Vis enkel innførsel

dc.contributor.advisorFosso, Olav Bjarte
dc.contributor.advisorRosa, Paula Bastos Garcia
dc.contributor.authorBaksvær, Martine Johanne Nordengen
dc.date.accessioned2019-10-24T14:01:19Z
dc.date.available2019-10-24T14:01:19Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/11250/2624271
dc.description.abstractI denne avhandlingen har harmoniske komponenter og deteksjonsmetoder for harmoniske komponenter i kraftsystemer blitt undersøkt. Harmoniske komponenter i kraftsystem har vært et problem i lang tid, men på grunn av den økende bruken av ikke-lineære laster, som kraftelektroniske omformere, har mengden av harmoniske komponenter økt. I tillegg blir kraftnett hvor nye typer komponenter interagerer også utsatt for forplantning av harmoniske komponenter. Harmoniske komponenter kan forårsake alvorige skader på komponentene i kraftnettet, som for eksempel kan det forårskaje overoppheting av komponenter eller feilaktig utkobling av strøm brytere, og de bør dermed reduseres. En matematisk modell som beskriver de harmoniske komponentenes oppførsel nøyaktig kan være kompleks og utfordrende å beskrive. Selv om en slik matematisk modell eksisterer kan en slik modell være av høy orden og kan resultere i en kompleks kontroller. Som et alternativ til slik modellering vil denne oppgaven benytte seg av data analyse og on-line identifikasjonsteknikker som karakterisere kraftnetet under drift. Det er flere tilgjengelige metoder for å detektere harmoniske komponenter, og i denne avhandlingen vil empirical mode decomposition (EMD) bli undersøkt. Denne metoden, i motsetning til den hyppige brukte metoden fast Fourier transform (FFT), er en nyere utiklet metode som ble designet for å håndtere både ikke-linearitet og ikke-stasjonæritet. I tillegg til standard EMD vil en on-line versjon av metoden bli undersølt. Denne versjonen av EMD er en metode som muliggjør analyse av datastrømmer, som kan være egnet for å detektere harmoniske komponenter i sanntid og kontrollformål. Standard EMD dekomponerer et signal til en rekke modusfunksjoner kalt intrinsic mode functions (IMFs), som er forskjellige svingemoduser. Etter at dekomponeringen er fullført, kan frekvensene for hver IMF beregnes og signalets harmoniske komponenter kan detekteres. For online EMD detekterer moduser blokkvis gjennom et glidende vindu som muliggjør analyse av datastrømmer i sanntid, dog med en tidsforsinkelse. I denne oppgaven har EMD blitt anvendt på et målt strømsignal ved hjelp av både en Python-kode og MATLAB-kode, hvor forskjeller i dekomponeringen ble funnet. Python-koden var i stand til å identifisere alle frekvenskomponentene til strømsignalet, mens resultatene som ble oppnådd med MATLAB led av blanding av modusene (mode-mixing). En forlenging av strømsignalet ble gjort for å gjøre den egnet for online EMD. Denne forlengingen ble analysert ved hjelp av standard EMD, både i Python og MATLAB, og online EMD. Når signalet ble forlenget, ble mode-mixing et problem for begge kodene. For å undersøke hvorfor mode-mixing oppstod, ble et syntetisk signal som imiterer strømsignalet konstruert og analysert med online EMD. Det ble funnet at hvis amplitudene til de harmoniske komponentene ble fordoblet, var det ingen mode-mixing. For sanntidsapplikasjoner er det viktig å vite tidsforsinkelsen av online EMD fører med seg. Derfor ble tidsforsinkelsen for et syntetisk signal uten mode-mixing undersøkt.
dc.description.abstractIn this thesis, power system harmonics and detection methods for power system harmonics have been investigated. Harmonics have been an issue in power systems for a very long time, but due to the increasing use of nonlinear loads, like power electronic converters, the harmonic pollution have increased. Electrical grids where new type of components interact are becoming prone to harmonic pollution as well. Harmonics can cause severe damage to components in the power system, like overheating of components or false tripping of circuit breakers, and thus, it should be reduced. A mathematical model that describes accurately the physical behaviour of harmonics can be a challenging task in a large scale system. Even if a detailed mathematical model is available, such model can be of high order and can result in a complex controller. As an alternative to high fidelity modelling, this thesis is based on data analysis and on-line identification techniques that can characterize the grid under operation. There are several methods available for harmonic detection, and in this thesis, the empirical mode decomposition (EMD) is investigated. This method, unlike the commonly used fast Fourier transform (FFT) method, is a more recent developed method that was designed to handle both non-linearity and non-stationarity. In addition to the standard EMD, an online version of the method is investigated. This extension of the EMD is a method that enables analysis of data streams, which may be suitable for on-line harmonic detection and control purposes. Standard EMD decomposes a signal into a number of intrinsic mode functions (IMFs), which are different modes of oscillation. After the decomposition is complete, the frequencies of each IMF can be calculated and the harmonic components of the signal can be detected. In the online extension of the EMD, the extraction of modes is done blockwise through a sliding window that enables analysis of data flows in real-time with some delay. In this thesis, EMD has been applied to a current measurement using both a Python code and MATLAB code, which revealed differences in the decomposition. The Python code was able to identify all the frequency components of the current measurement, while the results obtained with MATLAB suffered from mode mixing. A duplication of the current measurement was made in order to make it suitable for the online EMD. This duplication was analyzed using the standard EMD, both in Python and MATLAB, and online EMD. When the measurement was duplicated, mode mixing became an issue for both codes. In order to investigate why mode mixing occurred, a synthetic signal mimicking the current measurement was constructed and analyzed with the online EMD. It was found that if the amplitudes of the harmonic components were doubled, the mode mixing disappeared. For real-time applications, it is important to know the time lag of the online EMD decomposition. Thus, the time lag for a synthetic signal without mode mixing is examined.
dc.languageeng
dc.publisherNTNU
dc.titleEMD and Online EMD for Harmonic Detection in Power Systems
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel