着新能源装机容量和渗透率的增加,电网逐渐呈现出较大等效电网阻抗的弱电网特性,此时常规强电网下设计的并网逆变器比例-积分(PI)参数往往会引起系统谐振等不稳定问题。针对弱电网下如何优化设计并网逆变器PI参数的问题,常规方法往往...随着新能源装机容量和渗透率的增加,电网逐渐呈现出较大等效电网阻抗的弱电网特性,此时常规强电网下设计的并网逆变器比例-积分(PI)参数往往会引起系统谐振等不稳定问题。针对弱电网下如何优化设计并网逆变器PI参数的问题,常规方法往往需要近似处理或反复试凑,而且无法结合多个性能指标进行参数整定。因此,文中基于D分割法得到了弱电网下的并网逆变器同时满足相角裕度、幅值裕度、电流环带宽和短路比等多性能指标下的PI参数稳定域,并通过图形可视化地表现出来,从而快速、准确地获取弱电网下的PI参数,避免了反复试凑。最后,得出了弱电网下的并网逆变器即使将锁相环带宽设置得很低,其PI参数也需要合理进行设计和选取才能使其稳定、高效运行的结论,并基于30 k W实验平台验证了该设计方法和结论的正确性。展开更多
针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting ...针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。展开更多
文摘随着新能源装机容量和渗透率的增加,电网逐渐呈现出较大等效电网阻抗的弱电网特性,此时常规强电网下设计的并网逆变器比例-积分(PI)参数往往会引起系统谐振等不稳定问题。针对弱电网下如何优化设计并网逆变器PI参数的问题,常规方法往往需要近似处理或反复试凑,而且无法结合多个性能指标进行参数整定。因此,文中基于D分割法得到了弱电网下的并网逆变器同时满足相角裕度、幅值裕度、电流环带宽和短路比等多性能指标下的PI参数稳定域,并通过图形可视化地表现出来,从而快速、准确地获取弱电网下的PI参数,避免了反复试凑。最后,得出了弱电网下的并网逆变器即使将锁相环带宽设置得很低,其PI参数也需要合理进行设计和选取才能使其稳定、高效运行的结论,并基于30 k W实验平台验证了该设计方法和结论的正确性。
文摘针对S变换在电能质量扰动检测中存在计算量过大,时频分辨率低,电能质量扰动数据集常具备类别不平衡的问题,提出一种基于改进Kaiser窗快速S变换(modified Kaiser window fast S-transform,FMKST)和轻梯度提升机(light gradient boosting machine,LightGBM)的电能质量扰动识别与分类新方法。首先通过快速傅里叶变换得到采样信号频谱;然后利用迭代循环滤波区间定位算法确定扰动频率区间;再根据扰动频率区间所处频段确定窗宽调节因子并对相应区间进行变换;最后从采样信号的FMKST模时频矩阵中提取特征向量并构建改进LightGBM分类器进行分类。仿真与实验结果表明,提出的方法具有更高的识别准确率与更快的诊断速度,适用于海量电能质量扰动数据的快速识别与分类。
