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確鎖定的，容易造成諧波影響嚴重的問題，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.