基于PSONM和LS的电力系统谐波估计方法研究

提出了一种改进的粒子群优化算法PS0NM法,和最小二乘法相结合的电力系统谐波参数的估计方法。在传统的粒子群算法中引入单纯形机制增强了该算法的局部搜索能力,提高了收敛速度。该方法将电力系统中谐波的相角、频率和幅值视为寻优变量,利用改进PS0对各次谐波分量的非线性参数即相角和频率进行估计,然后利用最小二乘法对谐波分量的线性参数即幅值进行计算,直到达到最大迭代次数,迭代结束。在MATLAB中搭建了一个典型的仿真模型,进行仿真验证,并将仿真结果与传统的快速傅立叶变换法进行对比。结果表明,所提出的方法能够对电力谐波的幅值和相角进行准确估计,而且估计精度受高斯白噪声影响小,其性能优于FFT法。     

基于递归最小二乘的单通道混合信号时延估计算法

针对单通道混合信号的时延估计问题,提出了一种基于递归最小二乘(recursive least squares, RLS)的算法,将时延估计分为了基于循环统计量的粗估计和基于RLS的细估计过程,用二乘方的时间平均准则,对时延粗估计值进行迭代更新,完成整个估计过程。该算法结构简单,收敛速度快,估计精度提升明显,但较依赖于两路信号的时延差。仿真实验结果证明了该算法的有效性。     

基于改进蚁群优化算法的电力谐波和间谐波的检测与分析

为了准确测量电力系统中的谐波和间谐波参数,提高电能质量,提出一种将FFT频谱区间连续细化算法与改进的蚁群优化相结合的混合算法。通过改进蚁群算法的适应度函数和转移概率,降低了算法的复杂度,提高了算法的速度。算法的原理是通过FFT频谱区间连续细化算法检测谐波和间谐波频率值,根据频率检测值构建幅值和相位的适应度函数,运用改进的蚁群算法对幅值和相位参数进行估计,从而实现电力谐波和间谐波参数的检测与分析。通过对比仿真实验,验证了该混合算法能够获得较高精度的谐波和间谐波参数值,具备较强的抗噪声干扰能力。     

可变遗忘因子RLS谐波电流检测方法研究

为提高谐波检测环节的动态响应性能和精度,提出了一种基于可变遗忘因子RLS算法的谐波电流检测方法。该方法给定一种判别条件来判断负载谐波电流动态过程是否发生,根据判别结果动态地给出遗忘因子的取值,化解了常遗忘因子RLS谐波电流检测方法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾,从而提高算法收敛速度。仿真和实验结果表明所提方法比传统的递归最小二乘谐波电流检测方法具有更好的收敛速度和稳态精度。     

基于修正遗忘因子RLS算法的谐波电流检测新方法

为提高电能质量,需对电网谐波进行补偿与抑制,其效果取决于谐波检测的精度和动态响应特性。本文考虑到有源滤波器(APF)的低信噪比特性,提出了一种基于自适应对消技术的修正遗忘因子RLS谐波电流检测算法,该算法从研究权值收敛方式出发,通过设置阈值来判断突变,使得检测过程既有较快的动态响应又有较高的检测精度。最后通过Matlab仿真分析和DSP实验,验证了本文的修正算法既克服了LMS算法初始收敛慢、精确度低,又克服了传统RLS算法的动态响应过慢的不足,证实了该方法是一种非常有效的谐波电流检测方法。     

基于自适应卡尔曼滤波残差分析的谐波检测

针对卡尔曼滤波在电力系统谐波检测精度不高的问题,提出了基于最大似然卡尔曼滤波残差分析的谐波检测方法。最大似然卡尔曼滤波通过使用最大似然自适应地优化误差协方差矩阵和初始条件参数,实现对谐波扰动幅值的预估与校正,克服了传统卡尔曼滤波精度不高和易发散的问题。同时,利用估计残差的奇异性可检测谐波干扰的起止点。仿真结果表明,该方法能准确检测出动静态谐波信号的幅值,其估计残差可以快速准确地识别出谐波干扰出现的起止时刻。     

基于人口迁移算法和TLS ESPRIT算法的间谐波分析

提出了人口迁移算法和TLS_ESPRIT算法相结合的间谐波分析方法,首先使用TLS_ESPRIT算法估计信号中间谐波的个数和频率,然后将谐波分析问题转化为函数的参数优化问题,并应用人口迁移算法对间谐波幅值和初相角进行参数优化估计.仿真结果表明,该方法可较准确地分析间谐波的频率、幅值和初相角等参数.     

基于多项式逼近的单峰谱线插值算法在间谐波分析中的应用

快速傅里叶变换在非同步采样和非整数周期截断的情况下存在较大误差,无法获得较精确的间谐波参数值。现有单峰谱线插值算法可以提高间谐波频率、相位和幅值的计算精度,但修正公式计算复杂,影响检测精度。为此,文章提出了一种基于多项式逼近的单峰谱线插值算法,利用距间谐波频点最近的单根离散频谱幅值估计出待求间谐波的幅值,并利用多项式逼近方法推导出幅值、频率及相位的修正公式,基于该方法,推导了一些常用窗函数的修正公式。通过与现有单峰和双峰谱线插值算法在噪声情况下的仿真比较,证明了该方法易于实现,能有效减小估计偏差,提高数据检测精度。     

基于可变遗忘因子广义RLS算法的频率估计

传统的递推最小二乘(RLS)算法有良好的抑制噪声的能力,但在非稳态环境下跟踪能力弱,导致误差大.RLS和Kalman滤波之间存在一一对应的关系,引入Kalman滤波的一步预测估计和新的状态转移矩阵,可以得到广义的RLS算法,该算法改进了跟踪能力.同时,考虑到加权遗忘因子对算法的收敛速度和跟踪能力也有很大影响,故在广义RLS算法中再引入可变的遗忘因子,以确保对时变参数的快速跟踪能力和小的参数估计误差.对基于可变遗忘因子的广义RLS自适应算法和按指数加权的传统RLS算法进行了仿真比较,分析了在稳态下加入谐波、输入幅值变化、输入频率变化等情况下,2种方法所得的频率估计值和均方误差,结果显示所提方法在精度和收敛速度上都更优越.     

采用Prony与粒子群算法的电力暂态信号分析

为了提高对含有谐波/间谐波、衰减直流分量和噪声的电力故障暂态信号的分析精度,提出了基于改进Prony算法与粒子群优化算法相结合的电力故障暂态信号分析方法。该文先采用多小波方法对信号进行消噪处理,再利用差分算法滤除衰减直流分量并对高频信号进行放大,以提高Prony算法的分析精度;然后利用改进Prony算法估计出信号中含有的频率个数和相关参量的粗略估计值,以此为基础建立电力参数模型,以得到的相关参量的粗略估计值作为算法的初始种群值,并估计出各参量的范围,最后采用粒子群优化算法对模型进行求解。仿真结果表明,所提方法能对所研究的电力故障暂态信号进行精确分析。     

Power system harmonic estimation using biogeography hybridized recursive least square algorithm

This paper presents a new hybrid method based on biogeography-based optimization (BBO) and recursive least square (RLS) algorithms, called BBO–RLS, to solve harmonic estimation problem in case of time varying power signal in presence of different noises. BBO algorithm searches for the global optimum mainly through two steps: migration and mutation. The basic BBO algorithm is combined with RLS in an adaptive way to sequentially update the unknown parameters (weights) of the harmonic signal. Practical validation is also made with the experimentation of the algorithm with real time data obtained from a solar connected inverter system panel with power quality analyzer and estimation is performed under simulation. Comparison of the results achieved with the proposed algorithm demonstrates its superiority over other recently reported five algorithms like GA, PSO, BFO, F-BFO with Least Square (LS), and BFO–RLS in terms of accuracy, convergence and computational time.     

Robust estimation of power system harmonics using a hybrid firefly based recursive least square algorithm

This paper presents a new and hybrid algorithm based on Firefly Algorithm (FA) and Recursive Least Square (RLS) for power system harmonic estimation. The hybrid FA–RLS algorithm is developed for estimating harmonics, inter harmonics and sub harmonics from a distorted and noise corrupted power signal. The basic strategy of the proposed algorithm is to integrate FA for getting the optimum initial weights for RLS algorithm that sequentially updates the unknown parameters (weights) of the harmonic signal. Simulation and practical validation is made with experimentation of the algorithms with real time data obtained from a solar connected inverter system. Comparison of results amongst recently proposed Artificial Bee Colony Least Square (ABC–LS), Bacteria Foraging Optimized Recursive Least Square (BFO–RLS) and FA–RLS algorithms reveals that proposed FA–RLS algorithm is the best in terms of accuracy, convergence and computational time.     

基于自感知执行器原理的调谐滤波器

根据自感知执行器的工作原理,利用一只变压器完成谐波检测和抑制两种功能,处于正常工作状态时可实现谐波抑制,处于非正常工作状态时不致放大谐波。首先对工频信号进行数字采样,再利用自相关函数法结合递推最小二乘估计工频信号的频率,再根据该频率产生反向抑制谐波,来抑制当前谐波。为实时调整各次反向抑制谐波的权重,根据当前时刻的谐波抑制的结果,采取最小均方自适应算法来更新权重。模拟试验表明,该调谐滤波器具有良好的控制特性。     

基于改进RLS算法的谐波电流检测方法

在考虑有源电力滤波器(APF)的低信噪比特性的基础上,提出了一种基于自适应对消技术的改进型RLS检测谐波算法,采用二级滤波来彻底滤除间谐波,并通过权值梯度误差的变化来更新自适应过程。追踪一级滤波器权值W(n)的变化,调节RLS算法中的P(n)参数,以达到快速收敛的目的。利用Matlab软件建立仿真模型,进而在DSP芯片TMS320F240上实现该算法,验证了改进算法既能够检测间谐波又克服了传统RLS算法突变响应过慢的缺点。     

Power quality meters placement using seeker optimization algorithm for harmonic state estimation

Seeker optimization algorithm (SOA) is employed to present a new method for optimal placement of power quality (PQ) meters for harmonic state estimation (HSE). Using the same SOA algorithm, HSE was also improved during the proposed placement process. The placement is carried out by minimizing the weighted sum of maximum relative errors obtained from HSE for all existing harmonic orders. The improved HSE performs estimation for both real and imaginary parts of each harmonic by minimizing the errors between the measured values from PQ meters and those estimated. The simulation studies were performed on an IEEE 14-bus test system. The simulation results indicate that the proposed algorithms are effective in performing harmonic state estimation and optimal meter placement.     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于自适应SRUKF算法的电力系统动态谐波状态估计

针对传统无迹卡尔曼滤波(unscented kalman filter, UKF)谐波状态估计算法存在时变噪声和异常数据时估计准确度较差的情况,提出了一种基于自适应平方根无迹卡尔曼滤波(square-root UKF, SRUKF)的电力系统谐波状态估计算法。首先,针对时变噪声干扰,引入改进的Sage-Husa噪声估计方法实时估计噪声协方差。其次,针对异常数据干扰,引入异常数据修正方法,通过修正系数来降低异常数据对状态估计结果的影响。最后,通过搭建IEEE14节点系统验证自适应SRUKF算法的估计性能,能够有效地应用于电力系统的动态谐波状态估计。仿真结果表明,该算法在时变噪声和异常数据干扰时仍具有良好的估计性能。