一种基于迭代抑制谱泄漏的改进相位差算法

由于非同步采样所带来的频谱泄漏效应是影响相位差算法电参量测量精度的主要原因,利用高阶窗的旁瓣特性可抑制频谱泄漏,但二次谐波幅值的估计精度仍难以显著提升,并且由于高阶窗所带来频率分辨率损失的原因,通常需要增加待测信号的采样窗长,不利于频率波动和实时性要求较高的场合实现高精度测量。为此,提出一种加sine窗函数的改进型相位差算法,利用峰值谱线间相位差估计出的相对频偏,计算出除被测谐波分量之外的其他分量的长程谱泄漏对峰值谱线的干扰之和并将其减去后,重新利用其峰值谱线间的相位差计算相对频偏,循环迭代估计。基于该方法,与现有加窗相位差算法分别在无噪声、有噪声以及频率波动环境下进行仿真比较。实验结果表明,该方法迭代矫正计算4次即可,能有效抑制频谱泄露效应,减小估计偏差,提高电网电参量测量精度和实时性,能够满足电网测量需要。     

基于嵌入式Linux的电参数测量系统设计

为了解决传统电参数仪智能化程度低、量程窄等问题,应用Linux操作系统、同步化等技术设计了一套电参数测量系统。该系统可对用电设备的电压、电流和功率等参数进行准确测量。在硬件设计上,采用MAX1324对电压和3路电流进行采样,提出了一种简便的组合测量电路以分别测量小电流和大电流。该系统通过对3路采样电流进行判断,以控制继电器来确定电流采样电路。采用了同步化算法,对非同步采样数据进行了修正,从而有效减小了计算误差。实际应用结果表明,该系统具有智能化程度高、使用方便和易于维护等优点。     

水泥和石墨组成的新型非金属电热元件的研究

本文较为详细地介绍了由水泥、石墨和耐火材料等制成导电混凝土及其两种非金属电热元件,以及它们的配方和制作过程,并对它们的一些性能进行了测试和分析。结果发现:由水泥、石墨和耐火材料等制成的非金属电热元件具有原料便宜、制作简便、成本低、抗过电流过电压能力强、使用寿命较长,节省贵重金属稀有金属和有色金属、散热快且均匀、使用安全等优点,有可能成为一种新型的电热元件。     

希尔伯特-黄变换在电压闪变测量中的应用

电压闪变是影响电能质量的一个重要因素,针对闪变水平的计算问题,将希尔伯特-黄变换(HHT)应用于电压波动信号的时变分析中.首先,对提取的电压包络信号进行了HHT变换,从而获得了波动电压的时变参数;然后,将瞬时幅值按照“频率一电压波动”曲线进行加权,得到了瞬时闪变视感度;最后,通过统计计算,得出了短时闪变严重度.对新算法进行了仿真,以含有10 Hz与20Hz闪变成分的电压信号为例,每0.01 s可输出一个闪变值,实例的统计结果与理论结果误差仅为3.863％,符合IEC的要求.研究结果表明,该算法与IEC法、FFT法相比,具有多分辨率的特点,可用于获取电压幅值、频率的瞬时信息,提供更及时有效的瞬时闪变值;另外该算法还能够适用于非平稳信号的闪变测量.     

基于Adaline神经网络的家用电器谐波分析

为了分析常用家用电器用电对公共电网的谐波污染,应用Adaline神经网络对其进行自适应谐波分析。改进的增强型Adaline神经网络将频率作为待定权值,同时估计被测信号的频率、幅值和相位。幅值相位权值的学习采用变步长方法,频率权值的学习采用动量项方法,提高了收敛速度。修正的频率调整公式和频率延迟调整策略简化了频率学习率的设置。基于实测电压信号的对比研究验证了改进算法的收敛性能和分析精度。通过数据采集实验装置得到计算机、电视机、洗衣机、微波炉等家用电器的用电波形,并用改进的Adaline方法对波形信号进行谐波分析。实验结果表明,计算机的电流谐波总畸变率超过60%,微波炉的电流谐波总畸变率在40%以上,电视机和洗衣机的电流谐波总畸变率在10%以上。     

基于Root-MUSIC和Adaline神经网络的 间谐波参数估计

为了提高电力系统间谐波分析的精度和分辨率,提出基于求根多重信号分类法（root-MUSIC)和自适应线性神经网络的间谐波参数估计方法.该算法利用求根多重信号分类法估计信号中谐波和间谐波的个数及频率,将谐波和间谐波的频率作为Adaline神经网络的输入进行学习,用得到的权值确定谐波和间谐波的幅值和相位;将频率作为权值在改进的Adaline神经网络中参与学习,估计谐波和间谐波的频率、幅值和相位.Matlab仿真结果表明,该算法频率分辨率高、检测准确、收敛快;当频率估计准确时,基本Adaline神经网络与改进的Adaline神经网络具有相近的检测精度,且前者的实时性更好.     

电能质量的监测与分析系统

解决电力系统的电能质量问题，首先需要对电能质量进行监测和分析，从而才能提出整改方案，改善供电质量。针对我国目前有关电能质量的国家标准，我们设计并研制了一套电能质量监测和分析系统。本从硬件、软件、网络及系统构成等方面对该系统进行了较为详细的介绍、分析和讨论。     

基于奇异值分解的频率估计新算法

为了提高信号频率估计的精确度，提出了一种新的自适应滑动窗奇异值算法（sliding window adaptive SVD, SWASVD）.该算法基于奇异值算法将包含信号信息的矩阵分解到一系列奇异值和奇异值矢量对应的时频子空间中，从而分离信号信息与其他噪声信息的特点，推导了连续奇异值算法，产生两个辅助矩阵，在行列式处理中，采用减少秩的方法消除噪声，推导出的近似矩阵减少了复杂计算，使用matlab进行仿真，与多重信号分类谱估计法（MUSIC）进行了比较.结果表明，该新算法使用了滑动窗的概念，对陡峭信号变化有很好的鲁棒性，应用该方法可以在频率估计方面获得更准确的结果.     

应用于频率宽范围偏移电网的改进相位差校正法

非同步采样造成的频谱泄漏是相位差测量误差的主要来源,尤其针对于频率宽范围偏移时,采用传统相位差法很可能造成测量失败。文中提出一种基于传统相位差的改进算法,改进算法分为两个步骤:第一,通过分析加窗信号频谱,将频谱表达式进行多项式变换从而加快旁瓣衰减速度,进一步减轻频谱泄漏和各谱线之间的干扰;第二,通过估计电网基波频率偏移范围确定待测信号采样点数,对采样序列采用截取点数不同的前后两次相位差法,第二次相位差法的截取点数由第一次相位差法估计的基波频率决定,减小了非同步采样带来的频谱泄漏。分别在基波频率稳定、基波频率宽范围偏移以及含有噪声干扰的情况下进行仿真验证。仿真结果表明,改进算法的电参数测量精度较传统相位差法有大幅度的提升,采样窗长满足IEC标准规定窗长。