雙饋感應(yīng)風(fēng)力發(fā)電機(jī)并網(wǎng)的復(fù)合電能質(zhì)量檢測(cè)方法

李文慧，劉志剛，崔 艷（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

雙饋感應(yīng)風(fēng)力發(fā)電機(jī)并網(wǎng)的復(fù)合電能質(zhì)量檢測(cè)方法

李文慧，劉志剛，崔 艷
（西南交通大學(xué)電氣工程學(xué)院，成都 610031）

摘要：風(fēng)電并網(wǎng)引起的電能質(zhì)量擾動(dòng)信號(hào)多為復(fù)合的暫態(tài)振蕩信號(hào)，針對(duì)傳統(tǒng)的檢測(cè)算法存在模態(tài)混疊、易受干擾、通用性差等缺點(diǎn)，提出采用聚類經(jīng)驗(yàn)?zāi)B(tài)分解EEMD與基于Morlet復(fù)小波的譜峭度相結(jié)合的算法實(shí)現(xiàn)該類擾動(dòng)檢測(cè)。為采集風(fēng)電并網(wǎng)引起的相關(guān)電能質(zhì)量擾動(dòng)信號(hào)，在實(shí)時(shí)數(shù)字仿真RTDS平臺(tái)搭建了200臺(tái)雙饋感應(yīng)風(fēng)力發(fā)電機(jī)DFIG的風(fēng)電場(chǎng)并網(wǎng)模型。仿真結(jié)果表明，該算法能有效實(shí)現(xiàn)對(duì)風(fēng)電并網(wǎng)引起的電能質(zhì)量復(fù)合擾動(dòng)信號(hào)的檢測(cè)。

關(guān)鍵詞：風(fēng)電并網(wǎng)；電能質(zhì)量；復(fù)合擾動(dòng)；EEMD；Morlet復(fù)小波；譜峭度；實(shí)時(shí)數(shù)字仿真

近年來(lái)，風(fēng)能作為一種清潔環(huán)保的新能源被廣泛應(yīng)用，然而由于風(fēng)具有波動(dòng)性、隨機(jī)性等特點(diǎn)，使得大規(guī)模風(fēng)電并網(wǎng)對(duì)電力系統(tǒng)電能質(zhì)量產(chǎn)生影響［1-2］。雙饋感應(yīng)風(fēng)力發(fā)電機(jī)DFIG（doubly-fed in?duction generator）采用變槳距控制，比定槳距失速型風(fēng)機(jī)具有更高的風(fēng)能利用率，且在變速運(yùn)行時(shí)可以發(fā)出頻率恒定的電能，逐步成為兆瓦級(jí)風(fēng)電機(jī)組的主流機(jī)型［3-4］，因此，研究DFIG并網(wǎng)對(duì)電能質(zhì)量的影響具有重要現(xiàn)實(shí)意義。

迄今為止，國(guó)內(nèi)外已有大量電能質(zhì)量分析算法：文獻(xiàn)［5］利用小波包和Tsallis奇異熵檢測(cè)暫態(tài)電能質(zhì)量擾動(dòng)；文獻(xiàn)［6］在局部均值分解LMD（local mean decomposition）的基礎(chǔ)上提出一種改進(jìn)的LMD電能質(zhì)量擾動(dòng)檢測(cè)方法；文獻(xiàn)［7］運(yùn)用基于巴特沃斯分布BWD（Butterworth distribution），譜峭度結(jié)合支持向量機(jī)實(shí)現(xiàn)暫態(tài)電能質(zhì)量擾動(dòng)識(shí)別；文獻(xiàn)［8］用改進(jìn)的Hilbert-Huang變換進(jìn)行電能質(zhì)量擾動(dòng)信號(hào)的時(shí)頻分析。然而上述方法大多針對(duì)Matlab產(chǎn)生的理想擾動(dòng)信號(hào)，不適合風(fēng)電并網(wǎng)產(chǎn)生的含有暫態(tài)振蕩的復(fù)合擾動(dòng)。文獻(xiàn)［9］利用聚類經(jīng)驗(yàn)?zāi)B(tài)分解EEMD（ensemble empirical mode decomposition）分解出信號(hào)中存在的不同諧波頻率成分，結(jié)合Hilbert變換得到瞬時(shí)頻率，但這種方法無(wú)法得到信號(hào)頻率累積信息；文獻(xiàn)［10］基于Morlet小波的譜峭度算法檢測(cè)含噪信號(hào)中的瞬態(tài)成分，能夠得到信號(hào)頻域累積量，但是不能反映時(shí)域信息，不能檢測(cè)幅值類擾動(dòng)的擾動(dòng)幅值和持續(xù)時(shí)間。

本文將EEMD與基于Morlet小波的譜峭度算法結(jié)合，解決了兩種算法各自的缺點(diǎn)，使分析結(jié)果不僅能反映信號(hào)的時(shí)域特性，還能得到信號(hào)的頻域累積量。此外，文中在實(shí)時(shí)數(shù)字仿真RTDS（real time digital simulator）平臺(tái)上搭建風(fēng)電場(chǎng)并網(wǎng)模型，采集相關(guān)電能質(zhì)量擾動(dòng)信號(hào)數(shù)據(jù)，仿真結(jié)果接近實(shí)際，且避免了風(fēng)電場(chǎng)實(shí)測(cè)信號(hào)數(shù)據(jù)采集困難的問(wèn)題，然后對(duì)該類信號(hào)進(jìn)行了仿真分析，驗(yàn)證了本文方法的有效性。

1 DFIG并網(wǎng)電能質(zhì)量擾動(dòng)檢測(cè)算法

1.1 EEMD方法

經(jīng)驗(yàn)?zāi)B(tài)分解EMD（empirical mode decomposi?tion）方法能把原始的擾動(dòng)信號(hào)分解成為若干頻率由高到低排列的本征模態(tài)函數(shù)IMF（intrinsic mode function）和一個(gè)殘余量。但由于風(fēng)電并網(wǎng)產(chǎn)生的擾動(dòng)信號(hào)不是純?cè)肼曅盘?hào)，會(huì)缺失一些頻率尺度，所以容易出現(xiàn)模態(tài)混疊現(xiàn)象。文獻(xiàn)［11］對(duì)EMD分解白噪聲的統(tǒng)計(jì)特性進(jìn)行研究，巧妙地運(yùn)用了白噪聲頻率均勻分布的統(tǒng)計(jì)特性，將其應(yīng)用到EMD中，這就是EEMD的方法。

1）EMD原理

EMD方法是將原始擾動(dòng)信號(hào)分解為若干IMF的過(guò)程，IMF有以下兩個(gè)特點(diǎn)：①IMF極值點(diǎn)和過(guò)零點(diǎn)點(diǎn)數(shù)必須相等或相差為1；②IMF上任意點(diǎn)都需滿足局部極大值點(diǎn)定義的上包絡(luò)線和局部極小值點(diǎn)定義的下包絡(luò)線均值為0。具體的分解步驟如下。

（1）假設(shè)原始擾動(dòng)信號(hào)為s（t），求出局部極大值和極小值，并用三次樣條線分別將所有局部極大值和所有局部極小值連接起來(lái)，形成上、下包絡(luò)線v1（t）、v2（t），上、下包絡(luò)線將原始信號(hào)包在中間，求出平均值m1為

然后將s（t）與m1相減記為h1，則有

（2）如果不滿足IMF兩個(gè)條件，就將h1看作原始信號(hào)，重復(fù)步驟（1），直到h1滿足IMF條件。最終的IMF分量是多個(gè)h1疊加后平均的結(jié)果，設(shè)為c1。

（3）s（t）中分解出c1后，得到剩余信號(hào)r1為

將r1看作原始信號(hào)重復(fù)上述兩個(gè)步驟，得到原始信號(hào)的第2個(gè)IMF分量c2，直到殘余信號(hào)單調(diào)，不能再分出新的IMF，最后的殘余信號(hào)為rn。因此，原始擾動(dòng)信號(hào)可以由IMF分量和殘余信號(hào)重構(gòu)，即

2）EEMD原理

EEMD方法就是首先添加均值為0，幅值標(biāo)準(zhǔn)差為常數(shù)（一般取原信號(hào)標(biāo)準(zhǔn)差的0.1～0.4）的白噪聲，使得被分解的信號(hào)在不同程度上有一定連續(xù)性，從而避免模態(tài)混疊現(xiàn)象。然后進(jìn)行上述EMD分解，得出IMF，EEMD分解流程見圖1，分解步驟如下。

（1）在原擾動(dòng)信號(hào)s（t）添加高斯白噪聲w（t），得到含噪聲信號(hào)x（t）為

（2）運(yùn)用EMD方法將x（t）分解得到一組IMF（假設(shè)共有n個(gè)分量），即

（3）在s（t）中添加新的高斯白噪聲wi（t）（i=1，2，…，N）再進(jìn)行EMD分解，即重復(fù)上述兩個(gè)步驟N次，即

（4）將N次分解得到的IMF分量做均值（此處利用高斯白噪聲零均值的原理消除白噪聲對(duì)原信號(hào)的影響），得到最終的IMF，即

圖1 EEMD算法流程Fig.1 Flow chart of EEMD algorithm

1.2 基于Morlet復(fù)小波的譜峭度算法

DFIG中電力電子器件的大量使用，風(fēng)機(jī)啟動(dòng)、切除，風(fēng)機(jī)故障等，會(huì)引起風(fēng)電并網(wǎng)產(chǎn)生的擾動(dòng)信號(hào)中出現(xiàn)振蕩暫態(tài)。譜峭度是在譜分析和峭度分析的基礎(chǔ)上發(fā)展而來(lái)，能夠用來(lái)檢測(cè)信號(hào)中的瞬態(tài)成分，適合檢測(cè)暫態(tài)振蕩的擾動(dòng)頻率。選用基于小波變換的譜峭度，主要是因?yàn)檫@種譜峭度時(shí)頻域局部化性能好，其尺度變換剛好能夠滿足暫態(tài)振蕩信號(hào)頻率檢測(cè)的需要［12-13］。Morlet復(fù)小波是一種連續(xù)復(fù)小波，其基小波定義為復(fù)指數(shù)函數(shù)與高斯函數(shù)的乘積，采用的Gauss窗是時(shí)-頻面積最小的窗函數(shù)，變換結(jié)果可同時(shí)反映信號(hào)的幅值和相位關(guān)系［14］。

用φa，b（t）表示尺度參數(shù)為a、平移參數(shù)為b的Morlet小波，用WTs（a，b）表示擾動(dòng)信號(hào)s（t）的連續(xù)小波變換，以Morlet復(fù)小波函數(shù)為母函數(shù)的小波變換表示為

根據(jù)譜峭度的定義［15］，基于小波變換的譜峭度計(jì)算公式為

式中E為均值運(yùn)算。

圖2 風(fēng)電并網(wǎng)電能質(zhì)量擾動(dòng)檢測(cè)流程Fig.2 Flow chart of wind power grid power quality disturbance detection algorithm

1.3 EEMD與Morlet復(fù)小波譜峭度結(jié)合檢測(cè)

本文將EEMD與基于Morlet復(fù)小波的譜峭度算法相結(jié)合，對(duì)DFIG并網(wǎng)產(chǎn)生的擾動(dòng)信號(hào)進(jìn)行檢測(cè)，檢測(cè)流程如圖2所示。圖中x為暫態(tài)振蕩模態(tài)的IMF個(gè)數(shù)，求和得到最終的暫態(tài)振蕩模態(tài)IMF_ot；y為幅值類擾動(dòng)的IMF個(gè)數(shù)，求和得到最終的幅值類模態(tài)IMF_am；f1，f2，……，fm為檢測(cè)出的暫態(tài)振蕩頻率；A為擾動(dòng)幅值；t為檢測(cè)出的擾動(dòng)持續(xù)時(shí)間。

風(fēng)電并網(wǎng)電能質(zhì)量擾動(dòng)檢測(cè)算法步驟如下：

（1）輸入待檢測(cè)DFIG并網(wǎng)信號(hào)，并對(duì)其進(jìn)行EEMD分解得n個(gè)IMF分量；

（2）根據(jù)式（10）求出擾動(dòng)分量的譜峭度值，畫出曲線圖，再根據(jù)暫態(tài)振蕩信號(hào)譜峭度明顯波峰的特點(diǎn)，區(qū)分暫態(tài)振蕩模態(tài)和幅值類擾動(dòng)模態(tài)；

The lattice distance (d), average crystalline grain size(D), and strain (ε) of the (001) plane are given by the following equations[40]:

（3）對(duì)幅值類擾動(dòng)分量運(yùn)用文獻(xiàn)［16］的方法進(jìn)行Hilbert變換，得到其瞬時(shí)幅值和瞬時(shí)頻率，實(shí)現(xiàn)擾動(dòng)幅值和擾動(dòng)時(shí)間的檢測(cè)；

（4）對(duì)于暫態(tài)振蕩分量，計(jì)算基于Morlet復(fù)小波的譜峭度，得到譜峭度圖，實(shí)現(xiàn)振蕩頻率的檢測(cè)。

1.4 算法的仿真驗(yàn)證

DFIG并網(wǎng)引起的電能質(zhì)量擾動(dòng)信號(hào)多為復(fù)合的暫態(tài)振蕩信號(hào)，本節(jié)將驗(yàn)證本文提出的算法應(yīng)用于算法產(chǎn)生的此類信號(hào)的有效性。用Matlab產(chǎn)生電壓暫降和暫態(tài)振蕩的復(fù)合擾動(dòng)信號(hào)對(duì)本文提出的算法進(jìn)行驗(yàn)證。暫態(tài)振蕩數(shù)學(xué)模型為

電壓暫降數(shù)學(xué)模型為

復(fù)合擾動(dòng)信號(hào)為

圖3 暫態(tài)振蕩加電壓暫降EMD結(jié)果Fig.3 EMD results of transient oscillation and voltage interrupt

利用式（13），產(chǎn)生基頻為50 Hz，電壓暫降和暫態(tài)振蕩復(fù)合，振蕩頻率為1 kHz和2 kHz疊加的復(fù)合擾動(dòng)信號(hào)。圖3為該信號(hào)EMD分解情況，圖中s（t）為原始復(fù)合擾動(dòng)信號(hào)，子圖IMF1～I(xiàn)MF4為EMD分解得到的IMF分量，可見出現(xiàn)了嚴(yán)重的模態(tài)混疊，不能將兩種擾動(dòng)分解開。圖4為電壓暫降加暫態(tài)振蕩信號(hào)EEMD分解結(jié)果，圖中s（t）為原始復(fù)合擾動(dòng)信號(hào)，子圖IMF1～I(xiàn)MF4為EEMD分解得到的IMF分量，由圖可知可以有效地將振蕩模態(tài)和暫降模態(tài)分解開，避免了模態(tài)混疊現(xiàn)象。圖5為運(yùn)用基于Morlet復(fù)小波的譜峭度算法對(duì)IMF進(jìn)行模態(tài)識(shí)別的結(jié)果，可見IMF2和IMF3分別表征頻率為2 kHz 和3 kHz的暫態(tài)振蕩模態(tài)，IMF4表征的是電壓暫降模態(tài)。圖6（a）和（b）分別是將原信號(hào)直接進(jìn)行譜峭度計(jì)算的結(jié)果和將暫態(tài)振蕩分量進(jìn)行譜峭度計(jì)算的結(jié)果，可以看出將原信號(hào)直接進(jìn)行譜峭度計(jì)算不能很好地檢測(cè)出暫態(tài)振蕩頻率，而本文的方法很好地解決了譜峭度方法用于復(fù)合擾動(dòng)檢測(cè)失效的問(wèn)題。

圖4 暫態(tài)振蕩加電壓暫降EEMD結(jié)果Fig.4 EEMD results of transient oscillation and voltage interrupt

圖5 基于Morlet復(fù)小波的譜峭度進(jìn)行模態(tài)識(shí)別Fig.5 Model identification of Morlet complex wavelet based spectral kurtosis

圖6 原信號(hào)和暫態(tài)振蕩分量進(jìn)行譜峭度運(yùn)算結(jié)果對(duì)比Fig.6 Comparative analysis of spectral kurtosis of original signal and transient oscillation component

2 DFIG并網(wǎng)模型的搭建

相較于非實(shí)時(shí)仿真方式，實(shí)時(shí)數(shù)字仿真方式具有響應(yīng)時(shí)間更短，可在一個(gè)仿真步長(zhǎng)內(nèi)實(shí)現(xiàn)實(shí)際電力系統(tǒng)在該時(shí)間內(nèi)的動(dòng)態(tài)響應(yīng)；能模擬一定規(guī)模的電磁暫態(tài)、機(jī)電暫態(tài)過(guò)程等優(yōu)點(diǎn)。故本文基于RTDS平臺(tái)搭建了DFIG并網(wǎng)模型。

RTDS的圖形用戶界面為RSCAD，本文運(yùn)用RSCAD建立DFIG并網(wǎng)模型，并結(jié)合RTDS硬件運(yùn)行得到相關(guān)數(shù)據(jù)，進(jìn)行研究。

2.2 DFIG并網(wǎng)原理

DFIG并網(wǎng)時(shí)，定子側(cè)的三相繞組直接接入電網(wǎng)，轉(zhuǎn)子三相繞組經(jīng)變換器接入電網(wǎng)［17］，變換器根據(jù)風(fēng)機(jī)的不同運(yùn)行狀態(tài)實(shí)現(xiàn)整流或逆變功能，圖7為具體模型結(jié)構(gòu)和連接原理。

圖7 模型結(jié)構(gòu)和連接原理Fig.7 Model structure and connection principle

2.3 DFIG并網(wǎng)模型

本文搭建一個(gè)含200臺(tái)DFIG的風(fēng)電場(chǎng)，DFIG參數(shù)見表1。風(fēng)電場(chǎng)模型通過(guò)升壓變壓器接入7節(jié)點(diǎn)的電力系統(tǒng)實(shí)現(xiàn)并網(wǎng)運(yùn)行，圖8為風(fēng)電場(chǎng)并網(wǎng)示意，圖9為7節(jié)點(diǎn)電力系統(tǒng)連接示意，其中1號(hào)節(jié)點(diǎn)充當(dāng)系統(tǒng)的平衡節(jié)點(diǎn)，5號(hào)節(jié)點(diǎn)接入額定功率為250 MW的其他動(dòng)力發(fā)電機(jī)，7號(hào)節(jié)點(diǎn)接入風(fēng)力發(fā)電機(jī)組，系統(tǒng)中3段輸電線路長(zhǎng)度均為100 km。

表1 DFIG參數(shù)Tab.1 DFIG parameters

圖8 風(fēng)電場(chǎng)并網(wǎng)示意Fig.8 Schematics diagram of wind farm grid

圖9 IEEE-7節(jié)點(diǎn)電力系統(tǒng)連接示意Fig.9 Connection diagram of IEEE 7-node system

3 DFIG并網(wǎng)短路故障的電能質(zhì)量擾動(dòng)仿真分析

風(fēng)機(jī)運(yùn)行在設(shè)定的額定風(fēng)速（12 m/s）下，在風(fēng)機(jī)出口處設(shè)置持續(xù)時(shí)間為0.1 s的三相接地短路故障，在額定風(fēng)速為12 m/s、采樣頻率為18 182 Hz，采樣點(diǎn)數(shù)為18 182的條件下，以節(jié)點(diǎn)2為例，對(duì)包含整個(gè)故障持續(xù)過(guò)程的前5 000個(gè)數(shù)據(jù)點(diǎn)進(jìn)行分析。圖10為節(jié)點(diǎn)2某相電壓信號(hào)EEMD分解結(jié)果，其中圖10（a）為原始信號(hào)，圖10（b）為表征暫態(tài)振蕩模態(tài)的IMF疊加結(jié)果，與圖4理論信號(hào)的EEMD分解結(jié)果對(duì)比可以發(fā)現(xiàn)，實(shí)時(shí)仿真信號(hào)中暫態(tài)振蕩模態(tài)往往在暫降擾動(dòng)的起始時(shí)間點(diǎn)和終止時(shí)間點(diǎn)出現(xiàn)，這給此類問(wèn)題的檢測(cè)帶來(lái)困難。圖11為圖10（b）中的振蕩模態(tài)分量基于Morlet復(fù)小波的譜峭度，可見本文提出的方法適合于應(yīng)用在實(shí)時(shí)仿真中。

圖10 節(jié)點(diǎn)2某相電壓信號(hào)EEMD分解結(jié)果Fig.10 EEMD of one phase voltage signal in Node 2

圖11 節(jié)點(diǎn)2暫態(tài)振蕩分量基于Morlet復(fù)小波的譜峭度Fig.11 Morlet complex wavelet based spectral kurtosis of transient oscillation component in Node 2

表2 電壓暫降檢測(cè)結(jié)果Tab.2 Detection results of voltage sag

表3 暫態(tài)振蕩檢測(cè)結(jié)果Tab.3 Detection results of transient oscillation

表2和表3是對(duì)圖9中各節(jié)點(diǎn)的檢測(cè)結(jié)果統(tǒng)計(jì)，分別為電壓暫降和暫態(tài)振蕩的檢測(cè)結(jié)果。從表2可以看出，靠近風(fēng)電機(jī)組并網(wǎng)點(diǎn)的節(jié)點(diǎn)暫降幅度較大，遠(yuǎn)離并網(wǎng)點(diǎn)的節(jié)點(diǎn)暫降幅度較小，并且將檢測(cè)的結(jié)果與RTDS仿真模型中設(shè)置的短路故障持續(xù)時(shí)間對(duì)比，可見誤差較小，檢測(cè)結(jié)果較可靠；從表3可以看出，從靠近并網(wǎng)點(diǎn)的節(jié)點(diǎn)中可以檢測(cè)到較多的振蕩頻率分量，從遠(yuǎn)離并網(wǎng)點(diǎn)的節(jié)點(diǎn)中檢測(cè)到的振蕩頻率分量較少。因此，風(fēng)機(jī)短路故障對(duì)接入電力系統(tǒng)節(jié)點(diǎn)的電能質(zhì)量影響的具體表現(xiàn)為：對(duì)靠近風(fēng)電機(jī)組并網(wǎng)點(diǎn)的節(jié)點(diǎn)影響較大，對(duì)遠(yuǎn)離風(fēng)電機(jī)組并網(wǎng)點(diǎn)的節(jié)點(diǎn)影響較小。

4 結(jié)語(yǔ)

本文提出了EEMD和基于Morlet復(fù)小波的譜峭度相結(jié)合的算法，在RTDS平臺(tái)搭建了200臺(tái)DFIG風(fēng)電場(chǎng)并網(wǎng)模型，采集風(fēng)機(jī)出口處故障產(chǎn)生的電能質(zhì)量擾動(dòng)信號(hào)，并進(jìn)行檢測(cè)。本文提出的算法實(shí)現(xiàn)了對(duì)風(fēng)電并網(wǎng)引起的暫態(tài)振蕩頻率、幅值類擾動(dòng)的擾動(dòng)持續(xù)時(shí)間和擾動(dòng)幅值的檢測(cè)，并得出，在風(fēng)電機(jī)組并網(wǎng)節(jié)點(diǎn)引起的電能質(zhì)量擾動(dòng)最明顯，靠近并網(wǎng)節(jié)點(diǎn)的擾動(dòng)比遠(yuǎn)離并網(wǎng)節(jié)點(diǎn)的擾動(dòng)明顯，與理論相符。通過(guò)本算法檢測(cè)到的與設(shè)置的故障持續(xù)時(shí)間對(duì)比可知，本算法檢測(cè)效果較好，誤差較低。

參考文獻(xiàn)：

［1］張國(guó)新（Zhang Guoxin）.風(fēng)力發(fā)電并網(wǎng)技術(shù)及電能質(zhì)量控制策略（Parallel-in technology of wind power and pow?er quality control strategy）［J］.電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2009，29（6）：130-133．

［2］劉桂英，粟時(shí)平（Liu Guiying，Su Shiping）.風(fēng)電接入系統(tǒng)的暫態(tài)電能質(zhì)量擾動(dòng)小波檢測(cè)方法（Wavelet detec?tion method of transient power quality disturbance for power system connected with energy generation）［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2011，23（1）：22-27．

［3］ 馬越，陳星鶯，余昆，等（Ma Yue，Chen Xingying，Yu Kun，et al）.不同類型短路故障下雙饋風(fēng)機(jī)短路電流分析（Analysis for short circuit current of DFIG-based wind generation system under different types of short circuit）［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EP?SA），2014，26（2）：60-65．

［4］周羽生，鄭劍武，向軍，等（Zhou Yusheng，Zheng Jianwu，Xiang Jun，et al）.雙饋風(fēng)力發(fā)電系統(tǒng)網(wǎng)側(cè)變流器聯(lián)合控制策略（Combination control strategy for grid convert in doubly-fed wind power generation systems）［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2014，26（4）：25-29．

［5］Liu Zhigang，Hu Qiaoling，Cui Yan，et al.A new detec?tion approach of transient disturbances combining wavelet packet and Tsallis entropy［J］.Neurocomputing，2014，142 （142）：393-407．

［6］宋海軍，黃傳金，劉宏超，等（Song Haijun，Huang Chuan?jin，Liu Hongchao，et al）.基于改進(jìn)LMD的電能質(zhì)量擾動(dòng)檢測(cè)新方法（A new power quality disturbance detec?tion method based on the improved LMD）［J］.中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2014，34（10）：1700-1708．

［7］陳剛，劉志剛，張巧革（Chen Gang，Liu Zhigang，Zhang Qiaoge）.基于BWD譜峭度的暫態(tài)電能質(zhì)量擾動(dòng)分類識(shí)別（Classification of transient power quality disturbanc?es based on BWD spectral kurtosis）［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2014，26（7）：11-16．

［8］ Senroy N，Suryanarayanan S，Ribeiro P F.An improved Hilbert-Huang method for analysis of time-varying wave?forms in power quality［J］.IEEE Trans on Power Systems，2007，22（4）：1843-1850．

［9］朱寧輝，白曉民，董偉杰（Zhu Ninghui，Bai Xiaomin，Dong Weijie）.基于EEMD的諧波檢測(cè)方法（Harmonic detection method based on EEMD）［J］.中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2013，33（7）：92-99．

［10］Liu Haiyang，Huang Weiguo，Wang Shibin，et al.Adaptive spectral kurtosis filtering based on Morlet wavelet and its application for signal transients detection［J］.Signal Pro?cessing，2014（96）：118-124．

［11］張楊，劉志剛（Zhang Yang，Liu Zhigang）.EEMD在電能質(zhì)量擾動(dòng)檢測(cè)中的應(yīng)用（Application of EEMD in power quality disturbance detection）［J］.電力自動(dòng)化設(shè)備（Elec?tric Power Automation Equipment），2011，31（12）：86-91.

［12］Liu Zhigang，Zhang Qiaoge.An approach to recognize the transient disturbances with spectral kurtosis［J］.IEEE Trans on Instrumentation and Measurement，2014，63（1）：46-55．

［13］張巧革，劉志剛，陳剛（Zhang Qiaoge，Liu Zhigang，Chen Gang）.暫態(tài)振蕩信號(hào)頻率檢測(cè)的Morlet小波譜峭度法（Frequency detection of transient oscillation signal using Morlet wavelet based on spectral kurtosis method）［J］.電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EP?SA），2013，25（5）：1-6．

［14］揭林玲，唐昆明，張?zhí)冢↗ie Linling，Tang Kunming，Zhang Taiqin）.Morlet復(fù)小波算法在自適應(yīng)電流保護(hù)中的應(yīng)用研究（Study on application of Morlet complex wavelet on adaptive current protection）［J］.電力系統(tǒng)保護(hù)與控制（Power System Protection and Control），2009，37 （22）：40-43，48.

［15］Antoni J.The spectral kurtosis：a useful tool for character?ising non-stationary signals［J］.Mechanical Systems and Signal Processing，2006，20（2）：282-307．

［16］劉志剛，李文帆，孫婉璐（Liu Zhigang，Li Wenfan，Sun Wanlu）.Hilbert-Huang變換及其在電力系統(tǒng)中的應(yīng)用（Hilbert-Huang transform and its applications in power system）［J］.電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2012，32（4）：109-116.

［17］Zin A A B M，Mahmoud P H A，Khkairuddin A B，et al．An over view on doubly fed induction generators’controls and contributions to wind based electricity generation［J］.Renewable and Sustainable Energy Reviews，2013，27 （27）：692-708．

李文慧（1991—），女，碩士研究生，研究方向?yàn)楝F(xiàn)代信號(hào)處理技術(shù)及其在電力系統(tǒng)中的應(yīng)用。Email：wh_venny@163.com

劉志剛（1975—），男，博士，教授，博士生導(dǎo)師，研究方向?yàn)楝F(xiàn)代信號(hào)處理技術(shù)及其在電力系統(tǒng)中的應(yīng)用、軌道交通電氣化自動(dòng)化技術(shù)。Email：liuzg_cd@126.com

崔 艷（1991—），女，碩士研究生，研究方向?yàn)楝F(xiàn)代信號(hào)處理理論及其在電力系統(tǒng)中的應(yīng)用。Email：cy_kuaile123@126.com

中圖分類號(hào)：TM712

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1003-8930（2016）07-0001-06

DOI：10.3969/j.issn.1003-8930.2016.07.001

作者簡(jiǎn)介：

收稿日期：2015-01-30；修回日期：2016-01-08

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（U1434203、U1134205、51377136）

A Multiple Power Quality Detection Method for Disturbances of DFIGs Grid

LI Wenhui，LIU Zhigang，CUI Yan
（School of Electrical Engineering，Southwest Jiaotong University，Chengdu 610031，China）

Abstract：The power quality disturbances caused by wind power grid are mostly multiple disturbances including tran?sient oscillation.According to the disadvantages of traditional detection methods，such as modal aliasing，susceptibility to disturbance and poor universality.An algorithm of ensemble empirical mode decomposition（EEMD）combined with Morlet complex wavelet based spectral kurtosis（SK）is proposed to detect these kinds of power quality disturbances in this paper.The wind farm model of 200 doubly-fed induction generators（DFIGs）is built on the platform of real time dig?ital simulator（RTDS）to collect power quality disturbance signals related to wind power grid.The simulation results show that the method can effectively detect the multiple power quality disturbances caused by wind power grid.

Key words：wind power grid；power quality；multiple disturbances；ensemble empirical mode decomposition （EEMD）；Morlet complex wavelet；spectral kurtosis；real time digital simulator