并聯型APF諧波檢測方法綜述

北方工業大學電氣與控制工程學院 蔣正榮 馬京哲

串聯型有源電力濾波器因其絕緣性能差、不易調整線路失效狀況以及無法實現無功功率動態補償的缺陷，現在使用的大多是并聯型APF。并聯型APF 可跟蹤諧波源產生的諧波電流，并生成與之相反的補償電流，適用于補償電流型諧波源[1]。

PWM 技術的應用不可避免地導致了輸出電流中存在高頻率切換產生的諧波，從而給電網帶來二次污染。所以，通常采用開關頻率的諧波濾波器，以抑制電網與逆變器之間的諧波分量的擴散[2]。

當前，在并網逆變器及APF 中使用的開關頻率諧波濾波器數量很少。在設計切換頻率的諧波濾波器時，要綜合考慮濾波性能、濾波器成本和能量消耗等諸多因素[3]。并聯型APF 如圖1所示。

圖1 并聯型APF

并聯有源電力濾波器因其眾多優點，而在當今工業中得到廣泛地應用。目前，并聯型APF 根據電流控制模式，有源濾波器可分為網側電流檢測和負載側電流檢測控制[4]。

1 諧波電流檢測技術

諧波檢測技術包括多種不同的分類，例如頻域檢測法、時域檢測法和其他檢測法；此外，還可能根據其特點分成兩類：一類為單獨檢測每個諧波幅度的選擇性檢測方法，另一類為將電流直接分成基波和諧波分量的非選擇性檢測法。對諧波實現高精度、實時化檢測是諧振治理的先決條件，而電力品質要求也不斷提升則進一步促使諧波檢測性能指標的改善。本文將從負荷側電流檢測和網側電流檢測劃分方式對諧波檢測的具體方法展開分析。

2 負荷側電流檢測

負載側電流檢測是APF 在市場中常見的策略，此方法選擇檢測負載側的諧波電流信號，控制濾波電路追蹤電流，達到電網側電流的正弦化。諧振檢測環節的性能為影響補償器效果的重點要素[5]。

2.1 基于瞬時無功功率理論的諧波檢測法

日本學者H.Akagi 最早提出三相瞬時功率理論，后發展為常用的諧波檢測方法，該方法又分為p-q 法和ip-iq 法，p-q 法無需鎖相環（Phase Locking Loop,PLL），但在電網電壓三相不平衡或者有畸變時，p-q 法無法準確檢測輸出準確的諧波分量。該方法的優點是，動態響應速度快，實時性好，檢測延時不到一個電源周期。p-q 法原理圖如圖2所示，在三相三線制電路中，當電網電壓存在畸變時，p-q 法無法準確地檢測諧波。

圖2 p-q 諧波檢測原理圖

圖3 ip-iq 諧波檢測原理圖

文獻[6]提出一種基于同步旋轉角度的改進的p-q 無功電流檢測方法，該方法實現了三相電網電壓不平衡或含有諧波時對無功電流的精確檢測。文獻[7]提出一種改進的p-q 諧波電流檢測方法，解決了傳統的諧波電流檢測算法在三相電壓不對稱或負載突然變化時，補償電流誤差較大的問題。

ip-iq 法原理圖如圖2所示，通過設置鎖相環，抵消電壓的干擾，從而在噪聲影響的情況下，準確地識別和抑制諧波。此外，該技術還能夠使用低通濾波器，減少噪聲的傳遞，從而大大降低了傳輸的時間。要想達到更準確的測量結果，就需要降低低通濾波器的截止頻率，因此ip-iq 法存在的準確性和及時性的矛盾。文獻[8]基于瞬時無功功率理論的核心思想，提出了一種改進的ip-iq 算法，不平衡三相電壓下檢測效果不準確的問題。

同步旋轉諧波檢測方法則是將abc 靜止坐標系統中的負荷電流轉化為dq 旋轉坐標，經HPF 濾波后的諧波成分被分離，同步旋轉法仍存在一定的檢測時延。文獻[9]一種基于虛擬旋轉坐標系諧波檢測法，通過將電流或電壓信號分解到虛擬旋轉坐標系的方法對信號進行濾波，引入幅值與相位補償環節，減輕了檢測延時與幅值與相位偏差問題，并實現了對指定次諧波的檢測以及各次諧波輸出限幅處理。

2.2 基于傅里葉變換的諧波檢測法

快速傅里葉變換（fast Fourier transform，FFT）法精度較高且容易實現，是目前諧波檢測領域廣泛使用的方法，其表達式為：

但FFT 計算量大，檢測耗時長，實時性較差，當采樣周期和信號周期不同步時，會產生頻譜泄漏和柵欄效應；當采樣頻率不滿足采樣定理時，還會產生頻率混疊現象。文獻[10]提出一種基于漢寧窗優化的分裂基FFT 算法，降低了FFT 算法復雜程度并提高了檢測精度與抗擾能力。

有源電力濾波器頻域檢測技術已成為識別和治理諧波的重要工具，包括離散傅里葉變換（Discrete Fourier Transform,DFT）、遞歸離散傅里葉變換（RecursiveDFT,RDFT）、延時信號對消（Delay Signal Cancellation,DS）諧波檢測方法等，以上算法可有效地抑制和抑制諧波的影響，從而提高APF 的性能。DFT 表達式為：

頻域探測技術的核心是利用傅里葉變換，對負載電流中的不同頻率諧波進行提取。但是其附加的運算則會使運算復雜程度更高，同時也會影響到諧波的解析度。

文獻[11]提出了基于五項MSD 窗六譜線插值FFT 的諧波與間諧波分析算法，大幅提升了抑制頻譜泄漏能力。

文獻[12]提出了基于一種輸入信號的特定諧波模式，重新配置梳狀濾波器的廣義DFT（GDFT），保持了簡單性和選擇性濾波的優點，且能快速瞬變，其典型應用約為0.3基波周期，遠短于傳統DFT 的單周期建立時間。

2.3 基于小波變換的諧波檢測法

小波變換的優勢在于，無論時域還是頻域都能夠獲得局部信息，用于分析非平穩信號和瞬變信號十分合適，但由于小波變換的頻帶非均勻劃分，即低頻頻帶窄而高頻頻帶寬，所以可能會產生小波混疊和頻譜泄漏現象，從而產生測量誤差。

文獻[13]提出一種基于分數階的小波變換檢測方法，解決了噪聲在穩態和暫態諧波檢測過程中產生干擾影響的問題。

2.4 基于希爾伯特—黃變換的諧波檢測法

希爾伯特-黃變換法（Hilbert-Huang transform，HHT）相比于小波變換，具有能夠提取各種不同的諧波的能力。HHT 變換利用經驗模態分解法（empirical mode decomposition，EMD）對復雜的非線性、不均勻的信號進行線性平穩化處理，EMD 能把給定的信號分解為若干固有模態函數（intrinsic mode functions,IMF），再將每個IMF 分別進行希爾伯特變換，獲取各分量隨時間變化的瞬時頻率和幅值。

文獻[14]提出一種將改進型總體平均經驗模態分解（MEEMD）和改進的自適應波形匹配延拓結合希爾伯特變換相結合的，解決模態混疊等問題，在強噪聲下確保了較高的檢測精度。

2.5 基于人工神經網絡的諧波檢測法

通過將神經網絡技術應用于諧波檢測，不僅可實現諧波的準確檢測，而且還可更好地利用網絡的結構、數據的準備、算法的優化等，從而實現更高效的模型訓練，從而更好地處理復雜的任務，比如模型預測、自適應控制等。

神經網絡諧波檢測方法有著許多顯著的優勢，計算量少，極高的準確率。各次諧波檢測精度都比傳統的小波變換或傅里葉變換更準確，實時性好，能同時檢測多個頻率的諧波，擁有較強的抗干擾能力，因為其能夠使用一個隨機建模的信號處理方法來抑制非有效成分（如直流衰減分量）的影響。

神經網絡用于工程實際還有很多問題，比如缺乏統一的模型建立標準，以及在選擇模型時，無從得知模型的準確值，以及模型的準確率與模型的質量之間的關系。

文獻[15]針對諧波數據采集、存儲、傳輸中存在的問題，提出了一種新的具有無稀疏字典特性的壓縮重構方法CS-CNN 方法，有效減少了數據存儲量與傳輸成本。

2.6 復合檢測法

單獨使用以上的諧波檢測方法或多或少都存在一些缺陷，比如電路結構復雜、耗時長，實時性較差，存在頻譜泄漏、柵欄效應和頻率混疊等。近年來，越來越多專家、學者嘗試將幾種方法結合起來使用，獲得了令人滿意的效果，如小波變換-HHT、FFT-小波變換等。然而，由于智能算法的運算量較大，很難在實踐中實施。

3 網側電流檢測

網側諧波電流檢測優勢在于可提供更好的補償精度、更加可靠的魯棒性以及更加簡單的安裝，網側諧波電流檢測與負荷電流檢測法相似，其是利用電網側的諧波電流來獲取相應的指令信號。

此外，還有無諧波檢測法，主要包括功率平衡法（Power-Balance-based,PB）、單周控制（One-Cycle-Control,OCC）等。文獻[16]對電網側和無諧波檢測兩種有源電力濾波器的優劣進行了對比和分析，并在此基礎上給出了一種基于功率平衡的電壓源控制策略。功率均衡控制雖然在無諧波探測方面有其優越性，但在負載突然變化時，其影響較大，嚴重時會對系統的正常工作造成一定的影響。

4 結語

本文主要從諧波檢測對并聯型APF 目前的研究現狀進行了歸類和分析。諧波檢測具有關鍵的意義，因此必須加強算法的智能化、多樣化以及可靠地運作，以提高諧波的識別準確度。不能僅僅局限于傳統的數學模擬、濾波等，還包括更加復雜的信號處理，以便更好地識別出各種不同的諧波，實現對諧波快速、準確地分析和檢測。在此基礎上，對新的諧波識別算法及數學模型進行優化，以提高系統的準確度、速度和可靠性。隨著大功率快速關斷器件的不斷發展，控制技術和數字信號處理技術的發展。APF 的發展也將迎來一個新的發展階段。