正反馈交易（精选6篇）
正反馈交易 篇1
一、文献综述
(一) 国外研究
传统投资理论一个暗含的假设就是把交易者看作是充满理性的套利者,股票投机的结果是会使股票价值向基础价值回归(Friedman,1953)。如果在市场同时存在理性套利者和正反馈交易者的情况下,由于正反馈交易者所采用非理性的交易策略,他们很难在市场交易中获益,将会逐渐在市场中消失。但与理论相悖的是,在股票市场的实际交易过程中,正反馈交易行为随处可见,我国股票市场中频频出现的“追涨杀跌”的现象,显示出我国股票市场中存在着明显的正反馈交易行为,同时一些国外学者也从不同角度实证检验了“成熟”资本市场的情况Sentana和Wadhwani(1992)等。
正反馈交易行为是指在证券价格上升时买进,价格下跌时卖出的一种交易策略,遵循这种交易策略的交易者称为正反馈交易者。显然,正反馈交易者是一类非理性的交易者,他们不是根据信息与证券的基础价值进行交易,而仅仅是根据证券价格的短期表现来进行交易的。行为金融学中的前景理论为广泛存在的正反馈交易提供了解释,前景理论认为人们通过财富的增减变化来体验总效用,这意味着人们非常关心总财富的变化情况:盈利时风险承担意愿增加,亏损时的风险厌恶程度增加。当前几期连续盈利后,根据Thaler and Johnson(1990)的实证结果,投资者愿意承担更高的风险,随着股市的总体上升,投资者愿意增加风险资产的需求;相反,在出现连续亏损或推测股市具有较大的下跌可能性之时,投资者具有“损失规避”特性,他们为避免损失而愿意放弃较大的盈利机会,表现为快速卖出股票。Shi11er(1988)所做的投资者调查表明,在1987年的股市崩溃中,大多数卖者将价格下跌作为他们已经卖出股票的原因,因为他们预期将会出现更进一步的下跌。
对正反馈交易此问题的研究始于De Long(1990)等人,他们建立了一个四阶段的DSSW模型,将预测噪音交易者需求的套利者与正反馈交易策略采用者结合起来,解释正反馈交易者的加入如何使市场价格变得不稳定。指出尽管在较长时间内价格会回到基础价值,两期价格之间也呈负相关关系,但短期价格还是正相关的。Sentana和Wadhwani(1992)对美国股市1987年10月的每时交易数据和1885~1988年的每日交易数据中的正反馈交易进行考察,他们把股市中的交易者分为两类,一类是风险厌恶者,另外一类是采用正反馈交易的噪声交易者,结果表明,在股价波动低的情况下,股票收益在短时期内呈现正自相关,但是当股价波动相当大的情况下,则表现为负自相关,股价波动越大,表现越明显。Koutmos(1997)对六个主要工业化国家股票市场进行的研究表明,对于短期股票收益来说,正反馈交易行为的确是影响股票收益的一个重要因素。正反馈交易行为使股票收益短期内呈现一阶正自相关,并且随着股票收益波动水平加大而越发明显。Shleifer(2000)在研究正反馈交易投资策略的模型时加入一个理性套利者,结果发现股票价格的波动性更大。Koutm os、Saidi(2001)对一些新兴资本市场的实证研究,以及Toshiaki(2002)对日本股票市场进行实证检验的结果都支持正反馈交易是造成股价波动的重要因素。一个例外出现在对衍生金融市场的实证中,Lavakkol(2002)对S&P指数期权进行研究发现结果并不支持存在正反馈交易行为,Antoniou、Koutmos(2005)对六个工业化国家期货市场的实证研究也证明了这一点。对此他们的解释是衍生金融市场本身具有对冲现货市场风险的功能,在衍生市场操作的交易者更具有理性,同时整个市场的信息也更加有效。
(二) 国内研究
从国内研究来看,唐或、曾勇、唐小我(2002)研究了正反馈交易行为与上证综合指数日收益自相关之间的联系,表明正反馈交易将导致收益呈现负的自相关,且相关系数绝对值随波动程度增大而增大。蒋美云(2003)通过研究1999年1月至2002年5月共792个交易目的日周转率认为,我国当时阶段投资者还是遵循“追涨杀跌”的正反馈交易策略。夏新平、汪宜霞(2003);郭磊、吴冲锋(2004);王美今(2005)等分别从新股表现、机构投资者行为以及投资者的处置效应等方面进行了研究,发现机构投资者在面对正反馈交易者时不是套利而是顺势搭车,从而加剧了证券市场价格的波动。施东晖(2001)根据证券投资基金公布的投资组合数据,对其交易行为和市场进行研究,认为投资基金的交易活动没有显示出典型的正反馈交易行为。
本文从我国股票市场和美国股票市场的实际情况出发,构建一个具有一般性的正反馈交易模型,首先实证检验中美股市整体正反馈交易程度;接着进一步检验中美股市中机构投资者的正反馈交易程度,以期做进一步对比研究;然后鉴于投资者可能不是根据一天的收益率波动情况来做出投资决策(市场上历来有一种说法,投资者可能倾向于观测几个交易日收益率总体情况来做出投资决策),因此本文对日收益率数据作5日平均处理,再作对应检验;最后试图投资者预期和信息效率的角度对两个市场不同的正反馈交易程度做出解释。
二、研究设计
(一) 模型概述
本文以Shiller—Seotana—Wadhwani模型为基础,使用GARCH模型对中美证券市场的正反馈交易进行实证研究。SSW模型中假定市场中存在的交易者分为两类:一类是理性套利者,另一类是正反馈交易者。其中理性套利者以效用最大化为目标,其在交易中的需求函数满足跨期资本资产定价模型(Intertemporal Capital Asset pricing Mode1),依此定义理性套利者的需求函数为:Y1,t-1=[Et-1(R2t)-k]……(1)
其中Y1,t-1表示理性套利者在t-1期的需求函数,Rt表示t期的事后收益率,而Et-1(Rt)表示t-1期的期望收益率,k表示无风险利率,σt2表示收益的条件方差,反映收益的波动性,θ表示测度套利者风险厌恶程度的固定系数。正反馈交易者不仅包括采用非理性“跟风”行为的市场参与者,也包括进行组合证券保险或使用止损指令的交易者。其需求函数为:
这里Y2,t-1是在t-1时期正反馈交易者需求函数,ρ>0,Rt-1=Pt-1-Pt-2,Pt-1为t时期价格的自然对数。对参数ρ的估计可以判定两种类型的反馈交易者:如果ρ>0,说明市场中的噪音交易者主要采用正反馈交易策略;如果ρ<0,则意味着市场中的噪音交易者主要采用负反馈交易策略。在市场均衡条件下,应满足Y1,t-1+Y2,t-1=1,由方程(1)和(2)可以得出:Et-1(Rt)=α+θσt2-θρσt2Rt-1……(3)
其中-θρσt2Rt-1表示正反馈交易的存在会引起股票收益负自相关,波动性越大,负自相关性越强。通过引入随机误差项可将方程(3)转为回归方程,假设Rt=Et-1(Rt)+εt,代入方程(3),可得:Rt=α+θσt2-θρσt2Rt-1+εt……(4)
根据Sentana和Wadhwani对模型进行的改进,用σt2的一个线性形式代替Rt-1项的系数,将(4)式变形为:Rt=α+θσt2+(ø0+ø1σt2)Rt-1+εt……(5)
这里覫1=-θρ,正反馈交易存在的假定暗示着覫1为负且在统计上是显著的,覫0则反映了非同步交易和市场摩擦等其他因素的影响,非同步交易导致的收益自相关则意味着覫0统计上显著为正。
波动的积聚性、非对称性和收益分布的尖峰厚尾形态是证券市场的重要特征,众多研究表明股票指数收益具有条件异方差性,因此,收益的条件方差可采用GARCH(1,1)来建模,本文研究假设了股票价格收益率具有条件异方差性。众多参考文献采用了非对称的GARCH(1,1)来建模,以期说明利空消息比利好消息更能增加收益的波动性。本文研究了整个市场的情况,但一个侧重点是研究机构投资者是否同样进行了正反馈交易,是否加剧了市场的波动,所以我们仍选择了GARCH(1,1)来建模。
Bollerslev于1986年在ARCH(P)模型中增加了q个自回归项,推广成GARCH(P,q)模型。形式最简单的GARCH(1,1)模型是实际中最常用的模型,只有一个滞后的非预期回报平方项和一个自回归项。模型为:σt2=ω+α1ε2t-1+β1σ2t-1(ω>0,α1,β1≥0)……(6)
其中,α1为回报系数;β1为滞后系数。
(二) 数据及统计特征
鉴于2000年来中国、美国资本市场都经历了一个较为完整的“熊牛”过程。本文选用了2000年1月1日至2007年12月31日的上证指数、SP500日收益率作为研究中美股市整体市场正反馈情况的数据。为了研究机构投资者的正反馈行为,由于机构投资者持有股票的综合指数不可得,同时考虑到了数据的时间跨度和可得性,假设将上证180指数视为中国机构投资者主要持股指数,将道琼斯工业指数视为美国机构投资者主要持股指数,时间跨度也是2000年1月1日至2007年12月31日。日资产净收益率的计算是用每天的收盘价除以上一天的收盘价减1后得到,5日平均收益率是指前5日收益率的简单平均。本文数据来源锐思数据库(www.resset.com)。
(表1)给出了各数据的基本统计特征,从(表1)可以看出,所有指数日收益率都是有偏和尖峰的,日收益率序列呈现尖峰厚尾的特性。同时,所有的Jarque—Bera统计量在95%的置信水平下显著,这也表明收益率序列不满足正态分布的假设。
三、实证结果分析
(一) 实证检验结果
使用上证指数、上证指数5天平均、上证180指数、上证180指数5天平均、SP500指数、SP500指数5天平均、道琼斯指数和道琼斯指数5天平均数据,对模型(5)和模型(6)拟合回归。由于证券收益数据的非正态性,使用广义最大似然估计法(GML)进行估计,得出了反映正反馈交易的参数估计值如(表2)所示,覫0和覫1为那些反映正反馈交易(收益率自相关性)的参数。
(二) 上证指数价值分析
对反映整个市场情况的上证指数和SP500指数的估计值做分析,上证指数和SP500指数覫0值都为正数,但上证指数在95%的置信水平显著,SP500指数统计不显著。上证指数显著为正的序列收益自相关性可能与非同步交易有关,即构成指数的各股票对市场信息反应速度不一样,从而导致的序列相关,上证指数覫0的显著性也可能是由于市场摩擦或失效所引起。由正反馈交易模型可知,正反馈交易将导致序列负的自相关,(表2)中上证指数和SP500指数覫1值都为负数,且均在在95%的置信水平显著,显示整体上两个市场中都存在正反馈交易行为,比较上证指数与SP500指数的覫1值,可以发现上证指数负的值远大于SP500指数,说明整个市场层面来说中国股市正反馈交易程度远大于美国股市。
(三) 道琼斯指数位值分析
对反映机构投资者的上证180指数和道琼斯指数的估计值做分析,上证180指数覫0值为正数,且在95%的置信水平显著;道琼斯指数覫0值为负数,但统计不显著。原因仍然可能是构成上证180指数的各股票对市场信息反应速度不一或由于市场摩擦、失效。上证180指数覫1值为负数,且在95%的置信水平显著。说明中国股市中,机构投资者正反馈交易明显,对上证180指数覫1值与上证指数覫1值作比较,数值比较接近,即中国股票市场机构投资者正反馈交易程度与市场相当,所以不能得出机构投资者比中小投资者更具有稳定市场的作用,也许恰好相反,机构投资者可能是市场正反馈交易的主要提供者,加剧了市场的波动。虽然道琼斯指数覫1值为负数,但统计不显著,所以不能得出美国机构投资者进行了正反馈交易。
(四) 机构平均比较分析
对各指数经过5天平均后的指数日收益率的估计值做分析,上证指数5天平均和SP500指数5天平均覫1值都为负数,且均在在95%的置信水平显著。相对于未做平均处理的原指数,覫1负值更大,统计显著性也提高了,即正反馈交易程度加强了。支持了“在整个市场层面上投资者可能倾向于观测几个交易日收益率总的情况来做出投资决策”这一观点。上证180指数5天平均覫1负值增加了,但统计不显著;道琼斯指数5天平均覫1为正值且统计不显著。就机构投资者而言,不能认为其运用了上诉的策略。
四、研究结论
本文选择2000~2007年的数据,运用正反馈交易模型实证研究表明:整体上来讲,中、美两国股市存在正反馈交易行为,从反映正反馈交易程度的参数估计值看,中国股市正反馈程度明显大于美国股市;中国机构投资者的正反馈交易程度与整体市场的正反馈交易程度大体相当,即不能认为中国机构投资者比中小投资者更有稳定市场的作用;实证支持了投资者可能倾向通过观察几个交易的总体收益率情况来做出投资决策的可能性,但机构投资者可能不具有这样的特性。从投资者预期及市场信息效率角度考虑,美国股市投资者预期的期限“较短”,这是由于美国股市宏观、微观信息公布非常密集,投资者通常只对就近的重要信息、数据做出预期;此外,美国市场的信息效率比较高,即如果信息公布后与之前投资者预期有差别的,这种差别会迅速反映在价格上,这样我们看到的结果是:股价较充分的反映了市场的信息。只有下一个循环:短期预期和真实信息冲击才会促进股价进一步运动。而我国证券市场则不尽相同,我国证券市场更多的是“炒作预期”,投资者预期的期限“很长”,如近期股市下跌的主要预期有:外围市场疲软(美国次贷危机)、我国宏观经济下滑预期、高通胀预期、从严宏观调控预期、大小非解禁预期、再融资预期以及公司营利下滑预期等。投资者不是根据真实信息与预期差异来做出投资决策,而是长期困于上述预期中直至信心“崩溃”。
参考文献
[1]赵鹏举:《我国证券市场正反馈交易的实证检验》,《经纬研究》2006年第3期。
[2]孙小琰、沈悦、赵建军:《中国证券市场正反馈交易行为的实证研究》,《金融研究》(务实版)2007年第11期。
[3]DeLong BJ,Shleifer A,Summers LH,Waldmann RL.Noise trader risk in financial markets.Journal of Political Economy,1990.
[4]Sentana E,Wadhwani S.Feedback traders and stock return autocorrela-tions:evidence from a century of daily data.The Economic Journal,1992.
[5]Koutmos G.Feedback trading and the autocorrelation pattern in stock returns:further empirical evidence.Journal of International Money and Finance,1997.
[6]Koutmos G,Saidi R.Positive feedback trading in emerging capital markets.Applied Financial Economics,2001.
正反馈交易 篇2
在现代金融学理论中, 许多研究者认为泡沫是投资者理性和非理性混合的结果, 正反馈交易则是泡沫形成的重要原因之一。噪音交易者由于存在认知偏差, 投资时无法采用标准的经济模型进行分析 (Shiller, 1990) , 因此, 他们会采用“盲从”和“跟风”等正反馈行为;一些交易者追随市场潮流, 买入前期上涨的证券, 卖出前期下跌的证券, 这是一种很自然的心态。甚至有一些教科书中的技术分析理论都认定, 涨者 (股票) 愈涨, 跌者愈跌, 这就是标准的正反馈交易理论。在这种交易策略的指导下, 大量的噪音交易者通过追涨杀跌来获得收益。而在噪音交易者大规模的市场交易下, 其所决定的股票价格常常是偏离股票基本价格的, 这也就是产生泡沫的机理。因此, 学者们把这种现象归结为市场共同心态的影响, 认为市场群体心理受不充分的市场信息影响, 当市场参与者出现群体偏见时, 会推动股票价格共同变动。当证券市场中存在噪音交易者, 这些交易者并不依据证券的基本面来确定其买卖行为, 而是根据市场信号采用正反馈交易策略, 当证券收益增加时, 正反馈交易者购入持有;当证券收益下降时, 正反馈交易者卖出, 大量正反馈交易者的存在增加了证券收益的不稳定性。在股市向好时, 大规模推高股市, 形成泡沫。一旦形势转坏, 则加速股市崩盘。
Sentana和Wadhwani (1992) 在Shiller的工作基础上构建了度量正反馈交易策略的模型。模型的实证结果表明, 理性交易者和正反馈交易者共存的市场上, 证券收益显示明显的自相关, 当市场波动性较大时, 这种自相关的特征更加显著。
本文将以Enrique Sentana, Sushil Wadhwani (1992) 提出的模型为基础, 使用GARCH模型对我国证券市场的正反馈交易进行实证研究分析, 得出我国股市中是否存在噪音交易者的结论, 并给出定性分析与对策建议。
二、 数据分析与实证检验
1.数据统计分析与研究目的。
本文使用的数据是2003年1月1日到2007年10月30日上证指数共1246个日收益样本和2003年1月1日到2007年8月30日深成指数的1246个日收益样本。市场收益率指标采用对数收益形式, 其中, 为t期指数调整收盘价。
我们选取了这段时间的价格是因为, 从2003年1月1日以来, 指数从徘徊在1500点上下跌落到不足1000点, 其后大幅上扬, 冲高到历史最高的6000多点。在这其中, 市场中是否存在噪音交易者, 如果有的话, 这些噪音交易者行为是否影响到了股票的收益率?这便是我们下面实证要考虑的主要问题。
本文选用的实证检验模型是能够揭示金融时间序列波动特征的GARCH类模型, 建模时首先要考虑选取指标时间序列的平稳性和统计特征。在经济分析中, 变量时间序列的平稳性检验是进行分析的基础, 通常采用扩展的迪基——福勒检验 (ADF) 进行单位根检验, 考察变量的平稳性。单位根检验结果如表1、2:
由检验结果可以看出, 两市的指数日收益率序列均拒绝单位根假设, 选取的变量均为平稳序列。接着, 我们继续对两市指数的日收益率进行统计性质分析, 结果发现上证综指和深证成指的收益率均值都大于零, 均呈现正偏态, 表明它们是非对称的;并且它们都出现过度峰度, 意味着两市条件方差的极端值偏多, 波动性较强, 表明它们比正态分布具有过厚的尾部。相比之下, 深市的波动性稍微会大于沪市的波动, 但平均收益也略高于沪市, 这符合风险收益对应原则。Jarque-Bera正态检验对两个收益率都以1%的显著性拒绝了正态假设, 结论证实市场收益率不服从正态分布, 具有正偏度和过度峰度。我们采用拉格朗日乘数法 (LM) 对模型进行ARCH效应检验, 检验结果如下表, ARCH (10) 检验也证实了收益率序列具有GARCH效应, 说明收益率序列具有异方差性, 因此用GARCH建模是合适的。
上证指数和深证成指日收益率的拉格朗日检验结果如下:
2.关于模型的简单介绍。
Enrique Sentana和Sushil Wadhwani在其1992年的论文《Feedback Traders and Stock Return Autocorrelations: Evidence from a Century of Daily Data》中提出, 假定市场存在两类投资者:理性投资者和正反馈交易者。理性投资者能够准确预期第t期的证券收益, 其投资决策取决于两个变量:证券第t期的预期收益和证券的波动性。而正反馈交易者不具有分析预测能力, 其第t期的投资决策仅依赖于证券第t-1期的收益。
下面我们不加证明地应用下面两个模型:
rt=α+ρσundefined+ (γ0+γ1σundefined) rt-1+εt (1)
其中, rt为本期的证券资产收益率;α代表无风险利率;ρσ2表示波动水平对资产价格的影响;γ0的值代表了反馈交易对市场收益的直接影响;γ1的值与波动性水平σundefined的乘积代表了反馈交易对市场收益的直接影响;rt-1为上一期的证券资产收益率;εt为残差项。
众所周知, 收益分布的尖峰厚尾形态、波动的积聚性和非对称性是证券市场的重要特征, 早期的研究表明, 证券价格的预测误差会聚集出现, 一段时间内误差较大, 而另一段时间内误差较小。为保证模型参数估计量的有效性以及提高置信区间的精确性, 本文引入非对称GARCH模型与模型 (1) 同时进行估计。非对称GARCH模型的形式如下:
σundefined=β0+β1εundefined+β2σundefined+β3It-1εundefined (2)
其中, 条件方差σundefined是滞后一期随机误差平方和滞后一期条件方差的线性函数, 因此能排除收益率中过度的峰值。上式是GARCH模型的一种特例, 即GARCH (1, 1) 形式。另外, 为体现波动性的非对称性, 增加了一个虚拟变量It-1, 它被定义为
undefined
通过国外众多学者对金融市场所作的大量实证研究, 结果表明:负的随机误差对条件方差的影响要大于正的随机误差对条件方差的影响。也就是说, 证券收益下降时对证券市场波动性的影响比证券收益增加时对市场波动性的影响要大。如果在我国证券市场也存在这种特征, 则参数β3应当在统计上显著为正数。
3.实证检验结果。
使用我国上证指数和深成指数数据, 对模型 (1) 和模型 (2) 拟合回归曲线, 由于证券收益数据的非正态性, 使用广义最大似然估计法 (GML) 进行估计。得到的参数估计值如表3、4:
由于为大样本估计, 因此t的临界值为10%下为1.28, 5%为1.64, 1%为2.33。根据上面的两表的结果, 我们的解释如下:
(1) 通过统计估计, 我们可以得出在我国两市中确实存在噪音交易者, 他们使用正反馈 (或负反馈) 交易策略, 并且两市的日收益确实与噪音交易者行为有关, 也就是说通过噪音交易者的交易策略, 确实可以影响到我国股市的日收益率。
(2) ρ的参数值说明, 在深圳证券交易所, 第t期的资产收益存在明显的风险贴水 (显著性水平99%) , 而上海证券交易所则不能拒绝无风险贴水的零假设。
(3) γ0的参数值说明, 上海证券交易所和深圳证券交易所在市场波动较小的时段中, 非理性投资者均采取负反馈交易策略, 即价格上涨后卖出, 价格下降后买入。但上海证券交易所的负反馈交易效应显著 (显著性水平95%) , 深圳证券交易所的负反馈交易效应不显著。
(4) γ1的参数值说明, 当市场波动幅度较大时, 两个证券交易所的非理性交易者均采取正反馈交易策略 (显著性水平95%) , 即价格上涨后买入, 价格下降后卖出, 表现出盲目跟风的行为特征。
(5) β1和β2的参数值说明, 在99%的显著性水平上, 上海证券交易所和深圳证券交易所都存在着明显ARCH效应, 而且市场第t期的方差主要由第t-1期的方差决定, 这与一些学者前期的实证研究结果相符合。
(6) β3的参数值说明, 上海证券交易所和深圳证券交易所的波动性都表现出非对称性 (显著性水平99%) , 即:证券市场收益下降时对证券市场波动性的影响比证券市场收益增加时对市场波动性的影响要大。
通过对我国两大证券交易所正反馈交易策略的实证研究结果表明:
第一, 我国证券市场中存在噪音交易者, 这些投资者在市场稳定时采用负反馈交易策略, 在市场波动水平增加的时候采用正反馈交易策略。正 (负) 反馈的交易行为可以视为噪音交易行为, 特别在股市大幅上涨的牛市, 噪音交易者们无视股票真实价值, 非理性地追涨行为, 导致了我国股市价格容易偏离其真实的价值。
第二, 在证券市场波动性较大的阶段, 非理性投资者以正反馈交易为主, 正反馈交易行为和负反馈交易行为加剧了市场的波动性, 降低了市场的有效性和可预测性。
第三, 与现代行为经济理论的研究结果相符, 投资者显示损失厌恶的特征, 当证券市场收益率下降时, 投资者的恐慌情绪会进一步加剧市场的波动性, 使市场波动性显示出非对称的特征。
总而言之, 在我国的股市中, 确实存在着以正反馈交易策略的噪音交易者。这种噪音交易者的交易行为, 会明显导致市场价格偏离资产的真实价值, 而这种价格的偏离就表现在股市的泡沫上。特别是一些被炒作的股票, 正反馈行为加剧了它们价格的偏离, 从而导致股市中泡沫的生成。
三、我国股市噪音交易泡沫原因分析
风风雨雨经过了十六七个年头的发展, 我国股票市场仍处于起步阶段, 股票市场的基础性制度还不够完善, 再加上中国进行股票市场试验的独特的时代背景和经济背景, 使得各种诱发泡沫产生的因素的作用得以进一步强化, 导致市场投机性强, 进而产生较大的泡沫。具体来说, 主要包括以下几个方面:
1.股票供需失衡使得噪音交易者存在寻租心理, 利用其稀缺性推高股市泡沫。
在我国股票市场成立初期, 由于理论准备和法律准备不足, 使上市成为了企业“圈钱”的手段。各地方政府意识到了股市的低成本筹资功能, 于是纷纷要求安排公司上市。为了缓解各地对公司上市的需求压力, 中国证监会采取了分指标、有计划上市的切块办法。先以股票流通量为标准, 再以上市企业数为标准, 将年度上市的总指标分配到各省市 (部门) , 由他们自己去选择合适的上市公司。由于上市指标的数量有限, 且新股上市没有完全遵循市场规律, 导致股票市场供求失衡, 并因此导致在股票上市交易之初, 许多公司的股票价格就已经高过其内在价值, 这便为噪音交易者价值误判断提供了心理依据。
价格含有泡沫成分的股票上市交易之后, 即使股票价格已经远大于其内在价值, 投资者也愿意购买。原因是投资者预期在上市指标被严格计划控制的情况下, 股票将来的价格会更高, 从而可以通过买卖差价来获得资本利得。这样一种股票价格会永远上涨的预期是整个市场自我实现的结果, 即所有的投资者都认为股票价格会上涨, 股票价格就真的上涨了, 即使基本面没有发生变化。这种市场自我实现机制鼓励了噪音交易者, 使他们坚信这种稀缺资源的泡沫可以长期存在并且越来越大。
2.上市公司质量问题导致大量投资者转变为噪音交易者。
我国的上市公司绝大多数都是国有企业, 它们是经过股份制改造后上市的。在绝大多数上市公司里, 第一大股东 (政府) 的股权往往都占50%以上。股东大会、董事会、监事会形同虚设。不少公司上市后, 领导体制、决策机制依然如故, 管理制度、管理方法和经营机制都没有发生明显的变化。而“一股独大”的国有股, 并没有一个合适的能代表“全体人民”机构来管理这部分股权, 使它实际上处于无人负责的状态。这样, 必然会出现“内部人控制”和“道德风险”, 导致公司效率不高, 经营效益低下。我国公司上市后, 经常出现“一年绩优, 两年绩差, 三年亏损, 四年ST”。许多上市公司多年不派发股息和红利, 股东权益得不到保障。对投资者而言, 这样的股票己经失去了投资价值, 购买股票的惟一目的就是获得资本利得。从而导致我国股票市场上换手率高, 投机性强, 结果出现较大的泡沫。
3.庞大的散户军团转化为噪音交易者群体, 助长了局部泡沫的产生和持续膨胀。
由于个人投资者资金规模小, 他们没有确切的信息来源, 没有能力去收集和分析有关上市公司的信息, 大都是噪音交易者。根据噪音交易者模型, 可知股票市场中的噪音交易者数量越多, 泡沫越可能产生, 并且泡沫持续膨胀的可能性也越大。
4.庄家通过对股价的操纵, 人为培育了众多跟庄的噪音交易者。
简单说, 没有了噪音交易者们的哄抬, 庄家的操纵没有那么容易。由于股票流通规模较小、上市公司信息披露不及时并且失真的情况时有发生, 噪音交易者和内幕交易者之间存在着严重的信息不对称;而另一方面, 我国尚未建立对庄家操纵市场和股价的有效管理体系, 从而导致中国股市成为“庄股市场”。庄家占尽资金、人力、信息、工具、舆论的优势, 通过做庄, 将自己控制的某种股票价格拉升起来, 使这种股票价格远远高于它的合理价位, 并利用众多噪音交易者追涨的心理, 为其“抬轿子”。然后利用机会出货, 由于股价没有人去维持, 便造成了股价的大跌, 又形成“泡沫”“自然”破灭的过程。中国股市多次的大起大落, 无不留下了庄家领导众多噪音交易者的一场场闹剧, 可是最终受到伤害的却还是那些带着噪音交易者面具的广大中小股民。
5.对冲机制的缺乏助长了噪音交易泡沫的膨胀。
在西方较为成熟的股票市场, 存在多种风险对冲机制。比如, 当市场高涨时, 上市公司或其大股东、或者做市商会通过向市场抛售本公司股票等手段, 减少股市波动;或者投资者利用卖空机制、股票指数期货或者期权等衍生工具来对冲风险。但在我国, 则缺乏这种缓和股票市场波动的对冲机制, 噪音交易者的哄抬无法受到有效的制约, 导致股票价格的暴涨暴跌, 从而助长了泡沫的膨胀和破灭。
6.推高本轮牛市造成局部泡沫的其他一些原因。
(1) 人民币升值引致人民币资产——股票、股权及不动产等, 成为全世界人民关注、争先购买的财产。无论国内国外市场, 中国新上市公司十家九涨, 成为世界各国人民心中的“黄金股”。 (2) 人民币缓慢升值导致大量外资热钱顽强进入, 中国外汇储备从原来的每年增长200亿美元猛增到2000多亿美元, 外汇储备高达1万多亿美元, 与此同时外汇占款也急剧上升, 出现了严重的流动性过剩。 (3) 中国城乡居民存款上升为15.9万亿, 加上企业与金融机构存款, 达32万亿。而与此同时, 利率仅2.52% (扣税后仅为2%) ;民间除股市外, 投资渠道很少, 人们急于寻找保值增值渠道, 从而使股市成为城乡居民存款的最佳去处。
四、 噪音交易泡沫对策分析建议
1.市场方面的对策分析与建议。
(1) 首先要建立科学合理、行之有效的股市宏观泡沫综合监控、预警和预测系统以及微观泡沫的监控系统, 从而为股市泡沫的合理控制和监管提供依据。 (2) 加强监管和执法力度, 维护市场规则和秩序。建立个股泡沫即时监控系统的目的就是要维护市场规则, 即对市场上的违规违法行为进行即时监控、有力查处和打击, 维护正常的市场游戏规则和市场秩序, 保持市场稳定, 避免由于个股泡沫的恶性膨胀而影响整个市场, 防止微观泡沫演变成为整个市场的宏观泡沫。 (3) 加快市场体系建设和市场规范化进程, 尽快建立股市泡沫良性运行的市场架构。 (4) 上市公司质量是证券市场稳定发展的基石, 也是股市泡沫可持续发展的基石, 所以提高上市公司质量是关键。 (5) 逐步树立和形成一种有效市场投资文化, 降低噪音交易者比例, 以保障股市泡沫的适度运行。所谓有效市场投资文化, 我认为应该包括以下四个层面的含义:一是市场投资者要树立和形成理性投资文化, 力戒非理性投机;二是市场管理者要树立维护“三公”的公信力和保护投资者尤其是中小投资者的文化, 力戒不连续监管;三是市场机构投资者、证券公司以及证券咨询业要形成行业自律的文化, 力戒违法违规;四是作为市场融资者的上市公司要树立股东价值最大化和真实披露信息的文化, 力戒短期行为和弄虚作假。有效市场投资文化的宗旨是促使证券市场逐步趋向有效市场。只有在市场上逐步形成这样一种有效市场投资文化, 股市泡沫才能从市场中各个行为主体的一致性理念上得到收敛, 从而保障股市泡沫在一个适度的可持续性路径上运行。 (6) 健全股市运行机制, 允许市场卖空 (如我们正在准备推出的股指期货, 为允许市场卖空提供了条件) 。
2.政府方面的对策分析与建议。
(1) 适当采用行政手段, 加强舆论引导。目前股市舆论对股价的技术分析过多, 而对上市公司财务、生产经营情况及投资价值等基本面分析不够, 这种现状往往把投资者引向追庄、跟庄的误途。有的舆论媒体甚至成为庄家散播虚假消息、误导投资者的工具。为此, 必须大力整顿良莠不齐的股市舆论, 对于那些散播虚假消息、信口开河误导投资者的股评, 舆论必须依法严惩。 (2) 打击市场操纵。 我国股市在建市之初, 由于法律基础不健全、执法不严格以及其他方面的原因, 一些深谙市场交易特性的人, 把我国股市看作一个可以进行违法违规活动而不会受到惩罚、可以从中小投资者口袋里大把掏钱的绝好场所。因此, 只有健全立法, 加强和细化对市场操纵行为的民事责任方面的规定, 加大执法力度, 严厉处罚各种违法、违规行为, 才能为所有投资者构造一个公平的制度环境, 重建投资者的信心。 (3) 加强投资者教育。普通中小投资者在资金、信息和操作技巧方面均处于劣势, 只有不断地提高自身素质和分析能力, 才能减少噪音交易者, 从而有效地防止股市泡沫的产生。所以投资者应不断地增强证券投资的基本知识、相关的财会知识和法律知识, 而且还应该学习一些投资心理学等其它方面的知识, 了解自身存在的心理弱点, 从而在投资的实践中有意识地加以纠正。
五、结束语
关于噪音交易者参与形成的泡沫, 其实只是股市泡沫中的一种解释, 基于我国现在局部泡沫严重的现象, 单纯地打压和排挤是没有意义的, 关键是我们要看到这种现象背后的原因。有人说, 一种体制造就了一个类型交易者, 笔者非常的赞同。我国噪音交易者影响之大, 根本原因在于我国股市整体发展的不成熟性。
有理由相信, 随着我国证券市场的逐步规范和不断完善、上市公司素质得以提升, 投资者行为更趋于理性, 我国股市泡沫的水平将逐步降低, 出现泡沫的可能性也将不断减小。
参考文献
[1].何孝星主编, 证券投资理论与实务[M].北京:清华大学出版社, 2004
[2].周爱民, 股市泡沫及其检验方法[J].经济科学, 1998 (5)
[3].周春生, 杨云红.中国股市的理性泡沫[J].经济研究, 2002 (7)
[4].罗伯特.希勒著, 廖理等译.非理性繁荣[M].北京:中国人民大学出版社, 2001
[5].安德瑞.史莱佛.赵英军译.并非有效的市场—行为金融学导论[M].北京:中国人民大学出版社, 2003
[6].张晓蓉, 唐国兴, 徐剑刚.投机泡沫的混合理性正反馈模型[J].金融研究, 2005 (8)
正反馈交易 篇3
关键词：孤岛检测,锁相环,正反馈,无功电流,频率偏移
0 引言
在大型光伏发电系统[1]中, 三相并网逆变器是非常重要的组成部分, 其主要功能是将光伏电池收集到的能量传输到电网。在能量传输过程中, 不仅需要对逆变器的输出电流、电网的电压和频率进行检测, 还必须考虑到电网断电时形成孤岛的状态[2,3]。因为孤岛时, 并网逆变器继续运行的话, 会对供电设备和人员造成潜在的危害[4], 所以研究人员提出了多种孤岛检测方法。
目前, 主要的孤岛检测方法分为无源检测和有源检测两大类。无源检测方法包括过/欠压检测法、高/低频检测法、相位突变法[5]、电压谐波检测法[6]、关键电量变换率检测法[7]等。有源检测方法包括主动频率漂移法[8]、主动电流扰动法[9]、滑模频率漂移法[10]、自动相位偏移法[11]、无功补偿检测法[12]、正反馈频率漂移法[13]、自适应调节有功无功检测法[14]、在线阻抗测量法[15]、负序电流注入法[16]、无功功率扰动法[17]或者上述几种方法的混合方法[18,19]。无源孤岛检测方法最突出的优点是对输出电能质量无影响, 但是存在检测盲区。有源孤岛检测方法可以减小检测盲区甚至消除盲区, 但是引入的扰动将引起电能质量下降。
为了在减小检测盲区的同时, 最大限度地减小孤岛检测方法对输出电能质量的影响, 在三相光伏并网逆变器平台上, 提出一种基于无功电流—频率正反馈的孤岛检测方法。
1 三相光伏并网逆变器平台
二极管钳位型三电平三相光伏并网逆变系统的控制框图见附录A图A1。系统由两级组成:前级是Boost升压电路, 后级是三电平三相并网逆变电路。由于LCL滤波器是一个三阶多变量系统, 直接采用典型的并网电流闭环控制策略时系统是不稳定的, 并且不利于功率开关的保护[20]。因此, 这里采用逆变器侧的电流闭环控制。但是由于电容的分流作用, 系统的功率因数会降低。因此引入电容电流的前馈, 通过逆变器侧电流来间接控制网侧电流, 使得功率因数接近于1。
三相并网逆变器的输出电流要与电网电压保持同步, 这就需要锁相环 (PLL) 的协同工作。图1是典型的基于abc/dq坐标转换的三相系统锁相环 (简称dq-PLL) 的控制框图。
三相电网输入电压先经过abc/αβ坐标变换得到复平面上的α, β轴分量Vα和Vβ, 然后利用锁相角θp的正弦量和余弦量进行αβ/dq坐标变换, 得到dq同步旋转坐标系下d, q轴分量Vd和Vq。当Vq为0时, 电网相角和锁相环相角一致。因此Vq中含有电网相位角和锁相角之间的误差信息, 这个误差信息经过比例—积分 (PI) 调节器后得到ωc, 然后与标称频率ω0=100π叠加后, 积分得到锁相角θp。前馈量ω0的作用是提高调节速率, 缩小调节量ωc的变换范围。下面对锁相的原理进行具体解释。
在理想的情况下, 电网的三相电压Vsa, Vsb, Vsc可以表示为:
式中:Um为电网电压峰值;θ为电网电压相角。
由abc静止坐标系到αβ复平面坐标系的转换关系和αβ复平面坐标系再到dq同步旋转坐标系下的变换关系可得:
由式 (2) 可以看出, dq坐标系下的电压分量可以反映出电网电压相角和锁相角之间的误差关系, 通过求取Vd或者Vq并通过图1的控制框图进行闭环控制, 就可以达到锁相的目的。以Vq为例, 当Vq=0时, 有θ=θp或θ=θp+π。但对于闭环系统而言, 其中一个平衡点是不稳定的平衡点。平衡点的确定与Vq采用何种反馈方式调节有关。要想使得θ=θp, 就应该使用正反馈来调节, 理由是当系统存在扰动使得θ-θp产生很小的误差且误差值为正时, 表示锁相角落后于电网相角, 只能通过正反馈来提高锁相角频率从而消除相位差;反之, 如果用负反馈来调节, 则最后达到的效果是θ=θp+π。
2 孤岛检测原理
并网逆变器控制是在dq同步旋转坐标系下完成的。设网侧电流转换到dq坐标系下的d, q轴分量分别为id2和iq2。那么输出到电网的有功功率和无功功率分别表示为:
如果电网的三相电压是理想的正弦波, 那么在dq坐标系中, 电压的大小可以表示为:
式中:U为电网相电压有效值。
将式 (6) 代入式 (3) 和式 (4) , 可以得到:
根据参考文献[21], 光伏发电装置所带的负载可以等效为R, L, C并联。如果电网出现孤岛的情况, 那么负载上的有功功率和无功功率分别为:
式中:R, L, C分别为R, L, C的值;ω为电网所在负载的电压角频率。
负载的品质因数为:
将式 (9) 、式 (11) 代入式 (10) 可以求出ω的表达式为:
将式 (7) 和式 (8) 代入式 (12) 中可以得到:
式中:
为了实现逆变器单位功率因数并网, 必须使得无功功率Q接近于0, 这通常通过设置iq2的参考值为0来实现。如果Q在工频情况下不为0, 那么孤岛发生后逆变器输出电压的频率会发生变化, 若其触发了频率范围的上下限, 则可以判断电网发生了孤岛现象。或者, 若输出功率与R上消耗的功率不匹配, 则孤岛发生时逆变器的输出电压会发生变化, 超过电压正常范围的话同样可以判断出孤岛。但是, 当R, L, C等效负载的谐振频率和电网工频接近, 并且R上消耗的功率和逆变器输出的有功功率基本匹配时, 如果发生孤岛现象, 逆变器的输出电压和频率变化都在电网允许的范围之内, 无法触发孤岛保护。此时用被动式的检测方法无法检测到孤岛, 必须借助主动的孤岛检测方式。
从式 (13) 中可以发现:当孤岛发生时, 如果iq2的值减小, 则ω变大;如果iq2的值增大, 则ω减小。因此, 如果能够让两者形成正反馈, 使得孤岛发生时ω迅速朝一个方向变化直到触及频率的上下限, 就能顺利地实现电网的孤岛状态检测。
文献[22]曾提出利用孤岛时有功功率或无功功率的扰动, 使得有功电流或者无功电流形成正反馈来实现孤岛检测, 但并未提出具体的公式, 也并未对孤岛检测成立的条件进行探讨。这里引入一个简单的比例关系来形成正反馈:
式中:i*q2为iq2的参考值;K为比例系数, K>0;ω0为电网电压额定角频率, 其正常范围为310.86~317.10rad/s。
当电网正常时, 应设计使得iq2的参考值i*q2接近于0, 也就是使得ω0-ω接近于0, 那么式 (14) 的加入就不会影响逆变器的正常工作。而当孤岛发生时, ω的微小扰动便能被正反馈迅速地放大, 从而检测出孤岛。因此这个方法在应用时, 最重要的是对参数K的设计以及对ω0和ω获取方式的设计。
首先讨论K的设计问题。从式 (13) 可以发现, 如果一直设定i*q2为0, 则孤岛发生时, 输出频率最终会稳定在LC的谐振频率处。也就是说, 孤岛发生瞬间, 输出频率会朝LC谐振频率的方向波动。为了使得正反馈正常进行, 可以进行如下处理。
1) 当孤岛发生时, 如果ω>ωn, 则iq2<0且会逐渐增大到0, 此时可以让iq2一直增加, 直到ω减小到触发孤岛保护, 也就是必须满足下式:
2) 当孤岛发生时, 如果ω<ωn, 则iq2>0且会逐渐减小到0, 此时可以让iq2一直减小, 直到ω增大到触发孤岛保护, 也就是必须满足下式:
将式 (13) 和式 (14) 代入到式 (15) 和式 (16) , 均可得到:
也就是说, 只要满足式 (17) , 那么正反馈就能正常进行, 直到触发孤岛保护。由于不知道ωn的具体数值, 为了能在并网逆变器中应用本文提出的孤岛检测方法, 在ωn不同取值情况下对式 (17) 进行讨论。设ω的正常范围是310.86~317.10rad/s, 超出这一范围就触发孤岛保护。那么采用提出的无功电流—频率正反馈的扰动方法, 会出现以下几种情况。
第1种情况:如果ωn>317.1rad/s, 那么孤岛发生时只可能出现ωn>ω>ω0, 此时有ωn-ω>0>ω0-ω, 则A<0, 此时式 (17) 可以转化为K≥0。
第2种情况:如果317.1rad/s≥ωn>ω0, 则孤岛发生时可能会出现2种状态。如果ωn>ω>ω0, 此时有ωn-ω>0>ω0-ω, 则A<0, 此时式 (17) 可以转化为K≥0;如果ω≥ωn>ω0, 则0≥ωn-ω>ω0-ω, 那么0≤ (ωn-ω) / (ω0-ω) <1, 又有0<ω0/ωn<1, 则0≤A<1, 此时式 (17) 可转化为K≥2id2Mf/ω0。
第3种情况:如果ω0>ωn≥310.86rad/s, 则孤岛发生时可能会出现2种状态。如果ω0>ω>ωn, 此时有ω0-ω>0>ωn-ω, 则A<0, 此时式 (17) 转化为K≥0;如果ω0>ωn≥ω, 则有ω0-ω>ωn-ω≥0, 变换后可以得到1> (ωn-ω) / (ω0-ω) ≥0, 又因为有0<ω0/ωn≤1.02, 则有0≤A<1.02, 此时式 (17) 转化为K≥2.04id2Mf/ω0。
第4种情况:如果ωn<310.86rad/s, 那么孤岛发生时只可能出现ω0>ω>ωn, 此时有ω0-ω>0>ωn-ω, 则A<0, 此时式 (17) 转化为K≥0。
第5种情况:如果ωn=ω0, 则孤岛发生时, 理论上ω不会发生变化, 该种孤岛检测方法的盲点就在于此。但实际情况下, 这种情况出现的几率非常之低, 即使刚好出现, 孤岛发生时, 逆变器并网电流的谐波都会使得检测得到的ω发生波动。只要ω有轻微的波动, 那么式 (17) 就转化为K>2id2Mf/ω0。
综上所述, 无论ωn是何值, 只要满足式 (18) , 就肯定能满足式 (17) 。也就是说满足式 (18) 的条件, 本文提出的无功电流—频率正反馈的方法就能正常工作, 从而检测出孤岛效应。
下面对ω0的获取问题进行讨论。由于ω0在一定的范围内波动, 如果简单地取为定值, 式 (14) 的加入就可能对逆变器输出的电能质量造成持续性影响, 因此必须让ω0能够正常地跟随电网频率的波动。由于电网正常波动时, 其频率通常是缓慢变化的, 而孤岛检测通常要求在100ms内完成, 因此, 可以对ω低通滤波来得到ω0。巴特沃兹低通滤波器的设计原则是要求在100ms内, ω的变化基本不影响ω0的值。这里将截止频率取为1 Hz, 这样就可以在电网正常波动时, 减小式 (14) 对逆变器输出电能质量的影响。
ω的精确获取是该孤岛检测方法成功的关键。如果ω的获取精度较低, 不仅会对逆变器输出电能质量产生负面影响, 而且很可能会误触发孤岛保护。因此, 这里采用精度较高的霍尔电压传感器来检测电网线电压, 并在数字信号处理器 (DSP) 里进行数字低通滤波以提高ω的获取精度。同时, 电网电压中通常含有一定量的谐波成分。文献[19]指出, 电网电压幅值不平衡时, 获取的ω中会含有2倍工频的谐波;电网电压含有谐波分量时, 获取的ω中会含有6倍工频的谐波;电网电压含有直流偏置时, 获取的ω中会含有1倍工频的谐波。这些谐波含量会对孤岛检测的效果造成影响, 甚至会导致误触发孤岛保护。因此, 文献[23]中提出用改进型锁相环 (EPLL) 得到基波电压和相移90°的电压信号后, 通过公式计算得到正序基波分量, 再进行电网角频率ω的运算, 这样就可以消除三相电网电压畸变对ω的获取造成的影响。
通过上述讨论得到的孤岛检测控制框图如图2所示。将式 (14) 计算得到的i*q2值替代附录A图A1中i*q2=0, 就能够形成正反馈, 从而达到孤岛检测的目的。
3 孤岛检测仿真研究
为了验证本文提出的孤岛检测方法, 按照附录A图A1所示的电路搭建了MATLAB仿真电路图。电路的具体参数设置如下:逆变器额定功率为10kW, 开关频率为10kHz, 母线电压为680V, 滤波电感Lf1为1mH, 滤波电容Cf为25μF, 滤波电感Lf2为0.8 mH, 三相等效负载中R为14.5Ω, L为18.47mH, C为549.05μF, 负载品质因数为2.5, 负载谐振频率为50 Hz, 电网额定相电压为220V, 电网额定频率为50Hz。这些参数的设置能够使得电网在发生孤岛时, 对逆变器输出产生的影响最小, 从而模拟最恶劣情况下的孤岛检测情况。三电平技术通常应用在大功率场合, 本文取为10kW的原因是实验室搭建的三电平逆变器模型机刚好为10kW, 仿真参数与实验参数一致, 便于对比。
首先对图1所示dq-PLL的性能进行仿真。图3 (a) 为电网电压不畸变时得到的角频率波形;图3 (b) 为电网电压A相加上10V有效值, C相减去10V有效值后得到的角频率波形;图3 (c) 为电网电压A相加上10V直流偏置, C相减去10V直流偏置后得到的角频率波形;图3 (d) 为电网电压每相加入10%额定电压的5次谐波后得到的角频率波形。从中可以发现, 电网不含任何畸变时, ω几乎没有波动;而在3种不同畸变的情况下, 电网电压角频率都有不同程度的波动, 这很容易造成孤岛检测的误判。因此, 对dq-PLL进行改进非常必要。
图4 (a) 为在电网电压含有图3所示的3种畸变叠加分量时使用dq-PLL得到的角频率波形;图4 (b) 为先进行正序分量提取, 再用dq-PLL进行锁相得到的角频率波形。对比发现, 改进后的锁相环对电网畸变有非常强的抑制作用, 对本文提出的孤岛检测方法的应用非常有利。
接着对本文提出的孤岛检测方法进行仿真。图5是在不加入任何孤岛检测方法的情况下, 孤岛发生后的5个工频周期内, 电网电压的角频率、网侧无功电流、网侧电压及并网电流的变化情况。
从图中可以发现, 在0.4s孤岛发生时, 电网断开, 但是网侧电压幅值、角速度和无功电流只是有轻微波动, 并未产生明显变化。这些波动主要是由于逆变器的谐波造成的, 且这些轻微的波动并不足以触发孤岛保护。
图6是K取0.9×2.04id2Mf/ω0时, 得到的电压角频率和无功电流的波形。可以发现, 角频率和无功电流相对于无孤岛检测方法时的情况, 均产生了一定变化, 但是K的取值并不能够使得正反馈正常地进行下去进而触发孤岛保护。
图7是K取2.04id2Mf/ω0时, 得到的电压角频率和无功电流波形。可以发现, 在孤岛发生时, 正反馈能够正常进行, 使得角频率在朝着一个方向不断减小。但是在5个工频周期后, 并未减小到能够触发孤岛保护的程度。因此, 满足式 (20) 只能使得正反馈正常进行, 但是不能保证在规定时间内检测出孤岛效应。
图8是K取2×2.04id2Mf/ω0时, 得到的电压角频率和无功电流的波形。可以发现, 这种情况下角频率和无功电流迅速朝一个方向变化, 并且能在3个工频周期内就检测出孤岛, 完全符合孤岛检测的时间要求。因此, 在ω0与ω的差小于一定阈值的情况下, K取2.04id2Mf/ω0, 在ω0与ω的差大于这个阈值的情况下, K取2×2.04id2Mf/ω0, 能在电网正常波动的时候, 减小故障检测方法对电网的影响, 同时又不影响孤岛检测。这个阈值可以根据实验来获取。
4 实验结果
为了检验本文方法在并网逆变器中的实际应用效果, 搭建了三相并网逆变电路, 如附录A图A2所示。孤岛测试用的等效负载见附录A图A3, 包括电容负载箱、电阻负载箱和外置可切换电感。
首先对逆变器及锁相环的工作情况进行测试。图9 (a) 为逆变器端A, C两相间的电压波形, 证明本文使用的逆变器确实是三电平的。图9 (b) 为在不加入孤岛检测方法时, 得到的电网A相电压Vsa和锁相角θp。θp无法直接测量, 是通过采样电网电压并在DSP中计算后, 再通过数字/模拟 (D/A) 转换芯片输出得到的。从中可以发现, 电网电压在顶部和底部存在一定的畸变, 但是锁相环工作相当良好, 输出的θp完全能够跟上电网电压相角, 并且几乎不存在任何扰动。
接着对不同功率下的孤岛检测效果进行检验。经多次实验测试, 本文将ω-ω0的阈值取为1rad/s, 也就是说ω和ω0的差在1rad/s以内时, K取2.04id2Mf/ω0, ω和ω0的差超过1rad/s时, K取2×2.04id2Mf/ω0。首先对输出10kW功率时的孤岛状况进行检测, 得到的ω和无功电流iq2的波形如图10 (a) 所示。
可以发现, 孤岛发生前, ω存在0.5rad/s的波动, 孤岛发生后5个工频周期内, ω值从314rad/s下降到304rad/s, 已经可以顺利地检测出孤岛。接着按照Mf不变的原则将负载输出功率换为5kW和2.5kW, 并对这2个功率下的孤岛检测效果进行检验, 得到的波形如图10 (b) 和 (c) 所示。从中可以发现, 2个功率下, 孤岛发生后5个周期内, ω分别降到了308rad/s和309rad/s, 已经可以检验出孤岛状态。
对比这3个波形可以分析出以下几点。
1) 孤岛检测速度跟负载谐振频率密切相关, 输出功率为10kW的情况下, ωn和ω0的差值最大, 孤岛发生瞬间频率跌落最大, 因此检测速度也最快。
2) 当前孤岛检测方法下, 无功电流存在一定波动, 并且随着功率的增大, 波动更加明显。
3) 逆变器的输出谐波会对公共耦合点的电压产生影响, 功率越大影响越明显, 进而会影响到锁相环, 使得检测得到的ω产生一定的波动, 如果谐波总量过大, 会影响检测效果。
为了分析此孤岛检测方法对输出电能质量的影响, 将检测方法加入前后的输出电流做快速傅里叶变换 (FFT) 分析, 如附录A图A4所示。理论上, 当iq2存在波动时, 电流基波幅值会增大, 但从附录A图A4可以发现, 由于iq2波动比较小, 基波幅值变化相当小。将电流数据导入MATLAB, 算出2种情况下的总谐波畸变率 (THD) 分别为2.14%和2.17%, 差别不大, 完全满足并网条件。
5 结语
提出了一种基于无功电流—频率正反馈的孤岛检测方法, 推导出正反馈成立的条件, 并且用仿真和实验验证了这种方法的可行性。该方法的优点是几乎没有检测盲区, 并且在电网频率稳定时, 对系统几乎没有扰动, 但是一旦产生孤岛, 无功电流和频率之间的正反馈关系会让频率迅速朝一个方向变化, 直到触发孤岛保护。该方法的缺点是:如果电网的容量比较小, 电网的频率会有一定范围的波动, 此时该方法会对并网逆变器的输出电能质量产生轻微的影响;同时, K的取值是变化的, 因此它的计算和处理也需要耗费控制芯片一定的计算资源。总之, 该方法对于三相并网逆变器的孤岛检测有一定的借鉴意义。
正反馈交易 篇4
为提高粒子群优化算法的求解质量,许多学者针对算法本身的进行了改进: 如带粒子释放和速度限制的改进算法[2],文献[3]引入速度因子和位置因子参数,增强粒子活性和粒子的多样性,取得了良好的实验效果。Shi等人[4]首次将惯性权重引入PSO算法中后,许多人对惯性权重进行了改进,例如利用个体寻优来定义惯性权重[5],使惯性权重线性微分或非线性微分递减[6],用典型线性递减策略和动态变化策略相结合的方法来确定惯性权重[7]等,或者利用惯性权重函数对学习 因子进行 改进[8],对参数进 行全局性 调整[9]。如混合蛙跳算法来简化粒子群优化算法[10],各种改进都在不同程度了促进了粒子群优化算法的研究与发展。
本文针对粒子群优化算法的早熟现象及后期局部搜索能力弱的缺点,利用正负反馈的原理来调整算法的惯性权重,增加粒子的多样性以及增强算法的局部寻优能力; 同时利用随机数来动态调整位置更新公式, 类似蛙跳算法中对青蛙步长的调整[10]。文章结合这两种改进得出新的粒子群算法。
1 标准 PSO 算法
粒子群优化算法是一种模拟鸟群飞行的人工智能算法,采用“群体”和“进化”的概念,将群体中的成员描述为“微粒”,所有粒子通过一个适应函数来确定其在空间中的适应度。进化初期,每个粒子的位置和速度都被随机初始化,粒子在飞行过程中相互合作,根据自身和同伴的运动状态及时调整速度和位置。在PSO算法中每个粒子都是解空间的一个解,每个粒子均知道自身位置和其他粒子的信息,通过自身的最优位置, 再结合群体最优位置区调节自身的位置和速度,从而找到最优值。
假设在一个D维的目标搜索空间中,有m个粒子组成,其中第个粒子表示为一个D维的向量xi= ( xi1, xi2,…,xi D) ,i = 1,2,3,…m,即第i个粒子在D维的搜索空间中的位置是xi,第i个粒子的速度vi= ( vi1,vi2, …,vi D) 。记第i个粒子搜索到最好的位置pi= ( pi1, pi2,…,piD) ,整个群体搜索到最好的位置pg= ( pg1, pg2,…,pgD) 。
在PSO算法中,粒子的速度 - 位置方程描述为:
其中,w为惯性权重,是[0. 4,0. 9]之间的随机数,c1和c2是学习因子; r1,r2为介于[0,1]之间的随机数,vid∈ [- vmax,vmax]。w是对自身运动状态的信任,c1是“认知部分”权重,是对粒子自身的思考。c2是“社会认知”权重,是粒子间的信息共享,来源于群体中各个优秀粒子的经验。
2 一种新的粒子群优化算法
2. 1 惯性权重的调整
文献[11]从收敛性能上分析提出一种惯性权重正弦调整的粒子群算法,即w满足
其中,k为当前迭代次数; max为最大迭代次数。由w值呈正弦变化可知,整个算法过程中,粒子先在其自身附近作局部寻优,接着进行全局寻优,最后让最优粒子进行局部搜索。本文针对此改进引入了正负反馈机制来调整惯性权重: 结合算法的迭代次数,达到权重的实时变化,并通过惯性权重的动态调整达到对粒子群的正负反馈。在式( 3) 中,若w为正值,体现系统对前期结果的认可,进行一次正反馈; 若w为负值,相当于对前一次迭代的结果进行一次反思,接受解在一定程度上的退化,体现系统对前期结果的负反馈。另外,在迭代过程中,让惯性权重在一定范围内变化,不仅增加了粒子的多样性,也有利于算法跳出局部最优值。实验表明,利用正负反馈的原理动态调整惯性权重,增强了算法发现最优解的能力。将权重公式调整如下
其中,k为当前迭代次数; h为[0,1]之间的反馈参数; wmax和wmin分别为惯性权重的最大值、最小值。
2. 2 位置更新公式的改进
参数调整的目的在于提高算法搜索能力,式( 1) 和式( 2) 值的大小反映了粒子最新位置会受到前一速度和位置作用的影响,若此值较大,粒子飞行速度大,搜索范围广,搜索比较粗糙; 如果此值比较小,粒子飞行速度慢,搜索范围小,搜索比较细致。而位置更新过程会导致粒子快速的陷入局部最优,为增强粒子的多样性,增加搜索能力,本文利用随机数来调整位置更新公式。
位置更新公式的改进目的在于提高粒子群优化算法的搜索能力,即提高粒子群算法的精度和收敛速度。在文献[12]中,对位置更新公式作以下调整
文献[12]利用随机数来调整位置更新公式,即
其中,β为( 0,1) 之间的随机数。对位置更新公式添加权重,提高了粒子群优化算法的精度。
3 仿真实验
3. 1 测试函数
对于上述策略,通过4个典型测试函数进行测试。
f1: Rosenbrock函数,单峰,最优值为0。
f2: Griewank函数,多峰,最优值为0。
f3: Sphere函数,单峰,最优值为0。
f4: Rastrigin函数,多峰,最优值为0。
3. 2 惯性权重中的反馈参数的测试
利用f3: Sphere函数,在标准粒子群算法的基础上,对式( 3) 中的h进行实验。对不同的h取值,算法分别运行各10次后取平均值及10次的标准差,根据文献[8 ~ 9,13]均取wmax和wmin为0. 9和0. 4,实验结果如表1所示,可以看出,当反馈参数取0. 8时,反馈效果较好。
3. 3 更新公式的测试
利用f3: Sphere函数,在标准粒子群算法的基础上, 对位置更新式( 4) 和式( 5) ,采用标准的PSO进行测试, 分别运行算法各10次后取平均值以及10次的标准差, 结果如表2所示,可看出,采用式( 5) 效果最好。
根据上述测试结果,改进算法采用式( 3) 进行惯性权重的更新公式,在公式中反馈参数取0. 8。对位置更新公式采用式( 5) 进行。
3. 4 改进算法的测试
根据以上测试结果,取反馈参数h为0. 8,更新公式为式( 5) ,β取之间的随机数。由文献[8 ~ 9,13], wmin,wmax分别取0. 4和0. 9,学习因子均取2,迭代次数为100次,维数为10,结果如表3所示。
上述4个测试函数中,改进算法的最优值比标准PSO算法更理想,说明改进了算法的有效性。另外,从解的稳定性角度出发,由平均值和标准差的结果可以得到,改进算法的整体效果明显优于标准算法。特别针对典型的多峰Griewank函数和Rastrigin函数,改进算法能找到最优值,避免了陷入局部最优。
综上所述,改进后的粒子群算法能有效地抑制早熟收敛问题,且改进算法在收敛速度和收敛精度上都有明显提高,尤其对多峰函数更为明显。
4 结束语
本文对惯性权重进行分析,利用正负反馈的原理,对惯性权重进行了动态调整; 通过增加随机性改进更新公式的改进,实验也验证了惯性权重的反馈因子和更新公式的有效性。大量的仿真实验结果表明,改进后的粒子群算法的求解质量比改进前的粒子群算法的求解质量更高,特别在多峰函数中表现明显。
摘要：针对粒子群优化算法难以适应复杂的非线性优化,为此提出一种借助正负反馈原理来调整惯性权重和通过随机数对位置更新公式进行调整的改进算法。在仿真实验过程中,通过实验确定了改进算法中的反馈参数与更新公式;并对4个经典测试函数进行仿真实验,结果显示改进算法求解精度高、解的稳定性优良,尤其在多峰值函数中表现优越。
正反馈交易 篇5
关键词：孤岛检测,相位突变,电压-有功正反馈,无功功率扰动
随着分布式发电DG (Distributed Generation) 系统的发展, 孤岛问题变得越来越突出。所谓孤岛[1]是指当大电网系统供电因发生故障或进行停电检修而断开时, 用户侧的DG系统未能即时检测出孤岛的发生而将自身切离供电网络, 形成由DG系统和周围的负荷构成的一个自给供电的孤岛。这种孤岛现象会对电气设备和检修人员带来很大的危害, 因此能够准确、及时地检测出孤岛具有十分重要的意义[2]。
本文在分析了电压相位突变方法[3,4]、电压—有功正反馈方法[5,6]以及基于无功—频率下垂特性的正反馈无功扰动方法[7]的基础上, 提出了基于改进电压/频率正反馈的孤岛检测方法。当DG系统输出功率与负载消耗功率不匹配及负载呈非阻性时, 采用相位突变方法, 此时能够快速地检测到孤岛, 并且对系统电能质量无影响;当DG系统输出功率与负载消耗功率相匹配及负载呈阻性时, 采用电压—有功正反馈和基于无功—频率下垂特性的正反馈无功扰动方法, 这样就消除了相位突变法存在的检测盲区, 大大提高了孤岛检测的有效性。
1 孤岛检测原理分析
图1所示为分布式电源经逆变器并入大电网的孤岛检测系统模型。采用并联RLC表示本地负载。
正常并网运行时, 负载消耗功率为:
式中, P、Q为DG系统输出有功和无功;△P、△Q为大电网提供的有功和无功;PLoad、QLoad为本地负载消耗有功和无功;ω为公共连接点 (Pcc) 处的角频率;VPcc为Pcc点处的相电压。
孤岛产生后, 此时负载消耗功率为:
式中, ω′为孤岛后Pcc处的角频率;V′Pcc为孤岛后Pcc处的相电压。
由以上分析看出, 当△P≠0、△Q≠0时, 断路器断开后, Pcc点处电压和频率均会发生变化, 在此基础上通过电压相位突变方法可以很方便地检测出孤岛。但当△P=0、△Q=0时, 即DG系统输出功率与负载消耗功率相匹配, 电网断开后, Pcc点处的电压幅值和频率均不发生变化, 此时相位突变方法将失效。
2 基于改进电压/频率正反馈的检测方法
2.1 基于改进电压/频率正反馈检测方法的基本原理
相位突变方法检测速度快、方法简单、容易实现。但该方法与其他被动检测方法相类似, 其孤岛检测盲区较大。当DG系统输出功率与负载消耗功率相匹配时, 相位突变未超出检测阈值, 导致检测失败。
电压-有功正反馈方法和基于无功-频率下垂特性的正反馈无功扰动方法能够解决DG系统输出功率与负载消耗功率相匹配情况下的孤岛检测, 但这两种方法由于需要向系统注入扰动, 对系统的电能质量影响较大, 并且在大多数情况下, DG系统输出功率与负载消耗功率一般是不匹配的。因此, 本文将这三种方法相结合形成改进的电压/频率正反馈检测方法, 该方法在DG系统输出功率与负载消耗功率不匹配时使用电压相位突变方法, 在DG系统输出功率与负载消耗功率相匹配时使用电压-有功正反馈/基于无功-频率下垂特性的正反馈无功扰动方法。该改进方法减小了电压相位突变方法单独使用时的检测盲区 (即系统功率匹配) , 并有效降低了单独使用电压-有功正反馈/基于无功-频率下垂特性的正反馈无功扰动方法对电能质量的影响。该方法将电压-有功正反馈方法和基于无功-频率下垂特性的正反馈无功扰动一起应用, 既检测DG系统输出电压的变化, 又检测频率的变化, 只要其中任一个检测量超出阈值, 就可以检测出孤岛, 提高了孤岛检测的速度。
基于改进电压/频率正反馈检测方法系统框图如图2所示。可以分以下两种情况说明。
(1) DG系统输出功率与负载功率不匹配:选用相位突变模块, 通过控制装置实时检测Pcc点电压与DG系统输出电流之间的相位差是否超过阈值来判定孤岛状态。这时应用控制模块断开电压-有功正反馈和基于无功-频率下垂特性的正反馈无功扰动模块, 这样去掉反馈后, 就减小了对DG系统输出电能质量的影响。
(2) DG系统输出功率与负载功率相匹配:选用电压-有功正反馈和基于无功-频率下垂特性的正反馈无功扰动模块, 这时通过对系统有功功率及无功功率的扰动, 使电压幅值和频率发生偏移, 一旦检测到电压幅值或频率超出检测阈值, 即可断定系统发生了孤岛。
2.2 仿真分析
本文通过Matlab软件搭建仿真模型进行分析, 大电网用3个并联的交流电压源来模拟, 其额定电压为311 k V;隔离变压器电网侧为D1, 逆变器侧为Yg:电压比为380 V/275 V, 额定容量为25 k VA;DG侧直流电源电压为650 V, 逆变器开关频率2 700 Hz, 并网逆变器采用IGBT/Diodes器件;LCL滤波器参数设置:L1=L2=2 m H, C=20μF;线路参数设置:R=1.2Ω, L=1 m H;本地负载采用RLC并联, 有功功率为10 k W, 无功功率为1 k Var。
2.2.1 DG系统输出功率与负载功率不匹配
仿真系统在1 s时发生断网, 此时DG系统孤岛运行。当负载的有功消耗PR=10 k W, DG系统输出有功功率P=12 k W时, 系统有功功率不匹配, 当发生孤岛时, Pcc点电压就会迅速变化, 如图3~图5所示。
DG系统在1 s发生孤岛时, 由于DG系统输出电压受负载电流和本地负载的影响, 其电压幅值将发生变化, 超过电压越限元件的阈值 (U>1.1Un) , 这时系统很容易就检测到发生的孤岛, 如图3所示。由图4可知, 系统频率变化不是很大。从图5相位突变模块的输出信号中可以看到DG系统在接近于1.03 s时检测信号由0跳变为1, 此时成功地检测到发生的孤岛。
2.2.2 DG系统输出功率与负载功率相匹配
(1) 无反馈时的仿真结果
系统在1 s时断开, DG系统处于孤岛状态。当负载的有功消耗PR=10 k W, DG系统输出有功功率P=10 k W, 负载的无功消耗QLC=1 k Var, DG系统输出有功功率Q=1 k Var时, DG系统输出的功率与负载消耗功率相匹配。假如此时不加入反馈, DG系统输出电压的变化将会很小, 导致检测不到发生的孤岛, 如图6~图8所示。
当1 s发生孤岛时, DG系统输出电压、系统频率没有发生明显变化, 如图6~图7所示, 此时系统将不能检测到发生的孤岛。从图8中可以看到检测控制信号没有发生跳变, 说明这时仅依靠相位突变方法将检测不出孤岛状态, 即出现了检测盲区。
(2) 有反馈时的仿真结果
DG系统在1 s发生孤岛。此时系统中加入电压—有功正反馈/基于无功—频率下垂特性的正反馈无功扰动模块的仿真波形如图9、图10所示。
从图9可看出, 当DG系统在1 s断开后, 由于加入反馈的作用, 使DG系统输出电压幅值不断发生变化, 直到超出超过电压越限元件的阈值 (U<0.88Un) , 这时很容易就检测到发生的孤岛。由图10所示, 在近似1.17 s时频率大于50.5 Hz, 超出了频率越限元件的动作范围 (f>50.5 Hz) , 从而检测出发生的孤岛。
通过以上分析, 在DG系统输出功率与负载消耗功率不匹配的情况下, 改进电压/频率正反馈孤岛检测方法能够快速地检测到孤岛, 并且该方法是利用相位突变被动检测, 并没有在系统中引入扰动, 减小了对系统电能质量的影响;在DG系统输出功率与负载消耗功率相匹配的情况下, 通过电压-有功正反馈/基于无功-频率下垂特性的正反馈无功扰动模块, 可以检测到发生的孤岛。这时该检测方法同时监测电压、频率两个变量, 提高了检测速度, 并且减小了单独使用相位突变检测方法时存在的检测盲区。
为了减小传统的孤岛检测方法的检测盲区, 本文提出了基于改进电压/频率正反馈的孤岛检测方法。通过Matlab仿真证明, 该方法不仅检测灵敏度高、无检测盲区、对电能质量影响小, 而且检测速度满足要求。
参考文献
[1]郭小强, 赵清林, 邬伟扬.光伏并网发电系统孤岛检测技术[J].电工技术学报, 2007, 22 (4) :157-162.
[2]MAHAT P, Chen Zhe, JENSEN B B, et al.Review of islanding detection methods for distributed generation[C].Proceedings of Third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies, Nanjing, 2008.
[3]夏向阳, 唐卫波, 毛晓红.分布式发电系统的主动式孤岛检测[J].中南大学学报 (自然科学版) , 2012, 43 (7) :2662-2667.
[4]陈少杰, 钱苏翔, 熊远生, 等.相位突变结合电压扰动在孤岛检测中应用[J].电力电子技术, 2012, 46 (6) :7-9.
[5]魏明, 康强.基于dq变换和正反馈的孤岛效应检测策略[J].电测与仪表, 2009, 46 (524) :5-7.
[6]邓中原.分布式发电孤岛检测方法研究[D].天津:天津大学, 2010.
正反馈交易 篇6
三相并网逆变器是新能源发电系统和微电网与大电网的接口,实现能量的传递。 在并网逆变器运行时,必须考虑电网断电形成的孤岛状态,在孤岛状态发生后,新能源发电系统必须迅速停止运行, 微电网则停止与大电网的能量传输切换至孤岛运行模式,否则将对电气设备和人员造成潜在危害[1,2,3]。
常见的孤岛检测方法分为开关状态检测法、被动检测法和主动检测法三大类。 被动检测法对电能质量没有影响,是一类非破坏性的检测方法,但检测盲区较大[4,5,6,7];开关状态检测法和主动检测法检测盲区小,但缺点也十分明显[8,9,10,11,12,13,14],例如绝大部分主动检测法对电能质量有负面影响。
基于正反馈的检测法是一类新颖的主动检测法[15,16,17,18],其特点是在并网逆变器的控制系统中引入正反馈,电网正常时正反馈不起作用,孤岛发生时某个电量被放大从而检测出孤岛,优点是检测盲区小甚至没有检测盲区。 文献[16]提出一种基于无功电流和频率的正反馈孤岛检测方法,但正反馈系数与频率之间存在关联,使正反馈系数变化不易处理。 文献[17]将公共连接点电压的负序分量作为正反馈量,文献[18]提出一种基于负序功率正反馈的孤岛检测方法,但这2种方法在电网电压不平衡时均不适用,因为电压不平衡时负序电压不为0,而负序功率一旦因电压的波动变得大于0后将使并网逆变器输出电流也不平衡,使负序功率被进一步正反馈放大,这2种情况均使并网逆变器无法正常运行。 针对该问题,本文提出一种新颖的基于电压正反馈的孤岛检测方法,将公共连接点(PCC)电压负序的分量调换相序并进行派克变换得到的q轴电压作为反馈量,在电网未断电但电压不平衡时,该电压为0,只有当电网断电后,该电压才产生并被放大,据此可判断孤岛的发生。 仿真结果表明所提方法不仅能实现电网电压不平衡时的孤岛检测,也适用于电网电压平衡的情况,还能区分伪孤岛,是一种无盲区、非破坏性、 适应性强的孤岛检测方法。
1电网电压不平衡情况下的并网逆变器控制策略
电网电压不平衡时,并网逆变器通常采取抑制输出电流负序分量的控制策略,控制框图如图1所示。
其原理简述如下:为抑制输出负序电流,令d轴和q轴电流的参考值分别为i*d= idP*= Im和iq*= 0,即d轴参考电流为与正序电流对应的直流量。 i*d和实际输出电流d轴分量id相减,iq*和实际输出电流的q轴分量iq相减,2个误差输入至2个电流控制器C(s),d轴和q轴解耦以后,分别再与d轴和q轴电网电压相减。
采用上述控制方法后,输出电流的负序分量得到抑制,即idN= iqN= 0。
2电压正反馈孤岛检测原理
2.1基本原理
为了在电网电压不平衡情况下仍然能检测孤岛状态,采用图2所示的基于电压正反馈的新型孤岛检测方法。 图中upa、upb、upc为PCC电压,F(U-q)为电压正反馈函数。
电网电压不平衡时PCC电压等于电网电压,其表达式为:
其中,UmP和UmN分别为正序电压分量和负序电压分量的幅值。
将三相电网电压输入至F(Uq)后 ,首先经负序电压提取环节得到三相负序电压:
将b、c相电压调换顺序,对[uaNucNubN]T进行派克变换并将q轴电压有效值Uq乘以正反馈系数K和2倍频的三角函数后得到F (Uq) 的输出如式 (3)所示。
并网逆变器实际输出电流为:
式(4)经过派克逆变换并利用三角函数化简, 得到并网逆变器输出电流在三相静止坐标下的表达式为:
当并网运行时,PCC电压由电网决定。 当电网电压不平衡时,F(Uq)中的负序电压提取环节能提取出负序电压,但b、c相的负序电压调换顺序后得到的 [uaNucNubN]T为正序电压,即使电网电压不平衡,派克变换后q轴的输出Uq仍等于0。 由式(5)可知,并网逆变器的输出电流为三相正序电流,正反馈对电能质量没有影响。
当微电网由并网运行转为孤岛运行后,PCC电压为三相负载电压,由控制策略和所采用的电压正反馈孤岛检测方法决定。 在孤岛状态被检测出之前,并网逆变器仍采用图2所示的控制策略,因此输出电流表达式仍为式(5),PCC电压为:
其中,i=a,b,c; Zi、θz i分别为三相负载阻抗的模和阻抗角。
孤岛运行状态开始的瞬间,系统中会产生一定的Uq,经正反馈放大后,Uq被持续且迅速地放大。 通过检测Uq是否在规定时间内超过阈值即能判断孤岛状态的发生。 F(Uq) 主要部分的框图如图3所示,第1部分abc / dq变换模块、第2部分低通滤波器(LPF) 和第3部分dq / abc变换模块共同实现负序电压检测。 PCC电压中的负序分量经abc / dq变换后含有2倍频谐波,低通滤波器的作用是滤除这部分谐波。
以上孤岛检测方法基于图1所示的电流控制策略, 若采用功率控制策略,可将电流单环控制修改为功率和电流的双环控制,功率外环的输出作为电流内环的电流参考值,从而使本文的孤岛检测方法得以适用。
2.2低通滤波器非理想特性的影响以及Uq的限幅
用于检测负序电压的低通滤波器存在滤波精度和响应速度之间的矛盾,截止频率越低,滤波精度高但响应速度慢,反之则滤波精度低但响应速度快。 对于孤岛检测,响应速度不能太慢,因此需折中选择低通滤波器的截止频率,这就使滤波后的2倍频谐波必然有一定残留,即[uaNucNubN]T变换后得到的uq不为0,uq的均方根(RMS)值也不为0。 并网模式下并且电网电压不平衡时Uq也不为0,由式(5)可知,输出电流的质量将受到影响。 解决方法是根据Uq的大小决定正反馈是否起作用,当Uq小于某一设定值 δ1时,令Uq= 0,即正反馈不起作用。
为了防止正反馈过程中并网逆变器输出电流和输出电压过大,还需对Uq进行限幅处理,设定Uq的上限为 δ2。 δ1和 δ2的设计与低通滤波器的参数以及孤岛检测时间的要求有关,低通滤波器的截止频率越低,低通滤波效果越好,δ1可相应设置得小一些,δ2也可设置得小一些,PCC电压波动时,并网逆变器输出电流含有的负序分量也较小,但电流畸变的持续时间会增加。 相反,低通滤波器的截止频率越高,δ1和 δ2也要设置得大一些,PCC电压波动时,电流畸变的程度增加,但持续时间会缩短。 因此 δ1和 δ2应折中选择。
2.3孤岛检测时间的整定
选择 δ1作为孤岛检测的阈值。 孤岛发生后,若Uq大于阈值的持续时间超过整定时间tz,就可判定孤岛发生。 但是,在低电压穿越、并网点下游线路发生故障、保护切除故障以及负荷发生较大变化等并网状态的暂态过程中,均会使Uq超过阈值,持续tc后再降至阈值以下,并最终降为0。 为了避免误判,应该使tz> tc。 IEEE Std.929 —2000标准规定了孤岛检测的最小时间,因此应尽量减小tz,而减小tz的途径是减小tc。 并网状态的暂态过程中Uq增加的原因是低通滤波器存在建立时间tset,tset决定了tc,因此通过合理设计低通滤波器,减小tset,也就缩短了孤岛检测时间。 正反馈系数K只影响并网逆变器的输出电流,对tz的整定没有影响。
3仿真分析
本文在Simulink环境下搭建了采用图2所示控制策略的三相并网逆变器模型。 仿真中所采用的参数为:三相电网电压的额定幅值为311 V,LC滤波器参数L=3 m H、C=1000 μF,正序有功电流的设定值idP*= Im= 50 A,正序无功电流的设定值iq*= 0 A,电流控制器C(s)采用经典PI控制器,比例系数kp= 30, 积分系数ki= 100,电压正反馈系数K = 5, 低通滤波器的截止频率设为20 Hz,δ1= 0.7 V,δ2= 1 V。
首先对电网电压不平衡时的情况进行仿真,仿真结果如图4所示。 在0.15 s之前,电网电压不平衡,在幅值为311 V的三相正序电压上叠加了幅值为60 V的负序电压 ,此时PCC电压由电网电压决定 , Uq始终小于 δ1,因此Uq被设定为0,正反馈不起作用,并网逆变器输出电流仅含有正序分量,幅值为50 A,负序分量被抑制 。 0.15 s电网断电 ,因为电网电压的突变产生一定的Uq,在正反馈的作用下,Uq被不断放大,很快达到限幅模块的上限 δ2(1 V),并且此后一直维持为1 V,从而正确检测出孤岛。 在这一过程中,并网逆变器输出电流的参考值叠加了电压正反馈函数的输出Fd和Fq,因此实际输出电流含有一定的负序分量,PCC电压(并网逆变器输出电压) 也含有一定的负序分量,由式(6)可知,三相电流中a相的幅值偏小,而b相和c相电流相等且偏大,对电能质量有一定影响,但通过合理设计低通滤波器参数以及 δ1和 δ2,负序分量被限制在可接受的范围内,电能质量没有受到破坏,基于电压正反馈孤岛检测方法是非破坏性的。
然后考察所提方法是否适用于电网电压平衡的情况,此外还将本地负荷功率设置为与并网逆变器输出功率相等,这是IEEE Std.1547标准所定义的最恶劣情况,这样设置的目的是为了同时考察所提孤岛检测方法是否能无盲区地实现孤岛检测。 仿真结果如图5所示,0.15 s之前电网电压平衡,0.15 s电网断电,此后的各波形与电网电压不平衡时的波形相似, 孤岛状态被正确地检测出来,所提方法不存在检测盲区。
最后考察所提方法是否能正确区分伪孤岛。 当电网电压跌落至正常电压的15% 时,要求风力发电机组能够维持正常并网运行625 ms的低压穿越能力。 此时要求孤岛检测方法能正确区分出这种伪孤岛。 仿真结果如图6所示,0.15 s时电网电压突然降至额定电压的15%,Uq迅速增加到1 V,但在0.223 s左右重新降至0,并在此后始终维持为0,从而判断该情况属于伪孤岛。
4结论