一種解決直流偏移的鎖相環(huán)建模

彭藝

摘 要：在高壓電網(wǎng)中，直流偏移現(xiàn)象會導(dǎo)致較為明顯的基頻振蕩問題，從而產(chǎn)生較大的相位估計誤差，為此本文提出一種基于復(fù)變陷波器的智能高壓電網(wǎng)鎖相環(huán)建模。所提算法能夠提高高壓電網(wǎng)鎖相環(huán)模型的計算速度和偏移響應(yīng)消除。

關(guān)鍵詞：復(fù)變陷波器;鎖相環(huán);低通濾波器

0 引言

高壓電網(wǎng)并網(wǎng)時，如果工作在理想狀態(tài)下，其自身所具有的鎖相環(huán)結(jié)構(gòu)具有同步坐標(biāo)系特征，在相位的動態(tài)實時跟蹤方面具有相對較佳的性能，同時在組成結(jié)構(gòu)上具有簡單易于實現(xiàn)的優(yōu)點，稱為目前常用的并網(wǎng)同步分析工具[1]。但是，鎖相環(huán)技術(shù)在應(yīng)用過程中也存在較為顯著的缺點，例如鎖相環(huán)分析的直流偏移問題，這種偏移產(chǎn)生的原因可能是輸入信號，也可能是傳感器檢測過程中出現(xiàn)的檢測誤差，嚴(yán)重的直流偏移問題可能會造成基波頻率振蕩過程中存在較為嚴(yán)重的誤差[2]。

為了消除高壓電網(wǎng)并網(wǎng)過程中鎖相環(huán)結(jié)構(gòu)所具有的直流偏移造成的誤差問題，研究人員對此進行了不同層面的研究。例如，文獻[5]針對高壓電網(wǎng)并網(wǎng)過程中鎖相環(huán)設(shè)計問題，提出了基于線性結(jié)構(gòu)的狀態(tài)空間分析方法，實現(xiàn)了對鎖相環(huán)直流偏移影響的定量分析。

為有效消除并網(wǎng)過程中鎖相環(huán)的直流偏移問題，本文提出一種基于復(fù)變陷波器的智能高壓電網(wǎng)鎖相環(huán)建模，目的是解決高壓電網(wǎng)鎖相環(huán)的直流偏移。

1 高壓電網(wǎng)鎖相環(huán)模型

1.1 鎖相環(huán)結(jié)構(gòu)

為有效解決高壓電網(wǎng)鎖相環(huán)存在的并網(wǎng)頻率偏移問題，首先提出一種濾波參數(shù)正序提取和采樣間隔調(diào)整的鎖相環(huán)控制模型，具體結(jié)構(gòu)見圖1所示。

圖1所示高壓電網(wǎng)鎖相環(huán)控制結(jié)構(gòu)中，控制模塊①是數(shù)據(jù)處理部分包含三個子過程：（1）高壓電網(wǎng)鎖相環(huán)控制結(jié)構(gòu)的數(shù)據(jù)采樣;（2）高壓電網(wǎng)鎖相環(huán)控制結(jié)構(gòu)的濾波處理;（3）高壓電網(wǎng)鎖相環(huán)控制結(jié)構(gòu)的變換過程。

1.2 正序濾波提取過程模塊

如果高壓電網(wǎng)并網(wǎng)過程中出現(xiàn)故障，會導(dǎo)致并網(wǎng)電網(wǎng)出現(xiàn)較為明顯的諧波問題，這對鎖相環(huán)控制過程的跟蹤精度產(chǎn)生不良影響[3]。為了解決諧波影響，本文所設(shè)計的正序濾波提取過程模塊的Z變換函數(shù)H（Z）如下：

2 復(fù)變陷波器高壓電網(wǎng)鎖相環(huán)建模

2.1 復(fù)變?yōu)V波器

在s域內(nèi)基于αβ坐標(biāo)的復(fù)變陷波器高壓電網(wǎng)鎖相環(huán)旋轉(zhuǎn)向量模型具有下列形式[4]：

2.2 復(fù)變域鎖相環(huán)結(jié)構(gòu)分析

2.3 濾波模型結(jié)構(gòu)設(shè)計

本文的創(chuàng)新之處是利用dq坐標(biāo)系對陷波器模型進行轉(zhuǎn)換，在此過程中設(shè)定陷波頻率。利用取代陷波器模型中的模型參數(shù)s，可計算得到改進后的復(fù)變陷波器模型形式DCCNF（s），并進而得到該模型在dq坐標(biāo)系中的傳函模型形式如下：

2.4 參數(shù)選取

3 結(jié)束語

隨著經(jīng)濟社會發(fā)展，國內(nèi)對于采用直流通道進行功率輸送的比例增加，在當(dāng)前國內(nèi)電網(wǎng)發(fā)展中占據(jù)重要地位。本文主要針對傳統(tǒng)鎖相環(huán)控制算法中，存在交流故障無法進行準(zhǔn)確鎖定的，容易造成諧波影響嚴(yán)重的問題，有針對性地提出一種改進策略，提出基于復(fù)變陷波器的高壓電網(wǎng)鎖相環(huán)建模方法。

參考文獻：

[1]Weiwei Shi，Yongxin Zhu， Tian Huang，et al. An Integrated Data Preprocessing Framework Based on Apache Spark for Fault Diagnosis of Power Grid Equipment[J].Journal of Signal Processing Systems，2017，86（2）：221-236.

[2]Alireza Rezvani，Maziar Izadbakhsh， Majid Gandomkar. Enhancement of microgrid dynamic responses under fault conditions using artificial neural network for fast changes of photovoltaic radiation and FLC for wind turbine[J].Energy Systems，2015，6（4）：551-584.

[3]Wei Pei，Wei Deng，Ziqi Shen，et al. Operation of battery energy storage system using extensional information model based on IEC 61850 for micro-grids[J].IET Generation，Transmission & Distribution，2016，10（4）：849-861.

[4]田兵，毛承雄，陸繼明，等.微網(wǎng)儲能變換器并網(wǎng)/離網(wǎng)無縫切換策略仿真[J].電力系統(tǒng)及其自動化學(xué)報，2014，26（11）：1-7.

[5]Alexis Kwasinski，Vaidyanathan Krishnamurthy，Junseok Song，et al. Availability Evaluation of Micro-Grids for Resistant Power Supply During Natural Disasters[J].IEEE Transactions on Smart Grid，2012，3（4）：2007-2018.

[6]Joaquin Eloy-Garcia，Juan Carlos Vasquez，Josep M Guerrero. Grid simulator for power quality assessment of micro-grids[J].IET Power Electronics， 2013，6（4）：700-709.