摘要
随着大量清洁能源和电力电子装置并入电网，电网中的谐波特征呈现随机性、波动性以及电力电子化特性，而传统基于机理的谐波源辨识方法，难以有效处理实时多变的谐波数据，在应用上受到限制。同时由于谐波源叠加的情况愈加明显且普遍，仅针对单一谐波源辨识的研究思路无法解决复杂的谐波源耦合问题。由于谐波治理的前提是确定谐波源类型，因此面向新型电力系统，研究一种既适用于单一谐波源，又实现复合谐波源辨识的分类方法具有重要意义。 现有研究多针对时域或频域单维度的特征分析，但由于多谐波源特征融合导致不同类型的谐波源数据在某一特征维度存在较大相似性，因此这种单一维度的分析方法在新型谐波源复合情况下具有局限性。本文分别从时频域特征融合、单一及复合谐波源分析这两个新视角探讨不同谐波源的数据特征。结果表明单一谐波源的特征易区分，但部分复合谐波源数据在时频两个维度的特征相似。因此，本文引入了谐波语义特征，提出一种融合知识表示和Transformer的多标签复合谐波源辨识方法。先对谐波监测数据提取三元组，通过TransR模型生成表示向量，构建语义特征库。然后融合谐波数据的时、频及语义特征。最后输入Transformer分类模型中提取特征，由多标签分类方法实现解耦辨识。 实验数据集包括实测的单一谐波源数据和仿真的复合谐波源数据，但二者数据不平衡严重影响模型的识别效果。由于复合谐波源中不同组成谐波对整体的影响程度不同，本文提出了一种融合时序卷积网络和注意力机制的多谐波源叠加方法，提取子谐波源之间的耦合关系，并通过注意力机制学习各子谐波源对整体的影响因子，实现对复合谐波源数据的扩充。此方法为本文提供了更为便捷和可行的数据生成手段，为谐波源辨识奠定了数据基础。 本文设计的新型复合谐波源辨识方法从多维度挖掘数据特征，包括时域、频域和语义特征，为模型提供丰富的数据信息，使模型可以更全面地理解不同谐波源的数据特征。其中语义特征不仅反映了数据表面的谐波电流信息，还包含了数据所代表的物理含义，将语义特征融入谐波源辨识模型可以扩大不同谐波源在特征空间中的分布差异，有利于更好地区分不同谐波源。融合TransR知识表示生成语义特征库，将专家经验注入到分类模型中，增加了可信度，使模型具备一定的可解释性。经过实验验证，证明本文方法可有效辨识新型电力系统下的单一及复合谐波源，具有较高的识别精度和良好的泛化性。
NETL