基于数学形态学的风电并网电能质量扰动检测研究

新能源发电技术是解决化石能源引起的全球环境问题的重要途径之一。风力发电作为新能源发电技术的重要组成部分,在全球范围内得到了快速发展。近年来,随着风电场装机容量的不断增大,越来越多的大规模风电场并网运行,对电力系统的稳定性、电能质量的影响日益凸显,电能质量问题成为制约风电容量的重要因素。大规模风电并网远距离输送至负荷中心的供电形式是未来风电发展的必然趋势,对并网电能质量进行实时监测,准确快速检测出电能质量扰动发生的时刻,对维护风电系统的稳定运行,具有重要的现实意义。本文主要针对目前研究相对较少的暂态电能质量问题进行仿真和实验研究。考虑到实际电能质量监测系统运行工况复杂,采集到的信号往往存在一定的噪声,本文研究了形态EMD消噪方法。利用经验模态分解算法对扰动信号进行分解,通过定量分析的方法确定噪声主导模态,并采用自适应结构元素形态学滤波器进行信号去噪,仿真及实验数据结果对比证明了该方法在具备良好的去噪性能的同时,保留了信号突变点,为扰动时刻的检测提供了依据。在对原始信号进行去噪预处理的情况下,研究了利用图像边缘检测方法提取信号奇异点的扰动时刻定位方法,并采用形态学高帽变换来抑制背景梯度。在此基础上,针对标准形态学对噪声敏感的特性,引入柔性形态学算法,提高了算法的准确性和鲁棒性,并分析了不同结构元素及参数选择对处理结果的影响。仿真结果表明该方法对扰动奇异点的定位更加准确,检测精度更高。在总结目前电能质量监测系统的特点及不足的基础上,本文对目前风电并网电能质量的研究热点,电压暂降与低电压穿越问题进行了研究。采用本文算法,对引起我国某风电场风机脱网事故的实测电压暂降信号进行处理,验证本文算法在实际工程应用中的准确性和有效性。