率引起的电压波动补偿掉,从而使整个平均闪变值有所减轻。研究表明，当线路X/R比很小时，并网风电机组引起的电压波动和闪变很大。当线路X/R 比对应的线路阻抗角为 60°~70°时，并网风电机组引起的电压波动和闪变最小。
并网风电机组在启动、 停止和发电机切换过程中也产生电压波动和闪变。分别计算了恒速定桨距和恒速变桨距风电机组在切换操作过程中产生的电压波动和闪变， 并与持续运行过程中产生的电压波动和闪变作了比较。由于启动时无法控制叶轮转矩，而持续运行过程中的功率波动较小，所以恒速定桨距风电机组在切换操作过程中产生的电压波动和闪变要比持续运行过程中产生的电压波动和闪变大。对于恒速变桨距风电机组，结论是相反的。在塔影、风剪切和有限的桨距调节范围的联合作用下， 恒速变桨距风电机组持续运行过程中的功率波动幅值非常大， 从而产生较大的电压波动和闪变； 而恒速变桨距风机组可以控制叶轮转矩，启动时产生的电压波动和闪变比较小。
3 用于含风电网电能质量检测与定位的改进型自适应提升小波算法研究
风电并网的电能质量由于风能的随机性、间歇性和不可控性[45]，其检测分析的热点、难点就是对暂态的、突变的、非平稳信号的检测与分析。因此，选取合适的电能质量的检测分析方法是一项重要研究点。
目前，小波变换因其具有的时频多分辨分析能力，在对风电电能质量的分析多尺度过程和突变过程检测分得到了青睐。然而，采用经典小波提取特征信号时，对于同一个动态信号中的特征波形，选取不同的小波基函数可能会导致不同的收敛速度和分析精度，且易受到噪声的影响产生多个伪极值点，造成实际检测分析
的困难[46-49]。
基于在双正交小波和完全重构滤波器组的小波提升方法理论基础上，采用基于局部最大梯度法的自适应更新、每层最小均方误差预测法的自适应预测和“更新优先”的提升方案，自适应地选择预测器与更新器算子，得到一种改进的自适应提升小波的风电并网的电能质量的检测分析算法。该算法在频域和时域都能够表征信号局部特征，适合于检测信号中混杂的暂态反常信号并进而展示其对应成分。通过对复杂频率成分采用逐步精细采样步长，聚焦到信号的任意细节，能很好处理突变信号。仿真实验表明，本方法可很好应用于风电电能质量的电压波动与闪变、谐波检测和电压偏差事件定位检测分析中。
（1）自适应提升小波变换算法改进
本文针对含风电网电能质量问题，研究了一种改进型自适应提升小波变换算法。自适应提升小波由剖分、自适应更新和自适应预测的分解过程和恢复预测、恢复更新、奇偶样本序列合并三步重构过程组成。本文采用了基于局部最大梯度法的自适应更新和每层最小均方误差的自适应预测方法，改进了一种适用于电能质量检测分析的自适应提升小波变换算法。其原理框图如图 3-1 所示。
(2) 基于自适应提升小波变换的风电场电压波动与闪变检测
1. 电压波动与闪变信号的数学模型
根据扰动原因的不同，闪变可分为周期性和非周期性，其中对人们生产生活影响较大的为周期性电压闪变。周期性电压闪变可看成是对正弦电压的低频调制[55]，电压的瞬时值解析式如式 3-2所示。
u(t)??A0??Aicos(2?fit??i)??cos(2?f0t??0)?A(t)cos(2?f0t??0) 3-2
i?1m式中，A0,f0,?0分别为基波电压的幅值、角频率和初相角；Ai,f,?i分别为调制波电压的幅值(最大为基波幅值的 10%)、角频率(一般为 1~10 Hz)和初相角。根据闪变信号调制波的幅值和频率范围，可知闪变信号为典型的幅值低频调制的窄带信号。满足自适应提升小波变换的前提条件。
2. 电压波动与闪变信号的同步检波
电压闪变的包络信号 A(t)携带着电压闪变的幅度和频率信息，必须不失真地检测出电压闪变的包络信号。本文采用文献[10]提出的电压跟踪装置，对原始电压闪变信号序列 u(t)进行跟踪进而发出同相位信号序列ur(t)，再将u(t)与
ur(t)送入乘法器相乘获得待检信号 x(t)。本文针对待检信号 x(t)设计出自适应提升小波变换滤波器，从而得到电压闪变的包络信号 A(t)。其流程框图如图 3-2所示。
图 3-2 中乘法器输出信号 x(t)为：
x(t)?u(t)ur(t)?A(t)cos2(2?f0t??0)?1A(t)cos2(2?f0t??0) 3-15 2在式 3-15 中，右边第一项是待检测的电压闪变的包络信号，它包含有原低频调制信号；第二项是中心频率为 100Hz 的调幅信号。经过自适应提升小波多分辨率分析后可得到电压闪变信号的包络信号序列 A(t)，它反映了电压闪变的频率、幅值和其时域特性。
3. 电压波动与闪变检测仿真分析
利用 MATLAB R2009b 软件对电压波动与闪变信号进行基于同步检测法结合自适应提升小波变换的仿真分析。仿真实验中，电压波动与闪变信号的采样频率取为 1.28kHz，采样时长 2s；原始信号中基波的幅值为 1，角频率为f050Hz，初相角?0为 π/4，并含有方差为 0.01 的均匀白噪声。由式 3-13，可设定含闪变电压信号离散形式表达式为
u(n)?A0?1??Aicos(2?fit??i)?cos(2?f0n??0)?rand(n) 3-16
式中，rand(n)为方差为 0.01 的均匀白噪声。式 3-16 中相关参数设定值如表
3-1 所示。
由自适应提升小波的多分辨率特性可知，分解至第五层后，信号低频分量包含0~50Hz 的电压信号，即为总包络信号。再经过进一步的分解可分别使 5Hz，10Hz 的两个闪变分量分别分布在 d8(3.125~6.25Hz)， d7(6.25~12.5Hz)的频率范围之内。至此，多分辨分解结束。
4. 基于自适应提升小波变换的电能质量事件定位
基于模极大值原理的事件定位模型,由信号的奇异性检测理论结合自适应提升小波变换，可制定出以下扰动事件定位流程。 1)采样电压信号
通常来说，采样频率越高就越能精确地反映出被采样信号地原始波形，但同时也会对采样系统提出更高的要求；而采样频率频率过低就不能很好反映系统的其他扰动信号成分。
2)对信号进行自适应提升小波变换多分辨分析，确定分解尺度 3)确定信号高频（d1 和 d2）的系数极大值 4)找出模极大值对应的时间点 5)时间点输出从而实现扰动事件定位
理论上，自适应提升小波变换在各尺度下系数模极大值与信号奇异点的位