基于CUDA 的智能電網(wǎng)諧波的檢測(cè)與監(jiān)控*

趙從杰 潘文林

（1.云南民族大學(xué)電氣信息工程學(xué)院 昆明 650500）

（2.云南民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院 昆明 650500）

1 引言

隨著新的可再生分布式發(fā)電技術(shù)的涌入，用電設(shè)備越來(lái)越復(fù)雜，電網(wǎng)諧波污染越來(lái)越嚴(yán)重。快速有效的檢測(cè)出電網(wǎng)中各次諧波電壓電流是設(shè)計(jì)濾波器的前提［1］。目前，諧波檢測(cè)方法可以分為時(shí)域分析法和頻域分析法兩大類(lèi)［2］。頻域分析主要是基于無(wú)功功率設(shè)計(jì)低通濾波器，但是所得到的是所有諧波的總和，對(duì)于電力系統(tǒng)分析并不適用；時(shí)域分析主要有離散傅里葉算法（DFT），小波變換，神經(jīng)網(wǎng)絡(luò)和現(xiàn)代譜估計(jì)等［3］。傅里葉變換在諧波檢測(cè)中雖然得到了廣泛的應(yīng)用，但是在信號(hào)處理采樣過(guò)程中，諧波信號(hào)被截?cái)嗫赡軐?dǎo)致諧波頻譜漏失的問(wèn)題［4～6］；小波變換利用其局部化分析的優(yōu)勢(shì)在電網(wǎng)諧波檢測(cè)領(lǐng)域得到了廣泛關(guān)注，但是基波的選取沒(méi)有規(guī)范導(dǎo)致算法具有不確定性，并且分層的細(xì)化會(huì)加大計(jì)算量［7～8］；神經(jīng)網(wǎng)絡(luò)在檢測(cè)電網(wǎng)諧波方面更具靈活性和精準(zhǔn)性，但是訓(xùn)練樣本的選擇還是其發(fā)展的瓶頸［9～10］；現(xiàn)代譜估計(jì)法具有高精度但是矩陣計(jì)算量過(guò)大［11］。

近幾十年來(lái)，現(xiàn)代電力系統(tǒng)分析和仿真的計(jì)算需求一直在穩(wěn)步增長(zhǎng)［6］。隨著智能電網(wǎng)的出現(xiàn)，對(duì)計(jì)算吞吐量的需求也隨之增加。由于大量注入可再生能源、分布式能源儲(chǔ)存和發(fā)電以及新技術(shù)，用于執(zhí)行這些任務(wù)的模型變得越來(lái)越復(fù)雜和計(jì)算密集［5］。智能電網(wǎng)中可再生能源的整合引入了隨機(jī)發(fā)電，這就需要更復(fù)雜的算法來(lái)確保系統(tǒng)安全。智能電網(wǎng)中先進(jìn)計(jì)量基礎(chǔ)設(shè)施（AMI）的部署為電力系統(tǒng)控制中心提供了大量實(shí)時(shí)數(shù)據(jù)，因此需要更高效的軟件算法和更快的硬件平臺(tái)。對(duì)實(shí)時(shí)分析和仿真的需求不斷增加，這就要求找到更快、更有效和更有效的計(jì)算方法，GPU 計(jì)算解決了這個(gè)問(wèn)題。本文提出了一種基于CUDA 的電網(wǎng)諧波分析儀，GPU作為并行計(jì)算機(jī)實(shí)現(xiàn)諧波仿真和分析，利用優(yōu)化窗插值FFT算法實(shí)現(xiàn)諧波檢測(cè)，優(yōu)化窗采用基于遺傳算法的組合預(yù)選函數(shù)。

2 基于優(yōu)化窗的四譜線插值FFT 的電網(wǎng)諧波分析

利用FFT 分析電網(wǎng)諧波時(shí)可能由于周期被分端導(dǎo)致一定的檢測(cè)誤差，加窗和插值都可以有效的提高檢測(cè)精度。本文利用遺傳算法優(yōu)化組合余弦函數(shù)的參數(shù)得到一個(gè)五階窗函數(shù)，然后利用該函數(shù)實(shí)現(xiàn)四譜線插值FFT算法實(shí)現(xiàn)電網(wǎng)諧波分析。

2.1 基于遺傳算法的組合余弦函數(shù)的參數(shù)優(yōu)化

組合余弦窗函數(shù)的旁瓣特性是衡量fft 檢測(cè)電網(wǎng)諧波改善情況的表征值，組合余弦窗函數(shù)的表達(dá)式如下：

其中M表示窗函數(shù)項(xiàng)數(shù)，N表示窗函數(shù)長(zhǎng)度，n=0，1…N，bm為窗函數(shù)輸入量，滿足：

本文利用遺傳算法對(duì)旁瓣峰值電壓和旁瓣漸近衰減率進(jìn)行參數(shù)優(yōu)化，優(yōu)化過(guò)程如下：

1）窗函數(shù)輸入量約束條件優(yōu)化：

2）以旁瓣峰值電壓ν和旁瓣漸近衰減率λ為優(yōu)化目標(biāo)建立目標(biāo)優(yōu)化函數(shù)：

其中，α和β分別為旁瓣峰值電壓和旁瓣漸近衰減率的權(quán)重，且α+β=1，θ為懲罰因子。α、β的參數(shù)設(shè)置規(guī)則如表1。

表1 α、β 的參數(shù)設(shè)置規(guī)則

懲罰因子θ一般為1，當(dāng)出現(xiàn)ν＞0，λ＜0 時(shí)，θ為0。

3）遺傳算法參數(shù)設(shè)置

遺傳算法參數(shù)設(shè)置如表2。

表2 遺傳算法參數(shù)設(shè)置表

2.2 基于四線譜插值FFT的電網(wǎng)諧波分析

頻率為f0的信號(hào)被采樣頻率fs均勻采樣后得到：

其中，C為信號(hào)幅值，φ0為初始相位。

x(n)經(jīng)過(guò)加窗后得到xω(n)=x(n)ω(n)，經(jīng)過(guò)傅里葉變換后得到：

幅值優(yōu)化后：

頻率優(yōu)化后：

初始相位優(yōu)化后：

其中，kp表示最大譜線的FFT點(diǎn)數(shù)，yp為其對(duì)應(yīng)的幅值，yp+1為次最大線譜FFT 點(diǎn)數(shù)對(duì)應(yīng)的幅值，yp-1和yp+2分別為其兩側(cè)的幅值。

3 基于CUDA的電網(wǎng)諧波監(jiān)測(cè)的實(shí)現(xiàn)

CUDA 是一個(gè)通用的并行計(jì)算平臺(tái)和編程模型，其編程模型允許開(kāi)發(fā)透明地?cái)U(kuò)展其并行性的軟件，以利用不斷增加的處理器核數(shù)，允許相同的程序在任何CUDA GPU 上運(yùn)行。這是通過(guò)使用CUDA C/C++編程語(yǔ)言來(lái)實(shí)現(xiàn)的。

3.1 CUDA并行計(jì)算

CUDA 的計(jì)算單元本質(zhì)是一個(gè)流處理器，執(zhí)行各個(gè)GPU 線程，流處理器被分為多個(gè)處理器，這些處理器共享內(nèi)存和寄存器。CUDA 接口本質(zhì)上是一個(gè)C代碼，可以在PGU上運(yùn)行。它提供了一種混合方法來(lái)執(zhí)行并行計(jì)算，其中代碼段可以在CPU或GPU 上執(zhí)行。在設(shè)備上執(zhí)行但從主機(jī)調(diào)用的模塊稱(chēng)為內(nèi)核。設(shè)備上運(yùn)行的并行內(nèi)核實(shí)現(xiàn)編碼，由許多線程并行執(zhí)行。

圖1 CUDA結(jié)構(gòu)框圖

3.2 內(nèi)存優(yōu)化

CUDA 程序處理有兩個(gè)單獨(dú)的內(nèi)存空間，一個(gè)在主機(jī)上，一個(gè)在設(shè)備上。啟用CUDA 的設(shè)備包括不同的存儲(chǔ)器類(lèi)型，必須對(duì)其進(jìn)行有效編程，以便有效利用硬件［13］。數(shù)據(jù)傳輸不僅可以在主機(jī)和設(shè)備內(nèi)存之間進(jìn)行，而且可以在設(shè)備上的不同內(nèi)存之間進(jìn)行。因此，建議最大程度地減少主機(jī)與設(shè)備之間的數(shù)據(jù)傳輸，以實(shí)現(xiàn)最佳整體性能。

固態(tài)傳輸可在主機(jī)和設(shè)備之間提供最大的帶寬，能實(shí)現(xiàn)大于5GBps的傳輸速率［15］。盡管內(nèi)存復(fù)制和內(nèi)核按順序執(zhí)行，但是最先進(jìn)的GPU 可以將設(shè)備上的內(nèi)核執(zhí)行與主機(jī)和設(shè)備之間的數(shù)據(jù)傳輸重疊執(zhí)行。順序傳輸主機(jī)和設(shè)備之間沿任一方向的數(shù)據(jù)傳輸通常以阻塞傳輸方式執(zhí)行，僅在數(shù)據(jù)傳輸完成后，控制權(quán)才返回給主機(jī)線程。相反，異步傳輸是一種非阻塞方式。如圖2 所示為順序執(zhí)行和異步執(zhí)行示意圖。

圖2 順序執(zhí)行和異步執(zhí)行示意圖

4 仿真與驗(yàn)證

為了驗(yàn)證本文提出的檢測(cè)方法正確性進(jìn)行了仿真驗(yàn)證，搭建信號(hào)Xi(t)，包括基波和諧波，采樣頻率為3.2kHz，采樣數(shù)為1024，基波頻率為50Hz。如圖3 所示為基波的檢測(cè)波形圖，圖4 為各次諧波的檢測(cè)波形圖，圖5～7為各次諧波的檢測(cè)相對(duì)誤差。

圖3 基波檢測(cè)圖

圖4 各次諧波波形檢測(cè)圖

圖5 各次諧波幅值檢測(cè)相對(duì)誤差

圖6 各次諧波頻率檢測(cè)相對(duì)誤差

圖7 各次諧波相位檢測(cè)相對(duì)誤差

根據(jù)仿真結(jié)果可以看出經(jīng)過(guò)組合余弦窗函數(shù)插值后的FFT轉(zhuǎn)換的諧波檢測(cè)誤差更小，諧波檢測(cè)更精準(zhǔn)。利用GPU 計(jì)算遺傳算法迭代效率更快，實(shí)現(xiàn)插值速度更快。

5 結(jié)語(yǔ)

本文針對(duì)智能電網(wǎng)的諧波檢測(cè)和分析展開(kāi)研究，在分析了現(xiàn)在比較常用的諧波檢測(cè)方法的優(yōu)缺點(diǎn)后提出了一種基于組合余弦窗函數(shù)插值FFT 變換的諧波檢測(cè)方法，通過(guò)仿真驗(yàn)證該方法可以有效降低因?yàn)椴蓸舆^(guò)程處理截?cái)嘀C波周期導(dǎo)致的檢測(cè)誤差。組合余弦窗函數(shù)參數(shù)通過(guò)遺傳算法進(jìn)行優(yōu)化，但是計(jì)算量大的時(shí)候可能會(huì)導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)，對(duì)實(shí)時(shí)監(jiān)控電網(wǎng)諧波產(chǎn)生時(shí)滯，因此利用CUDA 系統(tǒng)并行計(jì)算，通過(guò)實(shí)驗(yàn)驗(yàn)證，利用GPU 并行計(jì)算速度更快，計(jì)算精度更高。