平方根Kalman自适应滤波及其在OCT中的应用

为了满足自适应滤波的准确性和时变噪声鲁棒性的要求，将具有递推特性的Kalman滤波理论引入到自适应滤波中，针对Kalman自适应滤波可能出现的由于计算舍入误差所引起的发散和时变噪声统计问题，提出了具有时变噪声统计的平方根Kalman自适应滤波。目前，应用平方根Kalman自适应滤波的自适应光学电流互感器（OCT）经过了严格的检测，稳态精度达到0.2级，暂态情况下的非周期分量电流的最大峰值瞬时值误差小于±1%。自适应OCT已经在河北省保定市某变电站挂网运行25个月。     

基于自适应滤波的光学电流互感器的信噪分离

在采用基于抗磁性材料的光学电流互感器(OCT)测量小电流时，由于测得的信号己被OCT内部固有的噪声严重污染，测得的读数不能正确反映被测电流的数值。由于OCT内部的噪声基本上与被测电流信号所在的频段相重叠，因此无法使用传统的滤波器方法将其滤除。作者将一种基于自适应滤波技术的信噪分离方法应用于在河北省保定市供电局某变电站110kV线路上挂网运行的自适应光学电流互感器中。实践表明，自适应信噪分离器可以将有用信号和OCT的固有噪声不失真地完全分离，因此这种方法可以提高OCT测量小电流的准确度。     

提高光学电流互感器准确度的组合方法

根据光学电流互感器(OCT)的数学模型，得出了OCT的系统特性方框图，论证了OCT具有开环控制特性，本身难以达到测量的高精度，为此文中提出了一种新型的自适应OCT。以稳态电流参考模型和OCT为基础，应用自适应Kalman理论和小波理论，构成了模型参考自适应控制系统，消除了温度、应力等因素对OCT的影响，因而综合提高了暂态和稳态测量准确度。经实验室验证后的自适应OCT已在河北省保定市某变电站挂网试运行，在现场实际环境中进一步对自适应OCT和自适应算法进行了验证，证明了自适应OCT具有优良的性能和自适应控制及算法的正确性。     

自适应Kalman滤波在多传感器数据融合中应用

文中介绍基于白噪声滤波器和平滑器的改进的Sage和Husa噪声统计估值器及相应的自适应Kalman滤波器,可处理未知常的和时变的噪声统计估计问题.仿真结果验证了改进滤波器在精度和收敛速度上的优越性.     

基于自适应无迹卡尔曼滤波的电力系统动态状态估计

无迹卡尔曼滤波(unscented Kalman filter,UKF)是种非线性滤波方法。由于假设系统噪声的方差为常数,UKF的估计结果会受到未知系统噪声的影响。为减小未知系统噪声对动态状态估计的影响,提出了种改进的自适应UKF(adaptive unscented Kalman filter,AUKF)算法。该方法通过在UKF中引入渐消记忆指数加权的Sage-Husa噪声统计估值器,能够估计时变系统噪声的均值和方差。利用IEEE57和IEEE 118测试系统,在典型日负荷条件下对AUKF方法的有效性进行仿真验证,结果表明所提出的AUKF算法与传统UKF方法相比,在不增加计算复杂度的同时,能够提高状态估计精度。     

基于FFRLS和ASR-UKF滤波算法的锂电池SOC估计

锂电池在工作过程中,其内部参数易受多种因素影响,为提高锂电池在复杂环境下荷电状态(SOC)估计精度,以二阶戴维宁(Thevenin)等效模型为基础,结合遗忘因子递推最小二乘法(FFRLS)对模型参数进行在线辨识。针对传统卡尔曼滤波算法高度非线性及系统噪声不确定性等缺点,提出了一种自适应平方根无迹卡尔曼滤波(ASR-UKF)算法,该算法利用平方根算法处理均值和协方差,确保了状态协方差的半正定性和稳定性,并引入自适应滤波算法对噪声进行实时修正,消除了系统时变噪声影响。结果表明,FFRLS能有效解决数据饱和及算法矩阵计算量大的问题,等效模型精度高达98%。在混合动力脉冲特性(HPPC)测试和北京公交动态测试工况(BBDST)下,ASR-UKF算法SOC估计最大误差分别为3.264%和0.572%,具备更好的跟踪效果,验证了改进算法良好的收敛性与自适应性。     

电池 SOC 的自适应平方根无极卡尔曼滤波估计算法

针对利用平方根无极卡尔曼算法估算电池SOC时,因噪声协方差为常量带来的误差,在平方根无极卡尔曼滤波(SR-UKF)算法的基础,改进了算法,把每次测量的输出值残差的协方差作为噪声的协方差,得到自适应平方根无极卡尔曼滤波算法,使得噪声协方差随时间的更新而更新,解决了噪声协方差为常量带来的误差。实验表明,利用自适应平方根无极卡尔曼滤波算法对在常温下电池放电过程的SOC估计,精确度在总体上得到了提高,在电池工作区间0.2≤YSOC≤0.9内估计误差在1.5%以内。自适应平方根无极卡尔曼滤波算法对电池常温放电过程的SOC估计能满足电动汽车电池SOC估计的实际要求。     

基于两种自适应算法对比下的PMSM矢量控制电流环优化

在永磁同步电机矢量控制过程中,用于电流环测量电流的调理电路和AD采样电路会产生噪声,对电机转矩和转速的控制精度造成影响。为减小此类电流环噪声,提出了在永磁同步电机矢量控制中对电流环相电流采用RLS自适应滤波。为体现RLS算法滤波性能,与自适应滤波中的LMS算法作比较,采用这两种自适应滤波算法对永磁同步电机矢量控制系统进行了仿真实验,经过对波形和均方差等的对比,RLS算法有更明显的滤波效果,且电机输出转速和转矩更加平稳,系统的稳定性有了明显提高。证明了RLS自适应滤波在永磁同步电机控制中更具有可行性和有效性。     

有色观测噪声下的自适应 UKF 在北斗多路径误差削弱中的研究

针对由环境复杂性而造成的北斗多路径误差不能有效削弱的问题, 提出了一种基于新的误差模型下的自适应无迹卡 尔曼滤波(UKF)方法。 该方法首先利用量测状态扩增法来解决量测噪声为有色噪声的问题,再用改进的 Sage-Husa 自适应 UKF 来动态估计系统噪声和量测噪声,从而解决噪声统计特性未定造成的误差削弱效果不明显的情况。 实验结果表明在有色 观测噪声下的改进 Sage-Husa 自适应 UKF 算法相比于传统 UKF,能够将多路径误差削弱近 60%,该方法在针对北斗定位中由于 多路径误差产生的噪声不可知的情况具有很强的适用性。     

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。     

自适应光学电流互感器的基础理论研究

针对阻碍光学电流互感器(OCT)实用化的测量温漂问题和不能长期稳定运行问题,文中在分析了光学电流互感器(OCT)的开环机理后,提出了相应的解决方法——自适应光学传感原理和螺线管聚磁光路结构。以标准检测系统为平台,按照测试标准IEC60044-8对自适应光学电流互感器进行了精度检测,检测结果表明自适应光学电流互感器稳态测量精度达到了0.2级,非周期分量电流的最大峰值瞬时值误差小于±1%。安装于河北省保定市某变电站的110kV线路上的自适应光学电流互感器已经连续运行了25个月,运行结果表明,自适应光学电流互感器具有长期运行稳定性。     

自适应光学电流互感器的信号处理方法

信号处理方法是自适应光学电流互感器(AOCT)的实用化关键技术之一。运用自适应光学电流传感技术,结合平方根Kalman自适应算法,提出了AOCT的信号处理方法,给出了信号处理系统结构和程序框图,并讨论了信号处理的相关问题。AOCT与信号处理系统构成的整套装置已应用于35kV线路的新型光纤纵差保护中。运行数据表明,该装置具有优良的暂态和稳态测量能力,可以确保线路纵差等保护可靠动作。     

基于甚高频的语音增强算法研究

甚高频通信在民航中有广泛应用,但是它极易受到各种噪声的干扰,传统方法去噪效果差且没有消除固有干扰,提出了一种基于小波分析的自适应卡尔曼滤波算法。该算法在小波分析中提出了新阈值函数,在自适应卡尔曼滤波算法中增加了调节窗口长度的自适应因子,以此来调节滤波增益,可以有效地避免滤波发散。随机选择了某一时段4种不同频率的甚高频语音信号,并用提出的算法进行滤波处理,从信噪比、均方根误差、信号波形图和语谱图等方面进行分析。结果表明,该算法能够有效去除甚高频语音信号中的噪声,可以获得更高的信噪比和更小的均方根误差,进一步提升语音质量。     

基于改进WOA的鲁棒增广扩展Kalman滤波器设计

本文针对一类非线性系统,提出基于广义系统的鲁棒增广扩展Kalman滤波器,结合改进鲸群优化算法寻优系统噪声,以精确估计系统状态量以及并发执行器和传感器故障。首先,视故障为系统的状态变量,建立广义系统,将非线性系统的故障估计转化为非线性广义系统的状态估计。其次,提出鲁棒上界以降低线性化误差对估计精度的影响。然后,利用改进鲸群算法寻优系统噪声,以优化鲁棒增广扩展Kalman滤波器。最后,给出F-16飞机的纵向运动数值模型,使用本文方法与自适应无迹Kalman滤波器以及基于鲸群算法的鲁棒增广扩展Kalman滤波器进行对比仿真,仿真结果表明,相较于其他两种算法,本文方法的故障估计均方根误差降低了50%左右,验证了其优越性。     

带有色观测噪声AUKF的锂离子电池SOC估计

在实际工况中,电池测量参数易受相关性较强的有色噪声干扰。仅考虑有色观测噪声满足一阶自回归模型,提出一种带有色观测噪声的自适应无迹卡尔曼滤波算法(CM-AUKF)。算法对荷电状态(SOC)估计的平均绝对误差为0.000 4,均方根误差为0.000 3,估计精度和稳定性较高,可克服对系统噪声方差初值敏感的问题,提高SOC估计的自适应能力。     

自适应光学电流互感器

该文在最小二乘原理的基础上引入Iwamoto-Tamura法，提出了一种保留非线性最小二乘算法，通过对传统OCT现场实测数据进行分析，证明采用环境温度直接补偿传统OCT是不可取的。为此，提出了一种新型的AOCT，以稳态电流参考模型和传统OCT为基础，应用自适应Kalman和小波理论，构成了模型参考自适应控制系统，消除了温度等因素对传统OCT的影响，从而综合提高了暂态和稳态测量准确度。由于AOCT具有前馈特性，在保证AOCT准确度的前提下能使OCT传感头的结构大为简化，从而提高AOCT的整体稳定性。目前，AOCT已经在河北省保定市沙窝变电站挂网运行，实践证明AOCT具有优良的性能。     

基于高频噪声主频估计的自适应最小二乘算法

进一步提高电力系统继电保护的动作速度，要求寻找速度更快的保护滤波算法。传统的最小二乘算法与卡尔曼滤波算法虽然速度较快，但准确度难以提高。通过对电力系统故障信号高频噪声分量的理论分析与仿真研究，发现高频噪声分量存在一个主频，并提出一种使用遗传算法的主频频率估计器。根据高频噪声主频的存在性与自适应滤波原理，提出了一种基于高频噪声主频估计的自适应最小二乘算法，它利用高频噪声主频估计器计算输入信号的高频噪声主频频率，根据主频频率修改最小二乘算法的模型参数，实时形成最小二乘算法的计算式。仿真试验表明，该算法显著地提高了保护滤波算法的滤波速度与准确性，即使在噪声非常严重的情况下，也能取得很好效果。     

基于卡尔曼滤波的短期负荷预测

介绍了基于极大后验噪声估值器的自适应卡尔曼滤波算法,并将此算法用于次日整点的电力系统负荷预测。自适应卡尔曼滤波模型的阶用Hankel矩阵法辨识,模型参数采用最小二乘法辨识。针对建模过程中噪声估值器失去半正定性和正定性的情况,对噪声估值器作了平方根处理,经Matlab仿真验证,该处理方法是可行的。