基于强跟踪滤波器的电力系统频率测量算法

频率在电力系统保护与控制、电能质量监测等领域都起到了关键作用。建立了谐波和噪声干扰下的电压信号的复数状态空间描述,提出了基于强跟踪滤波器(Strong Tracking Filter,STF)的电力系统频率测量算法。解决了扩展复数卡尔曼滤波(Extended Complex Kalmanfilter,ECKF)算法在算法收敛后,系统状态发生突变的情况下需要重置误差协方差阵来重新跟踪这些变化的问题,进一步提高了其动态跟踪速度。通过与鲁棒型扩展复数卡尔曼滤波(Robust Extended Complex Kalman Filter,RECKF)算法的对比仿真表明,STF测频算法在迅速跟踪电压频率、幅值和相位变化的同时又能够保持较低的跟踪误差。     

基于自适应强跟踪滤波器的汽车行驶状态软测量

针对汽车底盘控制系统中一些关键汽车行驶状态难以准确直接测量以及测量成本较高的问题,在自适应卡尔曼滤波算法和强跟踪滤波算法的基础上,提出基于自适应强跟踪滤波器的汽车行驶状态估计方法.结合纵向、侧向和横摆3自由度非线性汽车模型,将其应用于汽车行驶状态的软测量之中,并与扩展卡尔曼滤波算法进行比较分析.通过Carsim和Matlab/SIMULINK联合仿真的双移线试验的结果表明,在非线性区域内,自适应强跟踪滤波器能快速、准确跟踪汽车状态.该算法在估计精确度、跟踪速度、抑制噪声等方面均优于扩展卡尔曼滤波算法,满足汽车状态估计器的软件性能要求.     

基于强跟踪滤波器的单相电压基波相位实时提取

分布式发电系统并网时,需要实时检测电网电压的基波频率和瞬时相位。该文提出基于强跟踪滤波器的单相电压基波相位实时提取方法:首先添加电网电压基波频率和直流偏移作为状态变量,建立含有直流偏移和谐波分量的单相电网电压信号的非线性状态空间描述;其次,考虑到扩展卡尔曼滤波在系统达到平稳状态时无法快速跟踪系统参数突变,采用强跟踪滤波器递推估计各状态变量,并利用状态变量估计值实时计算单相电压信号的基波频率、幅值和相位。实验结果表明,所提相位实时提取方法能够在消除电网电压直流偏移影响的同时快速跟踪电网参数突变。     

电力系统频率新的跟踪算法

在许多电力系统保护和控制策略中必须精确测量和计算系统的频率。更重要的是在线计算系统的频率和它的变化，并必须认真处理系统频率的波动来解释测量的准确性。传统的方法是假设被分析的波形是纯正弦，该文提出一种利用数字滤波思想的新的频率跟踪和计算新方案，但不做任何波形假设。所提方案不采用二维富立叶变换、最小二乘和正交滤波。利用数字全通滤波器，该文提出一种新的、有效的电力系统频率计算方法。基于基本滤波器和设备，可以得到精确的电力系统频率而不受任何频率变化的影响。该算法不需要昂贵的如数字信号处理器等处理器。仿真实例和实际测量结果证明了算法的有效性。     

基于Sigma点卡尔曼滤波器的电力频率跟踪新算法

通过变换,首先将三相电压信号转换成一复电压信号,再利用一种复数型Sigma点卡尔曼滤波(CSPKF)算法以改进对发生谐波畸变和随机噪声干扰的电力系统电压信号的频率进行动态估计和跟踪的过程。理论证明,CSPKF算法与现有的复数型扩展卡尔曼滤波(ECKF)算法相比具有更佳的跟踪精度和稳定性。此外,CSPKF算法还成功解决了所有卡尔曼滤波算法都必须面对的当算法收敛后,系统参数发生突变的情况下需要重置误差协方差矩阵来重新跟踪这些变化的问题,进一步提高了其跟踪速度。对几种暂态电力信号模型的算法仿真表明,CSPKF算法具有优异的动态跟踪性能,迅速跟踪频率和幅值变化的同时又保持了较低的跟踪误差。     

电力系统自适应基波提取与频率跟踪算法

传统的电网频率跟踪算法一般依赖于调整所选电网模型的响应速度或精度来增强电力系统异常情况下的稳定性,为减小电网谐波或噪声对频率测量的影响,提出了一种自适应基波提取与频率跟踪算法。该算法通过对电网状态的预估,获得电网频率与电压幅值的估计值,用于实时更新无限冲击响应滤波器系数,实现电网的白适应基波提取,同时还给出了滤波器在系数切换时快速稳定的方法,在此基础上,引入鲁棒扩展卡尔曼滤波算法,实现对基波频率的精确跟踪。仿真和实测结果表明,该算法响应速度快,测量精度高,可有效抑制电网噪声对频率跟踪结果的影响,且算法复杂度较低,可以满足电力系统实时应用的要求。     

一种基于富氏滤波的电力系统频率测量算法

基于正弦，余弦滤波器的输出提出了一种测量电力系统频率的新方法。该方法采用了一种简化处理方式以消除正弦，余弦滤波器幅值增益不同的影响，减小了计算量和响应时间，仿真结果表明，该算法不受电压过零点的影响，具有比较高的测量精度。     

基于强跟踪滤波器的自适应励磁控制器

该文引入强跟踪滤波器用于发电机励磁控制,建立了一种新的自适应励磁控制器.该控制器根据发电机运行状态由强跟踪滤波器实时估计系统的扰动信息,准确地获得单机无穷大模型中的系统参数,以调整控制器,使之得以适应系统运行点的变化以及系统遭受的干扰.仿真研究表明,文中所建立的自适应励磁控制器可以有效地提高电力系统的稳定性,在系统遭受不同干扰下均表现出良好的动、静态性能.     

考虑衰减直流分量的动态相量强跟踪测量算法

故障电流信号的频率变化以及包含的衰减直流分量会严重影响基于傅里叶变换的相量测量算法的精度和动态响应速度。文中提出了一种利用强跟踪滤波器滤除衰减直流分量的动态相量测量算法。首先,将衰减直流分量用其二阶泰勒展开多项式来表示,在状态变量中添加衰减直流分量及其一阶导数和二阶导数,建立含有基波角频率、幅值等参数和衰减直流分量参数的故障电流的非线性状态空间模型,减小信号估计的模型误差。其次,为了提高扩展卡尔曼滤波器在系统达到稳定时对系统参数突变的跟踪能力,利用强跟踪滤波器递推估计各状态变量。所提方法能够有效抑制衰减直流分量对相量测量精度的影响,对时变故障电流信号具有良好的动态响应能力。采用所提算法对加噪声的数值信号以及ATP-EMTP故障仿真信号进行相量测量,结果验证了算法的正确性与有效性。     

基于自适应插值强跟踪扩展卡尔曼滤波的电力系统动态状态估计研究

针对扩展卡尔曼滤波(extended Kalman filter,EKF)算法在电力系统状态估计时存在鲁棒性差,精度被非线性系统的非线性程度制约大等缺点,提出一种自适应插值强跟踪扩展卡尔 曼滤波(adaptive interpolation strong tracking extended Kalman filter,AISTEKF)算法,用于电力系统的动态状态估计.新算法利用自适应插值在两个连续采样点之间增加伪量测值,减小了 EKF的线性化误差,有效提高了算法估计的精度;此外,该方法在EKF算法基础上引入强跟踪理论,增强了算法估计的鲁棒性.为验证所提出方法的有效性,分别运用EKF算法、自适应插值扩展卡尔曼滤波(adaptive interpolation extended Kalman filter,AIEKF)算法和AISTEKF算法对IEEE-5节点系统和IEEE-30节点系统进行动态状态估计.实验结果表明,与EKF和AIEKF算法相比,无论在高斯噪声环境下还是3种有偏噪声环境下,AISTEKF算法的电压幅值估计精度和电压相角估计精度都有显著性提高.所提出的新算法是一种鲁棒性好且估计精度高的电力系统状态估计方法.     

残差归一化的强跟踪滤波器及其应用

强跟踪滤波器通过对残差的强制白化而具有自适应的校正估计偏差和迅速跟踪状态变化的能力。对一类多输出非线性系统的研究发现，当各输出在数值上存在较大差异时，会导致无故障情况下不同输出值对应残差间数值上的较大差异，从而造成滤波器对于各残差的信息不对称，影响故障诊断的速度和精度。针对这一问题，该文提出了一种残差归一化的强跟踪滤波器方法。该方法通过在次优渐消因子的计算过程中对残差的归一化处理，达到平衡各残差问信息的效果，从而提高了故障诊断的速度和精度。仿真结果验证了该方法的有效性。     

电网瞬时频率跟踪算法设计

在高压直流输电工程中,采用高精度锁相环跟踪电网相位,并在设定角度产生点火脉冲触发换流阀,瞬时电网频率跟踪速度和精度对锁相环至关重要,传统的频率测量方法无法同时满足速度和精度的要求。提出了一种电网瞬时频率跟踪算法。该算法将三相电压瞬时值进行Clarke变换,经有限冲激相应滤波器(FIR)滤除谐波和负序分量后,计算电网实时相位,采用相差法实现了对电网瞬时频率的跟踪。通过仿真和实验验证,该算法可准确、快速地跟踪各种电力信号的瞬时频率,有效地滤除谐波和噪声,电网瞬时频率的测量精度高达±0.005 Hz。     

基于强跟踪滤波器的变压器绕组故障实时检测研究

绕组是变压器发生故障较多的部件。基于强跟踪滤波理论 ,本文给出了一种变压器绕组故障实时检测与诊断的理论方法。该方法将状态估计与参数辨识相集成。仿真结果表明 ,它不仅能准确快速地识别故障类型及其相关参数 ,而且在故障发生时能够保持比较高的参数估计精度。     

基于强跟踪滤波算法的异步电机参数自适应无速度传感器控制

在异步电机四阶模型的基础上增加机械和转矩方程,并引入负载转矩和转子电阻为状态变量,得到七阶非线性模型.利用强跟踪滤波(STF)算法实现电机状态和转子电阻的同时估计,通过仿真比较了STF和扩展Kalman滤波(EKF)算法的估计性能.结果表明,STF算法能有效估计电机状态及辨识转子电阻,并且具有比EKF算法更理想的估计性能,同时能满足极低速和零速下的估计要求,从而在电机的整个工作范围内实现转子电阻自适应的状态估计.     

基于交流采样的电力系统频率测量的滤波器设计

提出了交流采样中用于电力系统频率测量的FIR滤波器的设计方法 ,该方法通过设计两个在工频范围内幅值增益变化很小的正交线性相位FIR滤波器计算频率 ,仿真结果表明 ,该方法计算简单 ,且具有较高的测量精度。     

基于强跟踪DEKF算法的动力电池SOC估计模型

应用扩展卡尔曼滤波(EKF)算法估计动力电池荷电状态(SOC)时,会出现由于电池模型参数不准确而造成估计误差增大的问题。这里提出一种基于强跟踪原理的双卡尔曼滤波(ST-DEKF)算法解决该问题。以电池复合等效模型为研究基础,利用双卡尔曼滤波(DEKF)算法并行实时联合估计电池SOC和电池模型中的欧姆内阻参数,相互反馈,以提高电池模型的准确性,能够有效改善电池SOC估计精度。但在电池SOC初值设定存在偏差情况下,观测噪声方差不易确定,估计过程收敛速度慢,甚至会引起发散,因此,在算法初始阶段又引入了基于强跟踪原理的次优渐消因子对目标进行快速跟踪,弥补DEKF算法的不足。实验结果表明,基于ST-DEKF算法建立的电池SOC估计模型,具有很好的鲁棒性、跟踪速度和精度。     

改进双正交滤波器组的电网频率跟踪算法

改进双正交滤波器组是构造复信号的一种方法。与传统傅氏算法不同,本方法可采用幅频校正,克服同步采样这一限制条件。同时与加权平滑相位差分法结合使用,以提高求取电力系统瞬时频率时的抗噪特性。针对电力信号频率突变和缓变2种模型,仿真了跟踪算法的动态特性,数值分析和实测表明,实时跟踪瞬时频率效果优于同类文献中的跟踪算法。     

基于强跟踪滤波器的快速实时负荷建模方法

电力系统负荷的时变性和随机性给实时或超实时暂态稳定分析带来了困难。提出一种可用于实时或超实时暂态稳定分析的快速负荷建模方法,为解决这一难题提出了新思路。该方法以实时辨识、实时使用为主要思想,采用强跟踪滤波器进行暂态稳定分析的快速负荷建模,并用辨识结果实时更新超实时暂态稳定程序中的负荷模型。仿真结果表明,所提出的快速负荷建模方法能够满足暂态稳定分析对负荷建模的实时或超实时需求。     

基于插值FFT算法的电力系统频率高精度测量

介绍了一种基于插值FFT算法的测量电力系统频率的高精度方法.分别对原始信号为纯基波、含有谐波以及分别改变谐波含量和相位等几种情况进行了仿真,并与傅里叶算法的测量结果做了比较.结果表明,插值FFT算法在各种情况下都有很高的精度,采样不同步对该方法的影响也很小.该方法运算速度快,计算精度高,易于硬件实现,能够满足电力系统实时测量的要求.     

强跟踪滤波器在实时数据处理中的应用

针对靶场导弹非线性系统实时数据处理滤波器设计问题,提出了应用带多重时变渐消因子强跟踪滤波算法满足靶场实时数据处理滤波器设计的需求。给出了目标状态方程及强跟踪滤波算法,探讨了时变渐消因子的确定方法,并通过与卡尔曼滤波器比较仿真实验,证明了带多重时变渐消因子的强跟踪滤波算法在非线性系统实时数据滤波处理方面具有较好较强模型不确定性的鲁棒性和突变状态的跟踪能力,解决了非线性系统目标跟踪数据实时处理的技术问题。