一种风电场谐波发射水平评估方法与系统与流程

本发明涉及电能质量技术领域，具体涉及一种风电场谐波发射水平评估方法与系统。

背景技术：

随着风电场高密集接入系统，风电在电网中比例急剧增大，并网风电场对电网电能质量的影响也越来越显著，其中谐波问题需特别关注。准确评估风电场在公共连接点(pointofcommoncoupling，pcc)处的谐波发射水平对治理风场谐波具有指导意义。

谐波阻抗是计算评估谐波发射水平的关键。国内外学者对谐波阻抗的计算方法展开了大量研究，并提出波动量法、二元回归法、独立随机矢量协方差法、独立分量法等。波动量法作为一种经典方法，当背景谐波波动较小时，求得的系统侧谐波阻抗误差较小，但背景谐波波动较大时将失效。二元线性回归法可应用于谐波阻抗计算，但该方法也只能应用于背景谐波稳定的工况。独立随机矢量协方差法假设pcc点处谐波电流与背景谐波弱相关，在一定程度上缓解了背景谐波波动带来的影响，但风场装有滤波器，使得风场侧谐波阻抗减小，所需假设难以成立。独立分量法理论上只需假设两侧谐波源信号独立，但在实际应用中，当两侧谐波阻抗幅值相差不大时，计算误差较大。

现有谐波阻抗计算方法成立的前提是，背景谐波较稳定，且用户侧谐波阻抗远大于系统侧，从而仅需计算系统侧谐波阻抗便可评估pcc点两侧谐波发射水平。上述假设对于典型的工业非线性用户成立，但对风电场而言，一方面由于风机逆变器出口均安装有滤波器，且在集电点处装有无功补偿装置，使得风场侧谐波阻抗减小，不再远大于系统侧，不能将其忽略；另一方面，背景谐波对评估谐波发射水平影响严重，风电场密集接入时，不同风电场在某一公共连接点可能产生相互干扰。因此，现有方法所需假设在风电场下不再成立，难以准确评估风电场在pcc点处的谐波发射水平，需寻求新的评估方法。

技术实现要素：

为了解决现有技术中所存在的当背景谐波较大且风场侧谐波阻抗没有远大于系统侧时，传统方法不适用的问题，本发明提供一种风电场谐波发射水平评估方法和系统。

本发明提供的技术方案是：

一种风电场谐波发射水平评估方法，包括：

将利用复独立分量法cica分离出的源信号进行预稀疏处理和稀疏成分分析sca，得到局部信号；

根据所述局部信号计算系统侧和风电场侧的谐波阻抗；

将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到风电场侧和系统侧的谐波发射水平。

优选的，所述根据所述局部信号计算系统侧和风电场侧的谐波阻抗，包括：

将所述局部信号通过稀疏字典学习算法ksvd进行稀疏化，得到稀疏字典；

将预先获得的观测信号作用于所述稀疏字典上，如果能够聚类为一条直线，则根据所述直线的斜率求解谐波阻抗；

否则，按照预设条件选择被稀疏化后其值为零的一次筛选信号，然后将一次筛选信号通过非高斯性筛选得到二次筛选信号，基于所述二次筛选信号采用谐波阻抗求解公式进行谐波阻抗的计算。

优选的，所述根据所述直线的斜率求谐波阻抗的计算式如下：

式中：real(ki)表示取复数的实部，且为正。

式中：k1与k2为消除盲源分离计算结果对应顺序不确定性的引入量，对应于与和为未知混合矩阵，由斜率经过混合矩阵计算求得；

所述混合矩阵计算如下式所示：

式中，x为观测到的混合信号，y为cica求得的真实源信号的近似解，y^t为y的共轭转置；

优选的，所述预设条件为：

式中：σsparse为稀疏筛选指标；i、j表示局部信号被稀疏化后其值为零的采样点位置；ε为筛选阈值，取ε＝0.1。

优选的，所述非高斯性筛选包括：

重构所述一次筛选信号对应的全局信息；

将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息；

筛选出非高斯性最强的全局信息对应的二次筛选信号。

优选的，按下式重构所述局部信息对应的全局信息：

式中，为一次筛选信号对应的全局信息，为一次筛选信号对应的谐波阻抗，为风电场侧与系统侧公共连接处测得的谐波电压，为风电场侧与系统侧公共连接点处测得的谐波电流；

所述按下式计算：

式中，为系统侧谐波阻抗；为一次筛选信号；i表示稀疏化后其值为零的采样点位置；m为一次筛选信号的长度；n为稀疏化后稀疏度；x^d为一次筛选信号作用于观测信号的稀疏字典。

优选的，所述将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息，按下式计算：

其中，为全局信息的非高斯性强度，为全局信息。

优选的，所述采用谐波阻抗求解公式包括风电场侧谐波阻抗计算公式和系统侧谐波阻抗计算公式；

其中，所述系统侧谐波计算公式为：

式中，为系统侧谐波阻抗；为局部信息；i表示稀疏化后其值为零的采样点位置；m为系统侧局部信号的长度；n为稀疏化后稀疏度；x^d为系统侧局部信号的稀疏字典作用于观测信号；

所述风电场侧谐波阻抗计算式为：

式中，为风电场侧谐波阻抗；m′为风电场侧局部信号的长度；n′为稀疏化后稀疏度，x′^d为系统侧局部信号的稀疏字典作用于观测信号。

优选的，所述将所述局部信号进行稀疏化处理得到稀疏字典，根据所述稀疏字典计算系统侧和风电场侧的谐波阻抗之后，还包括：

将所述谐波阻抗与谐波阻抗近似参考值对比，验证所述谐波阻抗的准确性。

优选的，所述谐波阻抗近似参考值，包括：

风电场侧谐波阻抗近似参考值和系统侧谐波阻抗近似参考值；

其中，所述风电场侧谐波阻抗近似参考值按下式计算：

其中，zwf为所述风电场侧谐波阻抗近似参考值，m为风机组数，ni表示第i组包含风机数，zws，i为第i组风电机组的等值谐波阻抗；

式中，zws为风电机组的等值谐波阻抗，n为风机台数，zw为每台风机的等值谐波阻抗，zl，i为连接第i台风机的电缆阻抗；

所述系统侧谐波阻抗近似参考值按下式计算：

式中：|zs，ref|为所述系统侧谐波阻抗近似参考值，h代表谐波次数，v额为线路额定电压，s短路为系统短路容量。

优选的，所述预设的谐波发射水平评估模型包括如下的计算式：

其中，为风电场侧谐波发射水平；为系统侧谐波发射水平；为pcc处的测得的谐波电压；为pcc处测得的谐波电流；zs为系统侧谐波阻抗；zc为风电场侧谐波阻抗。

优选的，将源信号按下式进行预稀疏处理：

s^d＝(ds^t)^t＝sd^t

其中，s为待稀疏化源信号，s^d为稀疏化后的源信号，d表示n×n维稀疏字典。

一种风电场谐波发射水平评估系统，其特征在于：包括：

预稀疏处理模块、计算模块、评估模块；

预稀疏处理模块：将利用复独立分量法cica分离出的源信号进行预稀疏处理和稀疏成分分析sca，得到局部信号；

计算模块：根据所述局部信号计算系统侧和风电场侧的谐波阻抗；

评估模块：将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到风电场侧和系统侧的谐波发射水平。

优选的，所述计算模块，包括：稀疏化子模块、求解子模块、非高斯性筛选子模块；

稀疏化子模块：将所述局部信号通过稀疏字典学习算法ksvd进行稀疏化，得到稀疏字典；

求解子模块：将预先获得的观测信号作用于所述稀疏字典上，如果能够聚类为一条直线，则根据所述直线的斜率求解谐波阻抗；

非高斯性筛选子模块：否则，按照预设条件选择被稀疏化后其值为零的一次筛选信号，然后将一次筛选信号通过非高斯性筛选得到二次筛选信号，基于所述二次筛选信号采用谐波阻抗求解公式进行谐波阻抗的计算。

优选的，所述根据所述直线的斜率求谐波阻抗的计算式如下：

式中：real(ki)表示取复数的实部，且为正。

式中：k1与k2为消除盲源分离计算结果对应顺序不确定性的引入量，对应于与和为未知混合矩阵，由斜率经过混合矩阵计算求得；

所述混合矩阵计算如下式所示：

式中，x为观测到的混合信号，y为cica求得的真实源信号的近似解，y^t为y的共轭转置；

优选的，所述预设条件为：

式中：σsparse为稀疏筛选指标；i、j表示局部信号被稀疏化后其值为零的采样点位置；ε为筛选阈值，取ε＝0.1。

优选的，所述非高斯性筛选子模块包括：重构单元、筛选一单元和筛选二单元；

重构单元：重构所述一次筛选信号对应的全局信息；

筛选一单元：通过峭度评估公式筛选非高斯性最强的全局信息；

筛选二单元：筛选出非高斯性最强的全局信息对应的二次筛选信号。

优选的，按下式重构所述局部信息对应的全局信息：

式中，为一次筛选信号对应的全局信息，为一次筛选信号对应的谐波阻抗，为风电场侧与系统侧公共连接处测得的谐波电压，为风电场侧与系统侧公共连接点处测得的谐波电流；

所述按下式计算：

式中，为系统侧谐波阻抗；为一次筛选信号；i表示稀疏化后其值为零的采样点位置；m为一次筛选信号的长度；n为稀疏化后稀疏度；x^d为一次筛选信号作用于观测信号的稀疏字典。

优选的，所述峭度评估公式为：

其中，为全局信息的非高斯性强度，为全局信息。

优选的，所述采用谐波阻抗求解公式包括风电场侧谐波阻抗计算公式和系统侧谐波阻抗计算公式；

其中，所述系统侧谐波计算公式为：

式中，为系统侧谐波阻抗；为局部信息；i表示稀疏化后其值为零的采样点位置；m为系统侧局部信号的长度；n为稀疏化后稀疏度；x^d为系统侧局部信号的稀疏字典作用于观测信号；

所述风电场侧谐波阻抗计算式为：

式中，为风电场侧谐波阻抗；m′为风电场侧局部信号的长度；n′为稀疏化后稀疏度，x′^d为系统侧局部信号的稀疏字典作用于观测信号。

优选的，所述计算模块，还包括：

对比子模块：将所述谐波阻抗与谐波阻抗近似参考值对比，验证所述谐波阻抗的准确性。

优选的，所述对比子模块，包括：

参考值计算单元：风电场侧谐波阻抗近似参考值和系统侧谐波阻抗近似参考值；

其中，所述风电场侧谐波阻抗近似参考值按下式计算：

其中，zwf为所述风电场侧谐波阻抗近似参考值，m为风机组数，ni表示第i组包含风机数，zws，i为第i组风电机组的等值谐波阻抗；

式中，zws为风电机组的等值谐波阻抗，n为风机台数，zw为每台风机的等值谐波阻抗，zl，i为连接第i台风机的电缆阻抗；

所述系统侧谐波阻抗近似参考值按下式计算：

式中：|zs，ref|为所述系统侧谐波阻抗近似参考值，h代表谐波次数，v额为线路额定电压，s短路为系统短路容量。

优选的，所述预设的谐波发射水平评估模型包括如下的计算式：

其中，为风电场侧谐波发射水平；为系统侧谐波发射水平；为pcc处的测得的谐波电压；为pcc处测得的谐波电流；zs为系统侧谐波阻抗；zc为风电场侧谐波阻抗。

优选的，将源信号按下式进行预稀疏处理：

s^d＝(ds^t)^t＝sd^t

其中，s为待稀疏化源信号，s^d为稀疏化后的源信号，d表示n×n维稀疏字典。

与现有技术相比，本发明的有益效果为：

本发明提供的一种风电场谐波发射水平评估方法，将利用cica分离出的源信号进行预稀疏处理和sca稀疏筛选，得到局部信号；将所述局部信号进行稀疏化处理得到稀疏字典，根据所述稀疏字典计算系统侧和风电场侧的谐波阻抗；将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到电场侧和系统侧的谐波发射水平。采用sca算法构造稀疏筛选判据，通过稀疏筛选搜索与真实谐波源信号高度吻合的局部信号，进而由其求取两侧谐波阻抗，并评估谐波发射水平，解决了在背景谐波较大且风场侧谐波阻抗并非远大于系统侧时，无法进行谐波发射水平评估的问题。

附图说明

图1为本发明的谐波发射水平方法流程图；

图2为谐波发射水平分析原理图；

图3为风电场拓扑结构示意图；

图4为永磁直驱型风机结构图；

图5为现有技术的永磁直驱型风机的谐波模型图；

图6为现有技术的单组风机等值模型图；

图7为现有技术的多风电机组等值模型图；

图8本发明的谐波发射水平原理示意图；

图9为本发明仿真求得zs幅值平均误差效果图；

图10为本发明仿真求得zs阻抗角平均误差效果图；

图11为本发明仿真求得zc幅值平均误差效果图；

图12为本发明仿真求得zc阻抗角平均误差效果图；

图13为本发明的实际风电场拓扑结构图；

图14为本发明的pcc点处7次谐波电压电流图；

图15为本发明的实测数据求得zs效果图；

图16为本发明的实测数据求得zc效果图。

具体实施方式

为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。

实施例1：

本发明提供了一种风电场谐波发射水平评估方法，如图1所示，

将利用复独立分量法cica分离出的源信号进行预稀疏处理和稀疏成分分析sca，得到局部信号；

根据所述局部信号计算系统侧和风电场侧的谐波阻抗；

将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到风电场侧和系统侧的谐波发射水平。

根据所述局部信号计算系统侧和风电场侧的谐波阻抗，包括：

将所述局部信号通过稀疏字典学习算法ksvd进行稀疏化，得到稀疏字典；

将预先获得的观测信号作用于所述稀疏字典上，如果能够聚类为一条直线，则根据所述直线的斜率求解谐波阻抗；

否则，按照预设条件选择被稀疏化后其值为零的一次筛选信号，然后将一次筛选信号通过非高斯性筛选得到二次筛选信号，基于所述二次筛选信号采用谐波阻抗求解公式进行谐波阻抗的计算。

所述根据所述直线的斜率求谐波阻抗的计算式如下：

式中：real(ki)表示取复数的实部，且为正。

式中：k1与k2为消除盲源分离计算结果对应顺序不确定性的引入量，对应于与和为未知混合矩阵，由斜率经过混合矩阵计算求得；

所述混合矩阵计算如下式所示：

式中，x为观测到的混合信号，y为cica求得的真实源信号的近似解，y^t为y的共轭转置；

所述预设条件为：

式中：σsparse为稀疏筛选指标；i、j表示局部信号被稀疏化后其值为零的采样点位置；ε为筛选阈值，取ε＝0.1。

所述非高斯性筛选包括：

重构所述一次筛选信号对应的全局信息；

将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息；

筛选出非高斯性最强的全局信息对应的二次筛选信号。

按下式重构所述局部信息对应的全局信息：

式中，为一次筛选信号对应的全局信息，为一次筛选信号对应的谐波阻抗，为风电场侧与系统侧公共连接处测得的谐波电压，为风电场侧与系统侧公共连接点处测得的谐波电流；

所述按下式计算：

式中，为系统侧谐波阻抗；为一次筛选信号；i表示稀疏化后其值为零的采样点位置；m为一次筛选信号的长度；n为稀疏化后稀疏度；x^d为一次筛选信号作用于观测信号的稀疏字典。

所述将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息，按下式计算：

其中，为全局信息的非高斯性强度，为全局信息。

所述采用谐波阻抗求解公式包括风电场侧谐波阻抗计算公式和系统侧谐波阻抗计算公式；

其中，所述系统侧谐波计算公式为：

式中，为系统侧谐波阻抗；为局部信息；i表示稀疏化后其值为零的采样点位置；m为系统侧局部信号的长度；n为稀疏化后稀疏度；x^d为系统侧局部信号的稀疏字典作用于观测信号；

所述风电场侧谐波阻抗计算式为：

式中，为风电场侧谐波阻抗；m′为风电场侧局部信号的长度；n′为稀疏化后稀疏度，x′^d为系统侧局部信号的稀疏字典作用于观测信号。

所述将所述局部信号进行稀疏化处理得到稀疏字典，根据所述稀疏字典计算系统侧和风电场侧的谐波阻抗之后，还包括：

将所述谐波阻抗与谐波阻抗近似参考值对比，验证所述谐波阻抗的准确性。

所述谐波阻抗近似参考值，包括：

风电场侧谐波阻抗近似参考值和系统侧谐波阻抗近似参考值；

其中，所述风电场侧谐波阻抗近似参考值按下式计算：

其中，zwf为所述风电场侧谐波阻抗近似参考值，m为风机组数，ni表示第i组包含风机数，zws，i为第i组风电机组的等值谐波阻抗；

式中，zws为风电机组的等值谐波阻抗，n为风机台数，zw为每台风机的等值谐波阻抗，zl，i为连接第i台风机的电缆阻抗；

所述系统侧谐波阻抗近似参考值按下式计算：

式中：|zs，ref|为所述系统侧谐波阻抗近似参考值，h代表谐波次数，v额为线路额定电压，s短路为系统短路容量。

所述预设的谐波发射水平评估模型包括如下的计算式：

其中，为风电场侧谐波发射水平；为系统侧谐波发射水平；为pcc处的测得的谐波电压；为pcc处测得的谐波电流；zs为系统侧谐波阻抗；zc为风电场侧谐波阻抗。

将源信号按下式进行预稀疏处理：

s^d＝(ds^t)^t＝sd^t

其中，s为待稀疏化源信号，s^d为稀疏化后的源信号，d表示n×n维稀疏字典。

实施例2：

一种风电场谐波发射水平评估系统，其特征在于：包括：

预稀疏处理模块、计算模块、评估模块；

预稀疏处理模块：将利用复独立分量法cica分离出的源信号进行预稀疏处理和稀疏成分分析sca，得到局部信号；

计算模块：根据所述局部信号计算系统侧和风电场侧的谐波阻抗；

评估模块：将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到风电场侧和系统侧的谐波发射水平。

所述计算模块，包括：稀疏化子模块、求解子模块、非高斯性筛选子模块；

稀疏化子模块：将所述局部信号通过稀疏字典学习算法ksvd进行稀疏化，得到稀疏字典；

求解子模块：将预先获得的观测信号作用于所述稀疏字典上，如果能够聚类为一条直线，则根据所述直线的斜率求解谐波阻抗；

非高斯性筛选子模块：否则，按照预设条件选择被稀疏化后其值为零的一次筛选信号，然后将一次筛选信号通过非高斯性筛选得到二次筛选信号，基于所述二次筛选信号采用谐波阻抗求解公式进行谐波阻抗的计算。

所述根据所述直线的斜率求谐波阻抗的计算式如下：

式中：real(ki)表示取复数的实部，且为正。

式中：k1与k2为消除盲源分离计算结果对应顺序不确定性的引入量，对应于与和为未知混合矩阵，由斜率经过混合矩阵计算求得；

所述混合矩阵计算如下式所示：

式中，x为观测到的混合信号，y为cica求得的真实源信号的近似解，y^t为y的共轭转置；

所述预设条件为：

式中：σsparse为稀疏筛选指标；i、j表示局部信号被稀疏化后其值为零的采样点位置；ε为筛选阈值，取ε＝0.1。

所述非高斯性筛选子模块包括：重构单元、筛选一单元和筛选二单元；

重构单元：重构所述一次筛选信号对应的全局信息；

筛选一单元：将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息；

筛选二单元：筛选出非高斯性最强的全局信息对应的二次筛选信号。

按下式重构所述局部信息对应的全局信息：

式中，为一次筛选信号对应的全局信息，为一次筛选信号对应的谐波阻抗，为风电场侧与系统侧公共连接处测得的谐波电压，为风电场侧与系统侧公共连接点处测得的谐波电流；

所述按下式计算：

式中，为系统侧谐波阻抗；为一次筛选信号；i表示稀疏化后其值为零的采样点位置；m为一次筛选信号的长度；n为稀疏化后稀疏度；x^d为一次筛选信号作用于观测信号的稀疏字典。

所述将所述全局信息结合峭度评估公式筛选出非高斯性最强的全局信息，按下式计算：

其中，为全局信息的非高斯性强度，为全局信息。

所述采用谐波阻抗求解公式包括风电场侧谐波阻抗计算公式和系统侧谐波阻抗计算公式；

其中，所述系统侧谐波计算公式为：

式中，为系统侧谐波阻抗；为局部信息；i表示稀疏化后其值为零的采样点位置；m为系统侧局部信号的长度；n为稀疏化后稀疏度；x^d为系统侧局部信号的稀疏字典作用于观测信号；

所述风电场侧谐波阻抗计算式为：

式中，为风电场侧谐波阻抗；m′为风电场侧局部信号的长度；n′为稀疏化后稀疏度，x′^d为系统侧局部信号的稀疏字典作用于观测信号。

所述计算模块，还包括：

对比子模块：将所述谐波阻抗与谐波阻抗近似参考值对比，验证所述谐波阻抗的准确性。

所述对比子模块，包括：

参考值计算单元：风电场侧谐波阻抗近似参考值和系统侧谐波阻抗近似参考值；

其中，所述风电场侧谐波阻抗近似参考值按下式计算：

其中，zwf为所述风电场侧谐波阻抗近似参考值，m为风机组数，ni表示第i组包含风机数，zws，i为第i组风电机组的等值谐波阻抗；

式中，zws为风电机组的等值谐波阻抗，n为风机台数，zw为每台风机的等值谐波阻抗，zl，i为连接第i台风机的电缆阻抗；

所述系统侧谐波阻抗近似参考值按下式计算：

式中：|zs，ref|为所述系统侧谐波阻抗近似参考值，h代表谐波次数，v额为线路额定电压，s短路为系统短路容量。

所述预设的谐波发射水平评估模型包括如下的计算式：

其中，为风电场侧谐波发射水平；为系统侧谐波发射水平；为pcc处的测得的谐波电压；为pcc处测得的谐波电流；zs为系统侧谐波阻抗；zc为风电场侧谐波阻抗。

将源信号按下式进行预稀疏处理：

s^d＝(ds^t)^t＝sd^t

其中，s为待稀疏化源信号，s^d为稀疏化后的源信号，d表示n×n维稀疏字典。

实施例3：

将电网从风场35kv并网点处分为系统侧与风电场侧两部分，其诺顿等效谐波模型如图2所示。

根据叠加原理，由图2有

式中：与分别为dcc点处测得的谐波电压与谐波电流；zs与zc分别为系统侧与风电场侧的等效谐波阻抗；与分别为系统侧与风电场侧的等效谐波源。

通过所述系统侧和风电场侧的谐波阻抗进行电场侧和系统侧的谐波发射水平评估；

风电场侧与系统侧谐波电压发射水平分别为：

由式(2)可知，准确计算两侧谐波阻抗zc与zs是评估谐波发射水平的关键。本发明采用所提cica-sca算法求取zc与zs。

在实测计算中，为验证cica-sca算法计算结果的准确性，可将求得的两侧谐波阻抗与其对应近似参考值对比。风场侧谐波阻抗参考值通过元件参数法近似求取，系统侧谐波阻抗幅值参考值通过系统短路容量粗略估计。

对于风场侧，拓扑结构如图3所示，其谐波阻抗主要由逆变器出口的滤波器、变压器、线路和无功补偿电容器等决定，相关元件均具有确定的谐波阻抗模型，可由基于元件参数的方法近似求解。

风场中永磁直驱型风机的结构如图4所示，直流电容将机侧与网侧变流器隔开，从而风机的谐波特性由lcl逆变器的特性决定。逆变器谐波电压源和lcl滤波器的谐波模型如图5所示。图5中，uinv为逆变器控制系统控制逆变器输出产生的谐波电压；upwm是由逆变器死区时间和调制过程产生的谐波电压。linv为逆变器侧电感，lg为网侧电感，且实际工程中常将风机箱变作为lg。cf为滤波电容，rh为阻尼电阻。从而由lcl滤波器参数得到风机的谐波阻抗zw为

风电场的集电网络通常由电缆组成，电缆分布对风场的等值谐波阻抗有一定影响。风电场中多台风机通过一条集电线连接为一组，单组风机模型及其等值电路如图6所示。图6中共n台风机，zl，i为连接第i台风机的电缆阻抗，各风机型号相同，等值谐波阻抗均为zw，ii为第i台风机输出电流，zws与iws分别为单组风机组的等值谐波阻抗与总输出电流。

由于各风机参数与特性相同，近似有i1＝i2＝…＝in，从而可采用等功率损耗等值近似求解单组风机的等值谐波阻抗

风电场由多组风机组并联构成，多风机组模型及其等值电路如图7所示。m为风机组数，ni表示第i组包含风机数，zws，i与iws，i为第i组风电机组的等值谐波阻抗与输出电流，zwf与iwf为风电场集电网络的等值谐波阻抗与总输出电流。

多风电机组的并联等值谐波阻抗为

集电点处无功补偿装置svg的谐波阻抗zsvg(s)模型为

zsvg(s)＝slt+rt(6)

式中：lt与rt分别为变压器的等值电感和等值电阻。

对于系统侧，其谐波阻抗幅值的参考值|zs，ref|可用系统短路容量粗略估计

式中：h代表谐波次数。v额为线路额定电压，s短路为系统短路容量。

将式(1)中的电压电流用波动量表示，写为盲源分离的数学模型形式：

x＝as(8)

式中：为观测到的混合信号；为源信号；a为未知混合矩阵。

先由cica求s的近似解接着由式(9)所示最小二乘公式便可计算

为消除cica结果对应顺序不确定性。令

式中：k1与k2对应于与但对应顺序未知。

由于实际阻抗的实部恒为正，从而有

式中：real(·)表示取复数的实部。

当|zc|并非远大于|zs|时，由于cica分离出的源信号y与真实源信号s往往并不完全吻合，求得与存在误差。

采用sca算法对传统cica进行改良，提出cica-sca算法。sca算法利用信号的稀疏性重构源信号。稀疏信号在大多数采样点值趋于零，少数采样点值不为零。若源信号s为稀疏信号，可认为绝大部分时刻的观测信号x至多由其中一个源作用形成，从而x会聚类为两条过原点的直线，斜率为a11/a21与a12/a22。结合式(10)与式(11)，通过直线斜率可求得zs与zc。

将利用cica分离出的源信号进行预稀疏处理和sca稀疏筛选，得到局部信号：

但在实际工程中，多数源信号并非稀疏信号，因而需先对其进行预稀疏化处理。通过稀疏字典变换，可将信号s稀疏化如下：

s^d＝(ds^t)^t＝sd^t(12)

式中：s为待稀疏化原信号，s^d为稀疏化后的信号，均是长度为n的行向量；d表示n×n维稀疏字典，可将原信号转化到稀疏域下，使其稀疏化。

将利用cica分离出的源信号进行预稀疏处理和sca稀疏筛选，得到局部信号；

由sca构造稀疏筛选判据，在cica分离出的源信号基础上进行局部搜索，通过筛选与真实源信号s相吻合的局部信号y求取与进而评估两侧谐波发射水平。

将所述局部信号进行稀疏化处理得到稀疏字典，根据所述稀疏字典计算系统侧和风电场侧的谐波阻抗：

将所述局部信号进行稀疏化处理得到稀疏字典，根据所述稀疏字典是否能将所述源信号稀疏化来计算系统侧和风电场侧的谐波阻抗；

以计算为例对该算法进行介绍。记某次搜索到的局部信号为通过ksvd稀疏字典学习算法可将稀疏化，并求取相应稀疏字典d。尽管真实未知，为判断与的吻合情况，将稀疏字典d作用于观测信号x后，存在两种可能：1)局部信号与对应时刻真实的吻合：

此时局部信号的稀疏字典d能将对应时刻稀疏化，因而信号(xd^t)能聚类为一条直线，且该直线的斜率为

2)局部信号与对应时刻真实的不吻合：

此时稀疏字典d无法将对应时刻稀疏化，信号(xd^t)通常难以线性聚类。令且仅当式(13)成立时(xd^t)才能线性聚类，而现有研究表明式(13)成立的概率很低。

式中：m为局部信号的长度。

令x^d＝(xd^t)，可将x^d聚类为一条直线作为与对应时刻吻合的判据，具体为：

式中：σsparse为稀疏筛选指标；i、j表示被稀疏化后其值为零的采样点位置；ε为筛选阈值，取ε＝0.1。

若式(14)成立则与近似吻合，则有

式中：i表示稀疏化后其值为零的采样点位置；m为局部信号的长度；n为稀疏化后稀疏度(非零元素个数)。

尽管式(13)成立概率低，为防止由此导致x^d误线性聚类而求得错误的需对筛选出的各组进行二次筛选。根据中心极限定理，独立源信号线性组合后高斯性增强。式(13)在少数情况下之所以能成立而导致x^d误线性聚类，是由于源信号分离不彻底，导致相应的可由与线性表示，从而的实虚部也可由与的实虚部线性表示，因此该情况对应源信号的全局信息的实虚部非高斯性比真实弱。基于各局部信号对应的可由式(16)重构其对应源信号的全局信息

由此对满足式(14)的可先求出它们对应的全局信息并将非高斯性最大的对应作为最终结果。非高斯性用峭度评估：

kurt(s)＝e[s⁴]-3(e[s²])²(17)

kurt(s)的绝对值越大，则信号s的非高斯性越强。可将实虚部峭度的绝对值归一化后求平均，作为实虚部综合非高斯性评估指标。

将所述系统侧和风电场侧的谐波阻抗带入预设的谐波发射水平评估模型，得到风电场侧和系统侧的谐波发射水平：

从而，在cica求得的源信号ys附近进行局部搜索，对搜索到的各局部信号进行稀疏筛选与非高斯性二次筛选，可得到与真实源信号高度吻合的局部信号，并由其求得同理，按上述方法在cica求得的风场侧谐波源信号yc附近进行局部搜索与筛选，可求得

通过上述方法求得风场侧与系统侧谐波阻抗，再结合pcc处谐波电压电流数据便可对两侧的谐波发射水平进行评估。采用cica-sca算法评估风场侧与系统侧谐波发射水平的原理示意图如图8所示。

为将所提算法与现有方法进行对比，对图2所示诺顿等效电路设置仿真数据，并由式(1)生成pcc点电压电流。具体仿真参数设置如下：

1)谐波电流源：

幅值为100a，相角为-30°。幅值为的k倍，相角为30°，考虑到风场密集入时，对于某部分风场与系统的pcc点背景谐波可能较大，本发明对k取k＝0.6，0.8，1.0，1.2，1.4，1.6。和的幅值与相角均加上10％的正弦波动与±5％的随机扰动。

2)谐波阻抗：

设置两个场景。场景一：zs＝5+12jω，zc＝8+35jω，此时|zc|/|zs|＝2.76。场景二：zs＝5+15jω，zs＝8+23jω，此时|zc|/|zs|＝1.54。对zs、zc的实虚部分别叠加±10％的正弦波动。

按上述生成15000个仿真数据，每150个数据为一段进行计算。采用4种方法(方法1：二元回归法，方法2：独立随机矢量协方差法，方法3：cica，方法4：cica-sca)计算zs与zc，并由式(18)求误差。

式中：valuei，计算为i段数据求得与幅值或阻抗角。

各方法求得系统侧谐波阻抗计算误差如图9与图10所示；由于现有方法大多只能计算系统侧谐波阻抗，对于风场侧谐波阻抗，主要对比cica与cica-sca两种算法，对应计算误差如图11与图12所示。

对方法1-2，由图9与图10可知，随着背景谐波波动的增大，计算误差显著增加，且减小zc的幅值后，计算误差会进一步增大。这是因为方法1有效前提是背景谐波稳定；方法2假设pcc处谐波电流与背景谐波弱相关，但该假设随着背景谐波增大或|zc|减小将难以成立。由图9-图12可知，cica求得结果虽比前两种方法有所改善，但由于zs与zc幅值较接近，求得两侧谐波阻抗仍存在较大误差。且随着背景谐波波动增大，zs计算误差增大，而随着背景谐波波动减小，zc计算误差增大，即更难求准谐波源波动较大侧对应谐波阻抗。

相比之下，所提cica-sca算法通过稀疏筛选与非高斯性二次筛选，搜索与真实谐波源信号高度吻合的局部信号，在不同场景下(|zc|/|zs|≈1～3时)求得两侧谐波阻抗的误差均较小，可用于进一步评估谐波发射水平。

实施例4：

为将所提算法与现有方法进行对比，对图2所示诺顿等效电路设置仿真数据，并由式(1)生成pcc点电压电流。具体仿真参数设置如下：

1)谐波电流源：

幅值为100a，相角为-30°。幅值为的k倍，相角为30°，考虑到风场密集入时，对于某部分风场与系统的pcc点背景谐波可能较大，本发明对k取k＝0.6，0.8，1.0，1.2，1.4，1.6。和的幅值与相角均加上10％的正弦波动与±5％的随机扰动。

2)谐波阻抗：

设置两个场景。场景一：zs＝5+12jω，zc＝8+35jω，此时|zc|/|zs|＝2.76。场景二：zs＝5+15jω，zs＝8+23jω，此时|zc|/|zs|＝1.54。对zs、zc的实虚部分别叠加±10％的正弦波动。

按上述生成15000个仿真数据，每150个数据为一段进行计算。采用4种方法(方法1：二元回归法，方法2：独立随机矢量协方差法，方法3：cica，方法4：cica-sca)计算zs与zc，并由式(18)求误差。

式中：valuei，计算为i段数据求得与幅值或阻抗角。

各方法求得系统侧谐波阻抗计算误差如图9与图10所示；由于现有方法大多只能计算系统侧谐波阻抗，对于风场侧谐波阻抗，主要对比cica与cica-sca两种算法，对应计算误差如图11与图12所示。

对方法1-2，由图9与图10可知，随着背景谐波波动的增大，计算误差显著增加，且减小zc的幅值后，计算误差会进一步增大。这是因为方法1有效前提是背景谐波稳定；方法2假设pcc处谐波电流与背景谐波弱相关，但该假设随着背景谐波增大或|zc|减小将难以成立。由图9-图12可知，cica求得结果虽比前两种方法有所改善，但由于zs与zc幅值较接近，求得两侧谐波阻抗仍存在较大误差。且随着背景谐波波动增大，zs计算误差增大，而随着背景谐波波动减小，zc计算误差增大，即更难求准谐波源波动较大侧对应谐波阻抗。

相比之下，所提cica-sca算法通过稀疏筛选与非高斯性二次筛选，搜索与真实谐波源信号高度吻合的局部信号，在不同场景下(|zc|/|zs|≈1～3时)求得两侧谐波阻抗的误差均较小，可用于进一步评估谐波发射水平。

显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。