一种实时电能质量扰动识别分类方法

针对电能质量扰动数据大、识别算法繁琐,难以实现在线实时识别等问题,提出了基于深度卷积神经网络AlexNet的电能质量扰动识别数法,首先将各类电能质量扰动转化为图片格式,然后输入到AlexNet算法,通过学习、调整电能质量扰动信号的特征参数,迭代收敛,最后将实时的电能质量扰动通过训练好的AlexNet,直接实现扰动识别分类。实时仿真结果表明,所提出的方法能精确识别包括3种复合扰动在内的17种电能质量扰动问题,只需要对电能质量扰动信号进行学习,即可以直接对电能质量扰动信号进行识别与分类,识别算法简单且处理的时间短,达到了实时性的目的。     

电网谐波下并网逆变器功率脉动抑制策略

电网电压中常含有一定的5次、7次谐波,导致并网逆变器输出功率产生6倍频脉动。为提高并网逆变器的运行性能,采用了一种基于谐振调节器的直接功率脉动控制策略,以实现并网逆变器输出有功功率和无功功率无波动的目的。基于瞬时功率理论,通过改变注入系统的有功和无功电流分量,结合谐振控制器抑制功率振荡。改进后的系统工作时无需获取谐波电流与电压的正负序分量,简单实用。基于1kW光伏并网逆变器实验平台对控制策略进行验证,实验结果表明,此控制策略能有效提高光伏并网逆变器的系统动态和稳态性能。