谐波是如何诊断？-江苏智能电力电容器

1. 基于小波变换的诊断法。基于小波变换的诊断法由于在时域和频域同时具有较好的局部化性质，克服了傅里叶分析法在非稳态信号分析方面的缺陷，更适用于对突变信号的分析。由于小波分析能计算出某一特定时间的频率分布并把各种不同频率组成的频谱信号分解为不同频率的信号块，因此可以通过小波变换来较准确地求出基波电流，最终得到谐波分量。

2.基于傅氏变换的频域分析法是根据采集到的一个周期的电压值或电流值进行计算和分析，从而得到电流中所包含的谐波次数、幅值等信息，将有待消除的谐波分量通过傅里叶变换器获得所需的误差信号，再将所得的误差信号进行傅里叶反变换就得到了补偿信号。

3.模拟滤波和基于傅氏变换的频域分析法。模拟滤波器法诊断电力谐波有两种方式：一是通过滤波器滤除基波电流分量从而得到谐波电流分量，二是用带通滤波器得出基波分量，再与被检测电流相减后得到谐波电流分量。采用模拟滤波器对电力谐波进行诊断简便易行，但存在较大的误差，此外这种诊断方法不具备实时性，且容易受外界环境干扰。

4.基于神经网络的诊断方法。基于人工神经网络的谐波诊断法自面世以来便呈现迅速发展的状态，随着神经网络相关技术的不断发展与推广，神经网络诊断法在电力运行中所获得的经济效益也得到了逐渐提升，尤其是在优化电力调度、预测负荷、谐波诊断和谐波预测等方面显现出十分理想的性能。利用神经网络进行谐波的诊断主要是通过模型构建、样本选择、算法等手段，对谐波和无功电流进行检测，这种检测方法无论是对周期性的电流还是非周期性的电流都具有理想的跟踪诊断效果，同时对随机抗干扰也有着较强的识别能力。

与其他谐波诊断方法相比，基于神经网络的谐波诊断法具有更高的精确度和更为理想的诊断效果，此外，由于基于神经网络的检测方法具有更强的实时性，且抗干扰能力较强，因而应在今后的电力谐波诊断工作中得到进一步推广使用。