专利名称：一种微网中电动汽车充电站谐波检测法的制作方法
技术领域：
本发明属于电气工程微网技术领域，尤其涉及一种微网中电动汽车充电站谐波检测法。
背景技术：
随着石油资源的日益枯竭以及人们对城市空气污染的倍 加关注，电动汽车开始受到全世界的青睐，各国政府和工业界均在加大力度支持电动汽车的发展。电动汽车以电代油，能够实现零排放的优点使其成为解决能源和环境问题的重要手段。我国电动汽车起步较晚，但是发展很快。为了满足电动汽车的充电需求，国内正在大力推进电动汽车充电站的建设。2010年4月，国家有关部门审查并通过了《电动汽车传导式充电接口》、《电动汽车充电站通用要求》、《电动汽车电池管理系统与非车载充电机之间的通信协议》、《轻型混合动力电动汽车能量消耗量试验方法》。本次公布的4项国家标准，对电动汽车充电接口、充电站标准和功能等情况进行了细化和规范。这意味着日后国内生产的电动汽车充电接口将统一化，同时将大大促进目前充电站的有序建设。微网作为分布式电源并网发电规模化应用的有效技术途径，是一种由微电源、储能装置及负荷共同组成的有机系统。其通过有效的协调控制，使主要基于新能源和可再生能源的分布式电源并网所产生的负面问题都在微网内得到解决，减少了分布式电源并网对主电网产生的各种扰动，为电动汽车并网的实现提供了良好的平台。然而，电动汽车充电机是一种典型的非线性设备，其产生的大量谐波注入微网，不仅会对微网造成污染，同时也将导致充电机功率因数的降低，而谐波和功率因数过低都会对微网和主电网造成危害。为此，有必要对微网中电动汽车充电站产生的谐波电流进行检测，分析影响其变化的主要因素。传统的谐波检测方法主要有快速傅里叶变换(FFT)以及近些年来被广泛运用于电能质量检测的小波变换(WT)等等。对于整数次谐波，FFT能进行精确的检测，但是对于非整数次谐波，运用FFT方法可能会产生频谱泄露和栅栏效应。虽然采用加窗和插值等方法可以有效进行改善，但是仍有许多不足之处，因为这些算法都是以降低频率分辨率为代价的。与傅里叶变换相比，小波分析方法则是一种时频局部化分析方法。但是在小波变换中，经过高通和低通滤波器分解后的各个频带之间存在严重的混叠现象，因此难以实现各个频带的严格划分。不仅如此，在分析谐波信号时，有很多小波基函数可供选择，小波基的选择对于信号的分析结果有很大的影响，但是最优基的选择没有确切的规律可循，在很大程度上取决于设计者的经验。HHT (Hilbert-Huang Transform)是 Norden E. Huang 等人于 1998 年提出的一种完全自适应的时频分析方法，HHT方法由经验模态分解(Empirical Mode Decomposition,EMD )及Hi Ibert变换(HT )两部分组成。其核心部分在于对信号进行EMD分解，得到信号的固有模态分量(Intrinsic Mode Function, IMF),然后对IMF分量进行Hilbert变换，从而得到信号的瞬时频率和瞬时幅值。HHT非常适合于处理非线性、非平稳信号，但是在运用其对信号进行处理的同时也存在不少问题，其中端点效应和频谱混叠是重要而且难以解决的问题。在对信号进行EMD分解时，当信号的端点处不是极值点会导致信号包络线拟合的过程中产生误差，而这个误差就是产生端点效应问题的原因。不仅如此，在对信号进行Hilbert变换时，信号的端点处也会产生端点效应问题。另外，EMD分解是一个由高频到低频的过程，高频信号总是出现在第一个MF分量中。因此，分解出来的第一个MF分量往往不是单分量信号，包含了较宽的频率范围，这就产生了频谱混叠现象，使得Hilbert变换所得到的瞬时频率和瞬时幅值失去了原来的物理意义。
发明内容
针对上述背景技术中提到的现有时频分析方法不能分析非线性、非平稳信号等不足，本发明提出了一种微网中电动汽车充电站谐波检测法。本发明的技术方案是，一种微网中电动汽车充电站谐波检测法，其特征是该方法包括以下步骤
步骤I :运用小波变换的方法对微网中电动汽车充电机的谐波电流进行预处理，将其分解成不同频率段的信号族S1, S1 = {slt}，t = 1，2，…η ;步骤2 :用自适应分步延拓法对步骤I的信号族S1进行延拓处理，得到信号族S，S
=IsotI ；步骤3 :对频率信号族S的每个信号进行经验模态分解，得到每个信号的各个固有模态分量；步骤4 :对所有的固有模态分量进行Hilbert变换，在得到的瞬时频率信号和瞬时幅值信号中去掉因延拓而增加的信号段，得到最终的信号。所述自适应分步延拓法为a:对S1中的每个频率信号进行延拓,得到信号族S2, S2 = {s2t}；b:对S2中的每个信号进行延拓，包括，情况一当信号S2t的左端或右端最后一个极值点为极大值点时，以该极大值点为对称轴进行向左或向右延拓；情况二 当信号S2t的左端或右端最后一个极值点为极小值点时，以该极小值点为对称轴进行向左或向右延拓；情况三当信号S2t的左端或右端处的函数值大于离该端点最近的第一个极大值或者小于离该端点最近的第一个极小值时，把端点当作延拓的第一个极值点或者作为信号S2t的最后一个极值点，然后以该指定端点为对称轴进行向左或向右延拓。所述步骤3具体为步骤3. I :通过三次样条插值法求得频率信号Stlt的上包络线和下包络线，求得其上包络线和下包络线的均值；步骤3. 2 :求得频率信号S(lt与上包络线和下包络线的均值的差值，若所述差值满足指定条件，则所述差值为固有模态分量；否则，用所述差值替换频率信号Stlt，返回步骤
3.I ；指定条件为若所述差值与前一个差值代入判据SDk后所得的值小于一个指定门限值时，则该差值为固有模态分量；步骤3. 3 :将频率信号Stlt和步骤3. 2中的固有模态分量的差值记为残差，若该残差满足设定条件，则过程结束；否则，将该残差替换频率信号Stlt，返回步骤3. I ；
设定条件为残差为单调函数或残差的模值为一常数。本发明所要得到的效果是对电动汽车充电站并网点所产生的谐波电流进行实时的检测。与其他时频分析方法相比，本专利所提出的检测方法不仅适用于分析微网电能质量中的非线性、非平稳信号，而且对于电能质量中的线性、平稳信号的分析比其他时频分析方法更好地反映了信号的频率特征和幅值特征，具有更明确的物理意义。对于谐波而言，这种时频分析方法能根据信号自身的特性进行自适应分解，且不存在基函数的选择问题，从而可以实现微网中谐波的自动提取。与原HHT方法相比，本发明所提出的检测方法可以有效地抑制原HHT变换过程中所产生的端点效应问题和频谱混叠问题，从而可以更为有效地对谐波电流的频率和幅值进行实时的监测，有利于分析影响其变化的主要因素。为今后电动汽车充电站的谐波治理提供理论依据和技术支撑，使得微网中的谐波含量符合国家电能质量相关标准。本发明所提出的谐波检测方法简捷易于实现，对微网运行工况适应性强，便于实际工程应用。
图I为本发明所提出的检测方法的基本流程图；图2为EMD的分解流程图；图3为短时间谐波序列波形图；图4为信号的包络线示意图；图5为原信号的EMD分解结果；图5 (a)为IMFl分量；图5 (b)为IMF2分量；图
5(C)为IMF3分量；图6为延拓信号的EMD分解结果；图6(a)为MFl分量；图6(b)为MF2分量；图
6(c)为IMF3分量；图7为延拓前后信号瞬时频率对比图；图7(a)为延拓前信号的瞬时频率；图7(b)为延拓后信号的瞬时频率；图8为整数次谐波信号波形图；图9为谐波信号的EMD分解结果；图10为MFl的FFT分析结果；图11为经过小波变换预处理后得到的EMD分解结果；图11 (a)为MFl分量；图11(b)为MF2分量；图12为运用本发明所提出的检测方法所得到的瞬时频率和瞬时幅值；图12(a)为谐波信号的瞬时频率；图12(b)为谐波信号的瞬时幅值；图13为时变谐波信号波形图；图14为时变谐波信号的瞬时幅值和瞬时频率；图14(a)为谐波信号的瞬时幅值；图14(b)为谐波信号的瞬时频率；图15为微网中电动汽车充电站的并网示意图；图16为高频充电机的原理图；图17为闻频充电机的电路图18为充电机的仿真原理图；图19为电动汽车充电站的仿真模型；图20为电动汽车充电站并网点处流过的A相谐波电流波形；图21为运用本发明所提出的检测方法所得到的谐波电流的瞬时频率和瞬时幅值；图21(a)为谐波电流的瞬时频率；图21(b)为谐波电流的瞬时幅值。
具体实施例方式下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
对于微网中电动汽车充电站的谐波电流，根据本发明所提出的检测方法，可以按照图I的流程进行处理，其具体过程如下所述步骤I :运用小波变换的方法对电动汽车充电机的谐波电流进行预处理，将其分解成不同频率段的窄带信号族S1, S1 = {slt}，t = 1，2，…η; (η与小波变换的分解层数有关)，对原信号的频率进行细化，从而避免频谱混叠现象的产生；步骤2 :为了改善HHT中的端点效应问题，在此采用自适应分步延拓法对步骤I得到的窄带信号族S1进行延拓，最后得到信号族S，S = {sot}。谐波电流经过小波变换预处理后成为窄带信号族S1, S1 = (S1J。由于S1中的每一个窄带信号的延拓方法都相同，此处设其中一个谐波电流窄带信号为slt，其数据序列为slt(l)，Slt (2)…，Slt(N)，其中，N为采样点数。运用自适应分步延拓法对其进行处理的具体过程如下所示首先构造一个如式(I)所示的回归模型，其中，％为非负的拉格朗日乘子；b为偏置项；k(x, Xi)为核函数；1为训练样本数。/(X) = !((Χ,.\) ) + h(I)
i=l在所构造的回归模型的基础上对所要延拓的数据序列进行向左和向右延拓。向左、向右延拓方法相同，下面以向右延拓为例进行分析首先确定要延拓的点数m和训练样本数I，然后按照一定的规则形成一个训练样本集T = {(χ1； Y1), (x2, y2)，···，(X^y1)K其中，Xi = [slt(i), slt(i+1), ···, slt(N-l+i-l)]T, Ji = slt(N_l+i), I 彡 i 彡 I。利用如式(I)所示的回归模型就可以得到数据序列边界外的第一个预测值slt (N+1)。
I.Vli (N +1) = Z a,k(x.. X1) + b(2)
i=l式中，X = {Xl, X2-, X1It0再将Slt (N+1)作为原始谐波信号序列新的边界点，就可得到下一个预测值slt (N+2)，以此类推，根据所要延拓的数据个数就可以得到全部的延拓序列 slt (N+1),…，slt (N+m)。令s2t = {slt ⑴，…，slt (N+m)}。设 S2t 对应的时间序列为It1, V··，tn},则 S2t 可以表示为(S2Jt1), s2t(t2),…，s2t (tn)} ο又设此时该信号有M个极大值和N个极小值，极大值点所对应的时间为TM(i)，函数值为s2tM(i)，I彡i彡M ;极小值所对应的时间为TN(i)，函数值为s2tN(i), I彡i彡N。对S2t继续进行延拓，由于其端点处的波形和函数值大小情况各不相同，延拓时必须分情况讨论。下面仍以向右延拓为例进行分析情况一当信号S2t右端最后一个极值点为极大值点时，即Tm(M) > Tn(N)，以此处极大值点为对称轴向右延拓Tm(M+j) = 2TM(M)-TM(M-j), s2tM(M+j) = s2tM(M_j)； Tn (N+j) = 2Tm (M) -Tn (N-j+1)，s2tN (N+j) = s2tN (N-j+1)。j为延拓的第j个极值点，I彡j彡k，k为所要延拓的极值点数。情况二 当信号S2t右端最后一个极值点为极小值点时，即Tn(N) > Tm(M)，以此处极小值点为对称轴向右延拓
TM(M+j) = 2TN(N)-TM(M-j+l), s2tM(M+j) = s2tM(M_j+l)；Tn (N+j) = 2Tn (N) -Tn (N_j)，s2tN (N+j) = s2tN (N_j)。则右端延拓的极大值点所对应的时间为Tm(M+1)，Tm(M+2)，···，TjM+k);极大值点所对应的函数值为s2tM(M+l)，s2tM(M+2)，…，s2tM(M+k)。右端延拓的极小值点所对应的时间为 Tn(N+1)，Tn(N+2)，...，ΤΝ(_ ;极小值点所对应的函数值为 s2tN(N+l)，s2tN(N+2)，...，s2tN (N+k)。情况三当信号s2t右端点处的函数值大于离端点最近的第一个极大值或者小于离端点最近的第一个极小值时，为了使端点落在包络线的包络范围内，就必须对端点进行特殊处理，这时应当把端点当作延拓的第一个极值点或者作为信号的最后一个极值点，然后以其为对称轴进行其他极值点的延拓，极值点所对应的时间和函数值的推导与前两种情况类似。向左延拓与向右延拓情况类似，此处不再赘述。在下面叙述中，用Stlt表示Slt经自适应分步延拓法延拓后所得到的信号。步骤3 :对延拓后的信号族S = IstlJ进行EMD分解，得到一系列IMF分量。由于每个信号EMD分解过程相同，在此以第t个信号Stlt的EMD分解过程为例进行说明。提取Stlt谐波信号IMF分量的计算过程如下所示，其算法流程图如图2所示。(I)找到信号Stlt (t)的所有极大值点和极小值点，分别用三次样条插值的方法拟合上包络线V1U)和下包络线V2 (t),并求出其平均值IIi1 (t) = [V1 (t)+V2 (t)]/2O(2)求取信号Stlt⑴与Hi1的差值，即Ii1 (t)对于不同的信号，hi(t)可能是一个MF分量，也可能不是。对于分解得到的MF分量，必须满足以下两个条件1)其过零点和极值点的数目必须相等或者最多相差一个；2)连接局部极大值所形成的上包络线和连接局部极小值所形成的下包络线的平均值在任一点处都为零。当不满足IMF所需条件时，把h (t)当作原信号，重复上述步骤，即得hn (t) = Ii1 (t) Ii11 (t)式中，mn (t)是Mt)的上、下包络线的平均值。若hn(t)不是MF分量，则继续筛选，重复上述方法k次，得到第k次筛选的数据hlk(t)hlk(t) = hi Q5^1) (t)(t)以SDk作为判据，把两个连续处理结果代入SDk表达式，当SDk小于某一指定门限值时，筛选过程即可结束。
权利要求
1.一种微网中电动汽车充电站谐波检测法，其特征是该方法包括以下步骤 步骤I:运用小波变换的方法对微网中电动汽车充电机的谐波电流进行预处理，将其分解成不同频率段的信号族S1, S1 = {slt}, t = 1，2，…η ; 步骤2 :用自适应分步延拓法对步骤I的信号族S1进行延拓处理，得到信号族S，S =IsotI ； 步骤3 :对频率信号族S的每个信号进行经验模态分解，得到每个信号的各个固有模态分量; 步骤4 对所有的固有模态分量进行Hi Ibert变换，在得到的瞬时频率信号和瞬时幅值信号中去掉因延拓而增加的信号段，得到最终的信号。
2.根据权利要求I所述的一种微网中电动汽车充电站谐波检测法，其特征是所述自适应分步延拓法为 a对31中的每个频率信号进行延拓，得到信号族S2，S2 = {s2t}； b:对&中的每个信号进行延拓，包括， 情况一当信号S2t的左端或右端最后一个极值点为极大值点时，以该极大值点为对称轴进行向左或向右延拓； 情况二 当信号S2t的左端或右端最后一个极值点为极小值点时，以该极小值点为对称轴进行向左或向右延拓； 情况三当信号S2t的左端或右端处的函数值大于离该端点最近的第一个极大值或者小于离该端点最近的第一个极小值时，把端点当作延拓的第一个极值点或者作为信号S2t的最后一个极值点，然后以该指定端点为对称轴进行向左或向右延拓。
3.根据权利要求I所述的一种微网中电动汽车充电站谐波检测法，其特征是所述步骤3具体为 步骤3. I :通过三次样条插值法求得频率信号Stlt的上包络线和下包络线，求得其上包络线和下包络线的均值； 步骤3. 2 :求得频率信号S(lt与上包络线和下包络线的均值的差值，若所述差值满足指定条件，则所述差值为固有模态分量；否则，用所述差值替换频率信号Stlt，返回步骤3. I ；指定条件为若所述差值与前一个差值代入判据SDk后所得的值小于一个指定门限值时，则该差值为固有模态分量； 步骤3. 3 :将频率信号Stlt和步骤3. 2中的固有模态分量的差值记为残差，若该残差满足设定条件，则过程结束；否则，将该残差替换频率信号Stlt，返回步骤3. I ； 设定条件为残差为单调函数或残差的模值为一常数。
全文摘要
本发明公开了电气工程微网技术领域中的一种微网中电动汽车充电站谐波检测法。本发明首先对微网中谐波电流进行预处理，将其分解成窄带频率信号族S1；然后运用自适应分步延拓法对其进行延拓处理，得到频率信号族S；进一步对频率信号族S进行经验模态分解，得到各个固有模态分量；对固有模态分量进行Hilbert变换，最后得到各分量的瞬时频率信号和瞬时幅值信号。本发明不仅适用于分析微网电能质量中的非线性、非平稳信号，而且对于微网电能质量中的线性、平稳信号的分析比其他时频分析方法更好地反映了信号的频率特征以及幅值特征，具有更明确的物理意义。
文档编号G01R19/00GK102841251SQ20121028922
公开日2012年12月26日 申请日期2012年8月14日 优先权日2012年8月14日
发明者李鹏, 李婉娉, 刘承佳, 张双乐, 肖湘宁 申请人:华北电力大学