滤除衰减非周期分量的微机保护算法研究

寻找合适的算法是微机保护的一个重要任务。作者的目的是在目前国内外有关微机保护算法的文献中寻找一种兼顾精度与速度，并适合微机保护的“最佳”算法。为此通过大量的仿真计算，对各种算法的计算精度与计算速度进行了对比。首先给出微机保护常用算法中傅里叶算法及改进傅氏算法、卡尔曼算法和递推最小二乘算法对含非周期分量故障信号计算方法，分析各算法的误差来源和频谱特性，然后进行仿真计算方法，分析各算法误拳来源和频谱特性，然后进行仿真计算，在采样率分别为12点／周、20点／周40点／周上，在80P51XA16位单片机上各算法的计算精度进行了对比计算。得出了采用并联补偿的傅氏算法且选择采样率为20点／周的方案是能兼顾精度与速度的“最佳”组合方案的结论。  

基于时间序列分析和卡尔曼滤波算法的风电场风速预测优化模型

为提高风电场风速的预测精度，解决时序模型预测延时的问题，文章提出了一种时间序列分析和卡尔曼滤波相结合的混合算法。基本思路为：首先利用时间序列分析理论，对风电场风速信号进行非平稳建模，得到符合其变化规律的模型方程；其次通过得到的模型方程推导出卡尔曼滤波法的状态方程和观测方程；然后依靠卡尔曼预测递推方程进行预测；最后对某实测风速信号进行预测。实例分析表明：采用该混合算法可以提高预测精度，而且较好地解决了预测延时问题。  

基于卡尔曼滤波的短期负荷预测方法的研究

负荷历史数据是负荷预测的基础。负荷历史数据由于测量、人为等因素而造成不准确，因而导致负荷预测也不准确。文中提出利用最小二乘法线性拟合建立负荷数据基本模型，用3次样条插值对卡尔曼滤波器的系统参数进行辨识，最终用卡尔曼滤波器对历史数据进行预处理，以纠正由于测量错误或人为改动的数据。对文中所提方法进行了验证。结果表明，后验误差在3％之内，效果很好。  

基于卡尔曼滤波的电力系统短期负荷预测

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果。  

一种基于视频图像的运动车辆跟踪方法

基于视频图像的车辆运动跟踪是当前计算机视觉研究的热点,具有广泛的应用领域。本文研究了一种基于视频图像的运动车辆跟踪算法,通过当前帧目标边缘与实时更新模板的最优匹配来确定目标的位移量。首先启动了卡尔曼滤波,预测目标匹配搜索区域,然后再在搜索区域中利用边缘匹配精确定位目标,减小了匹配的计算量。实验结果表明,该方法是有效的且实时性好。  

基于载波注入的凸极永磁同步电动机无传感器控制

为了解决凸极永磁同步电机低速和零速时的转子位置估计问题，提出了一种载波注入的无传感器控制方法。在电机定子端注入高频正弦载波电压信号，利用空间凸极跟踪技术，从载波电流中取出位置估计的误差信号，再经过卡尔曼滤波器的处理，得到位置和速度估计信息。载波的恢复即高频信号的解调则通过一个带有外差作用的二阶低通滤波器来实现。仿真结果证实了这种方法的可行性，它适用于凸极永磁同步电机低速和零速时的转子位置和速度估计。  

风电场风速短期多步预测改进算法

对风电场风速实现较准确的预测，可以有效减轻并网后风电对电网的影响，提高风电市场竞争力。文章运用时间序列法对我国某风电场测风站实测风速建立时序ARIMA(11,1,0)模型，并进行风速预测。针对模型在超前1步预测时出现的延时问题，引入卡尔曼预测法加以改进，提出卡尔曼时间序列法。针对时序模型超前多步预测精度低的问题，提出滚动式时间序列法。对提出的两种改进方法进行实例验证，结果表明：①卡尔曼时间序列法不仅改善了预测延时问题，而且把超前1步预测的平均绝对相对误差从6.49％降低为3.19％；②滚动式时间序列法改善了多步预测的精度问题，模型超前3、5、10步预测的平均绝对相对误差分别仅为7.01％，7.63％，8.42％。两种改进方法都没有明显增加时间序列法的建模计算量。  

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时，存在计算量大和故障数据相互污染的问题，提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合，以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析，然后给出了融合算法的实现，最后以多传感器组合导航系统为例，对其进行计算机仿真。结果表明，该方法可有效提高计算的精度和可靠性，具有较好的容错性和环境适应性，有效高的工程实用价值。  

舰船多相永磁同步电动机推进控制系统辨识与仿真研究

研究了舰船电力推进系统的数学模型及其非线性特性。建立了螺旋桨负载的数学模型。针对舰船多相永磁同步电动机推进控制系统在其参数不确定而导致系统反馈线性化的效果变差，无法达到预期的优化性能。严重时甚至会造成系统的不稳定的问题，本文提出了采用扩展卡尔曼滤波方法对系统进行参数估计的方法，应用非线性系统的逆系统方法对控制器参数进行优化设计，并进行了仿真。仿真结果表明。所采用的方法能够使系统达到预期的优化动态性能指标，提高了系统的鲁棒性，具有较好的实用价值。  

采用扩展卡尔曼滤波磁链观测器的永磁同步电机直接转矩控制

提出利用卡尔曼滤波(extended Kalman filter，EKF)观测器对永磁同步电机(permanent magnet synchronous motor，PMSM)直接转矩控制(direct torque control，DTC)系统进行精确参数估计的方法。通过检测定子电压和电流，应用EKF观测器精确估计电机的定子磁链、电机转速和转子位置，间接估计转矩，近而实现PMSM的无速度传感器控制；同时改进常规的EKF估计状态方程，提高速度估计的精确性，并证明了基于EKF的控制系统的稳定性定理。仿真结果表明该方法减小了系统的非线性、参数变化以及干扰带来的影响，EKF能够准确估计状态变量，提高了直接转矩控制的性能。