基于人工神经元网络的电力系统谐波测量方法

合集下载

RBF神经网络在谐波检测中的应用

维普测中的应用Ｂ
曹长修钱基业何立新
（．１重庆大学自动化学院重庆４Ｏ４；２重庆大学电气工程学院重庆４０４）ＯＯ４．０ｏ４
摘
要：有源电力滤波器补偿性能与所采用的谐波检测方式有很大的依赖关系，现有的检测方法存在精度
非线性负载产生的负载电流一般可以根据式
作者简介：曹长修（９７一，博士生导师，１３）男，主要研究方向为神经网络与现代通信技术。
２００７年第１期
．６－．． — —４－－ — —
维普资讯
ｅｉｔｇｍｅｏｆｈａｍｏｉｅｅｔｏａｅｓｍｅｄｉａｖｎａｅｓｃｓｔｅｌｗｅａｍｏｃｐｃｓｏｘｓｎｔｄｓｏｒｎｃｄｔｃｉｎｈｖｏｓｄａｔｇｓ，ｕｈａｏｒｈｒｎｒｉｉｎ，ｓｎｉｖｏｉｈｈｉｅｅｓｔｅｔｉ
电流检测。但目前采用的ＢＰ神经网络模型存在收
极性相反的补偿电流，而使电网电流只含基波分从
量，也可以同时对谐波和无功进行补偿。
敛时间较长、可能出现局部极小值，对非线性问题全局优化求解困难等缺点。为解决这些问题，本文
提出一种基于ＲＦ神经网络的谐波电流检测方法，Ｂ
ＡｂｔａｔＴｅｃｍｐｎａｎａａｉｔｆｃｉｅｐｗｒｄｅａｅａｉｎｗｉｅｗａａｍｏｉｅｅｔｎ，ｕｅｓｃ：ｈｏｅｓｔｇｃｐｂｌｙｏｔｏｅｆｔｒｈｓｒｌｔｔｔｙｏｈｒｎｃｄｔｃｏｂｔｒｉｉａｖｏｈｈｆｉｈｔ

谐波检测方法

谐波检测方法谐波是指在正弦波中，频率是基波频率的整数倍的波。

在电力系统中，谐波是一种常见的问题，它会导致电气设备的过热、损坏甚至系统的不稳定。

因此，对谐波进行有效的检测和分析是非常重要的。

本文将介绍几种常见的谐波检测方法。

首先，最常用的方法是使用谐波分析仪进行检测。

谐波分析仪是一种专门用于检测电力系统中谐波的仪器，它可以测量各次谐波的幅值、相位和频率，帮助工程师们全面了解系统中的谐波情况。

通过谐波分析仪的检测数据，可以快速准确地定位谐波源，并采取相应的措施进行治理。

其次，另一种常见的谐波检测方法是使用数字保护装置进行在线监测。

数字保护装置在电力系统中起着重要的作用，它不仅可以对系统的电气参数进行监测和保护，还可以实时检测系统中的谐波情况。

通过数字保护装置的在线监测，工程师们可以及时发现系统中的谐波问题，并进行相应的调整和控制，确保系统的安全稳定运行。

另外，还有一种比较简单粗暴的方法是使用示波器进行检测。

示波器是一种常见的通用仪器，它可以显示电压和电流随时间变化的波形图像。

通过观察波形图像，工程师们可以初步判断系统中是否存在谐波，并大致了解谐波的频率和幅值。

虽然示波器不能像谐波分析仪那样精确地测量各次谐波的参数，但在一些简单的情况下，也可以发挥一定的作用。

最后，还有一种比较新颖的方法是使用智能电网技术进行谐波检测。

智能电网技术是近年来发展起来的一种新型技术，它可以实现对电力系统的智能监测和控制。

通过智能电网技术，工程师们可以实时监测系统中的谐波情况，并利用智能算法进行分析和预测，为系统的稳定运行提供有力的支持。

总之，谐波检测是电力系统中非常重要的一环，它关乎着系统的安全稳定运行。

针对不同的情况，工程师们可以选择合适的方法进行谐波检测，及时发现和解决系统中的谐波问题，保障电力系统的正常运行。

希望本文介绍的几种谐波检测方法能够为工程师们在实际工作中提供一定的参考和帮助。

基于人工神经网络的电力系统故障诊断技术研究

基于人工神经网络的电力系统故障诊断技术研究人工神经网络技术在电力系统的应用中具有广泛的应用前景。

其中，电力系统故障诊断技术是电力系统运行中最为重要的技术之一。

本文将探讨基于人工神经网络的电力系统故障诊断技术研究，以及在电力系统故障诊断方面进行改进的方法。

一、人工神经网络人工神经网络(简称ANN)是模拟人脑神经元之间相互连接的计算系统，以实现信息处理和知识存储，并能自适应地从经验中学习。

ANN的结构与人脑的结构相似，包括输入层、隐含层和输出层。

一般采用BP神经网络进行模型训练，训练完成后可以用于诊断设备故障。

二、基于ANN的电力系统故障诊断方法在电力系统的诊断过程中，ANN具有很好的特征提取和模式识别能力，可以有效地解决复杂设备故障的问题。

目前基于ANN的电力系统故障诊断方法主要分为以下几种：1. BP神经网络模型BP神经网络是一种典型的ANN模型，其训练和预测过程都比较简单。

在电力系统故障诊断方面，BP神经网络可以处理包括高压开关、变压器、发电机等在内的多种设备的故障。

2. RBF神经网络模型RBF神经网络是一种具有高度非线性特征的ANN模型。

在电力系统故障诊断中，RBF神经网络可以有效地处理低压电力设备的故障。

并且，该模型具有很强的学习能力和泛化能力，可以在复杂环境下进行预测和诊断。

3. SOM神经网络模型SOM神经网络是一种具有很强的自组织特征的ANN模型。

在电力系统故障诊断中，SOM神经网络主要用于电力监控系统中，可以对设备的状态进行实时监测和处理。

三、改进基于ANN的电力系统故障诊断方法无论是BP神经网络、RBF神经网络还是SOM神经网络，都存在着一些缺点和不足。

为了使其在电力系统故障诊断方面发挥更大的作用，需要进行改进。

当前，主要有如下改进方法：1. 搭建深度神经网络模型深度神经网络(Deep Neural Network)可以通过多层隐藏层来提高模型的非线性拟合能力。

在应用于电力系统故障诊断时，搭建深度神经网络模型可以提高模型的准确率和诊断精度。

基于优化神经网络的电网谐波检测方法

算法都优化了的多层前馈神经网络（ＦＭＬＮＮ）电网中的谐波进行检测，对即首先考虑到神经网络的权值记忆负担主要来自谐波幅值和相角的变化，因此先对相角进行确定；再用基于神经网络理论方法对幅值进行检测，并使每一个输出神经元都对应于自己的隐层；然后利用多层前馈神经网络对当前及上一时刻的采样值进行分析，实现了对电网谐波的检测。实验仿真结果
ＺｕＨｏｇｕｎＨｕＪｎｕＬｅｈａＳｉｎｈｎｊａｉｊｎａｉｎｕｕＬｊＦｕ
（ｂｉｒｆｓｎｌｏｌｇｆｏｉｃｌｃｎｅｎａＳｉａｈａｇ００６）ＨｅｅＰｏｅｉａＣｌｅｏｌｉｉｃｄＬｗ，ｈｊｚｕｎ５０１ｓｏｅＰｔａＳｅａｉ
证明了该方法的有效性。
关键词：前馈神经网络；电网谐波；测；检优化
中图分类号：ＴＮ９１７１．文献标识码：Ａ
Ｐｏｗｅｔｒｒｏｃｄｅｅｔｏｅｈｄｒｎｅｗｏｋｈａｍｎｉｔｃｉｎｍｔｏｓｂｓｄｏｒｉｉｉｌｎｅｒｌｎｔｒａｅｎａｔｆｃａｕａｅｗｏｋ
Ａｂｔａｔｓｒｃ：ＡｎａｔｉｉｌｎｕａｅｗｏｋａｐｏｃａｅｎＭＬＦＮＮｏｅｓｉｇｈａｍｏｉｓｉｏｃｙｔｍｒｐｓｄｒｉｃａｅｒｌｔｒｐｒａｈｂｓｄｏｆｎｆｒｍａｕｒｎｒｎｃｎｆｒｅｓｓｅｉｐｏｏｅ．ｓＴｈｅｒｕｄｎｏｅｅｇｔｉａｎｙｆｏｔｅｃａｇｆｍｐｌｕｅａｄｐａｅｗｈｎｔｅＭＬＦＮＮｓａｐｌｄｔａ — ｅｍｍｏｙｂｒｅｆｎｔｗｉｈｓｍｉｌｒｍｈｈｎｅｏａｉｄｎｈｓｅｈｔｉｐｉｏｈｒｅｍｏｉｅｓｒｍｅｔＯｈｒｎｃｐａｅｓｏｌｅｄｃｄｄｉｈｉｔｐａｅＴｈｎｔｅａｐｉｕｅｉａｕｅｙｎｕａｎｃｍａｕｅｎ，Ｓａｍｏｉｈｓｈｕｄｂｅｉｅｎｔｅｆｒｌｃ．ｅｈｍｌｄＳｍｅｓｒｄｂｅｒｌｔｎｔｒｌｏｉｈ，ａｄｍａｅｓｒｖｒｅｖｅｌａｔｗｎｆａｅｅｗｏｋａｇｒｔｍｎｋｕｅｅｅｙｎｒｅｃｌｈｓｉｓｏｒｍ．Ａｆｅｗａｄｎｌｚｎａｃｌｔｈａｐｅｖｌｅｔｒｒｓａａｙｅａｄｃｌｕａｅｔｅｓｍｌａｕｏｕｒｎｓｗｅｌｓｔｅｌｓｏｅｔｔｅｎｖｎｕｌｅｅｔｏｆｏｒｎｔｒａｍｏｃｃｎｂｃｅｅ．Ｓｉｕａｆｃｒｅｔａｌａｈａｔｍｍｎｉ，ａｄｅｅｔａｌｄｔｃｉｎｏｗｅｅｗｏｋｈｒｎｉａｅａｈｉｖｄｍｙｐｍｌ— ｔｎｒｓｌｓｓｏｔａｈａｍｏｉｏｏｅｔａｅｄｔｃｅｎｒａｉｅａｄｗｉｈｈｇｒｃｓｏ．ｉｅｕｔｈｗｈｔｔｅｈｒｎｃｃｍｐｎｎｓｃｎｂｅｅｔｄｉｅｌｍｎｔｉｈｐｅｉｉｎｏｔＫｅｗｏｄ：ＭＬＦＮＮ；ｈｒｎｃｙｒｓａｍｏｉｓ；ｄｔｃｉｎ；ｘｅｌｎｅｅｔｏｅｃｌｔｅ

谐波检测方法

谐波检测方法谐波是指在周期性波形中，频率是基波频率的整数倍的波动。

在电力系统中，谐波是一种常见的电力质量问题，它会导致设备损坏、系统效率降低以及电网稳定性下降。

因此，对谐波进行及时准确的检测是非常重要的。

本文将介绍几种常见的谐波检测方法。

1. 传统的谐波检测方法。

传统的谐波检测方法主要包括使用示波器、功率分析仪和谐波分析仪。

示波器可以用来观察电压和电流的波形，通过观察波形的畸变程度来初步判断是否存在谐波。

功率分析仪可以用来检测电网中的功率因数、谐波含量等参数，从而判断谐波的情况。

而谐波分析仪则可以更加准确地分析出各次谐波的含量和频率，对谐波进行更深入的分析。

2. 基于数字信号处理的谐波检测方法。

随着数字信号处理技术的发展，基于数字信号处理的谐波检测方法也得到了广泛的应用。

通过对电压和电流信号进行采样和数字化处理，可以利用傅里叶变换等算法准确地分析出各次谐波的频率和幅值。

这种方法不仅精度高，而且可以实现自动化检测，大大提高了谐波检测的效率和准确性。

3. 基于智能算法的谐波检测方法。

近年来，人工智能和机器学习技术的发展为谐波检测提供了新的思路。

利用神经网络、支持向量机等算法，可以从复杂的电力信号中自动提取谐波特征，实现对谐波的智能识别和检测。

这种方法不仅可以应对电网中谐波信号多变、复杂的特点，而且还可以不断优化模型，提高检测的准确性和鲁棒性。

4. 基于频域分析的谐波检测方法。

频域分析是一种常见的信号处理方法，对于谐波检测也有着重要的应用。

通过将电压和电流信号转换到频域，可以清晰地观察到各次谐波的频率和幅值，从而实现对谐波的准确检测。

同时，频域分析还可以结合滤波技术，去除基波以外的谐波成分，进一步提高谐波检测的精度。

总结。

谐波检测是电力系统中非常重要的一环，对于保障电网安全稳定运行具有重要意义。

传统的谐波检测方法虽然已经比较成熟，但在精度和自动化方面仍有待提高。

基于数字信号处理和智能算法的谐波检测方法是未来的发展方向，可以更好地适应复杂多变的电力系统环境，实现对谐波的快速、准确检测。

基于FFT的电力系统谐波检测方法综述

基于FFT的电力系统谐波检测方法综述作者：高云辉谢小英牛益国肖鑫王珺来源：《科技资讯》2017年第05期摘要：随着我国电网规模的日益扩大，各种非线性用电设备的迅速增加，电网的谐波污染也逐渐严重，如何快速有效地检测和分析网络中的谐波成分是一个大家非常关心的问题。

该文介绍了当前电力系统中检测和分析谐波的几种常用方法，比较各种方法在运算速度和精确度方面的优劣以及它们的适用条件，对实际中应用最广泛的基于傅里叶变换的谐波分析方法重点做了研究，阐明了基于傅里叶变换的谐波分析方法存在的问题以及各种在其基础上提高运算精度的改进方法。

探讨了电力系统谐波检测分析方法的发展趋势和近年来出现的新方法、新思路。

关键词：谐波分析 FFT Hanning窗插值算法神经网络中图分类号：TM93 文献标识码：A 文章编号：1672-3791（2017）02（b）-0049-06早在19世纪末期的时候人们就发现了电压、电流的畸变问题，但电力系统的谐波问题真正引起人们的广泛关注是在20世纪初。

20世纪70年代以来谐波污染日益严重，国际社会和学术组织开始商讨制定有关限制谐波的标准和规定。

我国的谐波研究起步较晚，但是我国近些年的电网发展速度很快，各种大功率电力电子设备的大量应用、高压直流输电的发展、风电并网以及电气化铁路的快速建设等都引起电网谐波含量的增加，使得电网波形的畸变更严重，给电网的安全稳定运行带了极大影响。

如何能够把谐波污染最大限度地减少，是电力行业和电力电子领域关心的问题，而这一问题的解决首先在于精确地分析谐波的频率、幅值和相位。

可见谐波检测和分析的重要性。

1 电力系统谐波分析的常用方法1.1 采用模拟滤波器硬件电路检测谐波的方法这是最早的谐波测量手段，其装置构成如图1所示，输入信号放大之后送入并行连接的若干组带通滤波器，每个滤波器的中心频率都是固定的以通过特定频率的谐波，再经过检波器送到多路显示器[1]。

这样就得到了输入信号中的谐波成分及其幅值。

人工神经网络在电力系统中的应用

人工神经网络在电力系统中的应用摘要：本文介绍了人工神经网络在电力系统的短期负荷预测、多状态振荡的阻挡、谐波源的检测与辨识等方面的应用。

关键词：电力系统；人工神经网络；智能控制1、负荷预报及网损计算的人工神经网络方法1.1 短期负荷预报的人工神经网络方法为了用户安全、经济地提供高质量的电能，电力部门必须解决运行、控制、规划等方面的许多技术、经济问题。

为了实现对电力系统的最佳规划与运行，获得最好的经济效益，系统工程理论与优化技术在电力系统中广泛滥用。

应用这些理论与技术的前提是预先知道系统的负荷大小。

因此长期的和短期的负荷预报是一个很重要的课题。

短期负荷预报主要用于电力系统的控制与调度，作为潮流计算及偶发事故分析的输入量。

而传统的方法几乎毫无例外地属于时间序列的范畴，近年也利用专家系统进行负荷预报。

在已有的几利负荷模型中，有的在时间序列中没有考虑气候的影响。

而在计及气候影响的模型中，要求写出负荷与影响负荷的各个因素之间的解析表达式，这往往非常困难。

人工神经网络则无需写出未来负荷与各个影响因素之间的解析表达式，通过样本对神经网络进行学习训练即可。

于是，人工神经网络方法成为提高负荷预报精度、缩短预报的计算时间的有效途径，负荷预报成为人工神经网络方法最有前景的应用领域之一。

1.2 网损计算的人工神经元方法理论上可以采用潮流计算方法求得任一时刻的有功功率损耗，对时问积分求出能量损耗。

但由于电网特别是低压电网元件众多，接线复杂、测量数据不等原因，使得准确的潮流计算难以进行，无法得到准确的网损。

不得不采用一些粗略的、近似的计算方法，如日均方根电流法、回归分析法等。

但即使采用这些近似方法亦存在许多困难，而且结果不尽人意。

人工神经网络无需写出输入与输出之间的映射关系，经过学习训练可以实现任意复杂的映射。

因此人们自然想到人工神经网络为基础的网损计算方法。

计算实践表明，人工神经网络可以模拟网损与特征参数任意复杂的非线性关系，而且由于该方法是面向数据的，因而可以适用于一切网络，即具有普适性。

基于神经网络和PRONY算法的电力系统谐波分析

含量放大，造成电容器等设备的烧毁．波还会引谐起继电保护和自动装置误动作，电能计量出现使
混乱Ｌ．１对于电力系统外部，波对通信设备和电］谐
子设备会产生严重的干扰．外，另电力电子技术是未来科学技术发展的重要支柱．人预言，有电力电子连同运动控制将和计算机技术一起成为２１世纪最重要的两大技术［．而电力电子装置所产２然］生的谐波污染已成为阻碍电力电子技术发展的重
（）于有源滤波器的提出基于神经元的自３基适应谐波电流检测法，该方法将有功电流的检测
网络用三层神经网络来代替，电流的采样值作用为输入，用反向传播算法对权值和阈值进行调利
节．
以下方面Ｌ：６］
严重．波使电能的生产、输和利用效率降低，谐传使电气设备过热、生振动和噪声，使绝缘老产并
化，用寿命缩短，至发生故障或烧毁．波可使甚谐
引起电力系统局部并联谐振或串联谐振，谐波使
（）出了人工神经网络的电力系统谐波测１提量方法，通过构造特殊的多层前馈神经网络，利用
模拟并行谐波测量装置的基本原理，立相应的建
谐波测量电路．
大障碍，它迫使电力电子领域的研究人员必须对

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于人工神经元网络的电力系统谐波测量方法
摘要：电力系统的谐波和间谐波问题是系统运行稳定性的主要影响因素，关于
其检测方法的研究受到学界的广泛关注，并取得了一定成果。

本文首先对几种电
力系统谐波和间谐波检测方法进行分析，包括谐波检测中的早期方法、DFT算法、同步偏差削弱法等，以及间谐波检测中的自适应窗函数法、时域平衡法和两部检
测法等。

关键词：电力系统；谐波和间谐波问题；检测方法
前言
针对电力系统中普遍存在的谐波和间谐波问题，要实现谐波治理，首先要做
到对谐波和间谐波的有效测量。

根据相关标准和供电质量要求，判断电力系统谐
波水平是否在允许范围内，进而为系统调整和电气设备的调试运行提供依据。

因此，谐波和间谐波检测是电力系统谐波问题研究中的一个重要课题。

近年来，关
于电力系统谐波和间谐波检测方法的研究取得了重要突破，提出多种有效的检测
方法，将其有选择的应用到电力运行维护工作中，可以有效提高电力供应质量。

一、电力系统谐波检测方法
（一）早期间谐波检测方法
对电力系统谐波问题的研究经历了较长时间，早期的谐波检测方法一般是基
于电力系统信号仅包含谐波信号的假设进行的研究。

利用模型x（t）=Amsin
（mω0t+ψm）进行分析。

其中M是最高谐波次数，Am是谐波幅值，m是谐波次数，当m=1是代表基波，ψm是谐波初始相位，ω0=2π/T0，T0是信号基波周期。

基于该信号模型的检测方法中，离散傅里叶变换法（DFT）应用最广泛，具有较
高的实用性和稳定性，快速傅里叶变化法（FFT）则提高了谐波检测算法的实效性。

在DFT算法中，采样周期为Ts，对模型x（t）的S个采样周期进行离散化，可以
得到x（n）=Amsin（mω0nT+ψm），其中n=0，1，…，N-1。

然后对N点采样序
列进行DFT处理，分别计算出各次谐波频率、相位、幅值等参数[1]。

（二）DFT算法误差
采用传统DFT算法对谐波算数进行计算时，往往也存在一定的偏差，其偏差
主要来源于三个方面，一是信号混送带来的偏差，二是电压电流互感器和A/D转
换器带来的偏差，三是非同步采样偏差。

其中同步偏差是计算偏差的主要原因。

在同步采样时，泄露频谱在整次谐波点的幅值为零，可以根据采样值准确计算出
谐波参数，但在实际工程中，不可能做到严格的同步采样。

在非同步采样条件下，泄露频谱在整次谐波点的幅值不为零，因此会导致测量误差[2]。

（三）同步偏差削弱方法
为提高电力系统谐波检测精度，需要采用同步偏差削弱方法，通过调整采样
策略，尽可能的减少非同步采样偏差。

具体的调整策略包括硬件同步策略和软件
同步策略两个方面。

为实现硬件同步，可以通过增设锁相环电路，对信号进行实
时跟踪，调整采样频率，从而实现同步采样。

目前该方法已经在实际测量中得到
了较为广泛的应用。

软件同步策略包括优化采样点数、采取双速率采样方法等。

其中，双速率采样方法是在采样区间内使用两种不同采样速率，缩小非同步偏差，但该方法的应用要求做到准确测频，而且会改变DFT算法旋转因子，可能会引起
新的误差问题。

此外还有学者提出了采样周期优化法、动态调整法和分段调整法
等不同的采样调整策略。

但这些方法也存在一些问题，比如周期优化法需要在电
网频率和采样周期已知的条件下应用，无法满足高速计算需求。

针对这种情况，
部分学者另辟蹊径，在同步偏差一定时，通过采样数据处理或测量结果修正，达
到减小测量误差的目的。

由此提出了近似同步采样法、准同步采样法、窗函数法
和加窗插值法等，可以有效消除同步偏差的影响[3]。

二、电力系统间谐波检测方法
（一）自适应窗函数法
在电力电子装置大量接入的情况下，周期性波动负荷不仅带来了谐波问题，
也会对电力系统注入大量间谐波。

在电力系统中，间谐波问题主要会引起电网波
形过零点便宜、闪变等问题，而且对其检测精度由较高要求。

包含间谐波的电力
系统信号模型为x（t）=Amsin（ωmt+ψm）。

当ωm是ω0的整数倍时，该模型
为谐波分量，ωm是ω0的非整数倍时，则代表间谐波分量。

如果信号模型包含
间谐波分量，即使在采样时宽为基波周期整数倍时，也存在非同步采样偏差问题。

为减小频谱泄露对检测精确度的影响，自适应窗函数法被应用到谐波和间谐波检
测过程中。

该方法能够增加信号时域的采样时宽，从而提高频率分辨率。

考虑到
某一时域离散信号的存在，分别取向量Xp和Yp，并求取两者的自相关性，即
Kp=<Xp，Yp>/||Xp|| ||Yp||，其中“<>”为向量内积符号，“|| ||”为向量范数。

理
想的Kp值为1，此时可以实现同步采样，在实际应用过程中，额可以选择一个接近1的阈值δ，如果Kp值小于δ则让p值加1，求取Kp+1的值，直到满足
δ≤Km≤1时，将m各采样点确定为同步采样点，从而消除非同步采样误差问题。

（二）时域平均法
时域平均法是为了降低谐波和间谐波的频率泄露产生的相互影响作用而提出
的方法。

该方法是通过时域平均计算，确定基波和谐波分量，然后采用滤波器消
除基波和谐波，从而消除基波和谐波泄露对间谐波产生的影响。

在此基础上，通
过采用补零后的DFT计算方法，确定间谐波成分。

但应用该方法时需要获取基波
频率，并确保基波频率的测量进度，而且需要做到对基波和谐波时域信号的同步
采样。

（三）两步检测法
两步检测法则是先在原时域离散信号x（n）中采用加窗窗插值法计算谐波幅
值和相位。

x（n）=xh（n）+x1（n），其中xh（n）为理想的谐波分量离散点，
x1（n）为理想的间谐波分量离散点。

可以通过谐波信号的时域重构和离散化处理，得到xh1（n），然后再次采用加窗插值法对x（n）-xh1（n）进行计算，确
定阶谐波参数。

由于一般情况下实际电力系统中的谐波幅值大于间谐波幅值，采
用这种方法可以有效削弱谐波泄露可能对间谐波检测产生的影响。

考虑到间谐波检测精度主要取决于谐波时域信号的重构精度，在频域分辨率
较小的情况下，可以采用旁瓣小、衰减快的窗函数取代矩形窗函数对电力系统谐
波和间谐波进行检测。

并通过采用加窗插值法，克服栅栏效应。

但是在工程的实
际应用过程中，采样周期不能无限延长，频域分辨率也有一定限度。

如果电力系
统谐波与间谐波成分的频域较为接近，采用上述算法则难以做到对邻近成分的有
效识别。

随着人们对电力系统信号模型认识的不断深入，随机谐波模型也在电力
系统谐波和间谐波检测过程中得到了应用，并提出希尔伯特-黄变换法（HHT）和
小波分析法等更加可靠的电力系统谐波和间谐波检测方法。

几种方法各有各的优
缺点，应根据不同检测方法的应用条件、检测精度要求和检测精度影响因素等，
合理选择检测方法，满足工程实际应用需求。

结束语
综上所述，通过对电力系统谐波检测方法和间谐波检测方法进行分别分析，可以更好的看出不同电力系统信号模型下的检测方法适用性。

通过找到电力系统谐波和间谐波检测精度的关键影响因素和各种检测方法的使用条件，可以为实际工程中的电力系统谐波治理提供依据，通过选择合适的方法，得到更加准确的谐波和间谐波检测结果，从而采取有效的治理措施，确保电力系统的稳定运行。

参考文献：
[1]刘小林，扈罗全.基于最小二乘法的电力系统谐波与间谐波检测方法[J].中国测试，2016，42（09）：31-35.
[2]崔晓荣，王军，曹林，曹太强，王汇灵.电力系统间谐波检测方法现状与发展趋势[J].电测与仪表，2012，49（05）：6-10+16.
[3]杨洪耕，惠锦，侯鹏.电力系统谐波和间谐波检测方法综述[J].电力系统及其自动化学报，2010，22（02）：65-69.。