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。     

基于小波和短时傅里叶变换的电网谐波分析

为了测量电网中的波动谐波,将小波变换和短时傅里叶变换方法相结合用于电网谐波分析.通过小波变换设计出一组带通滤波器来分离出基波和各次谐波,并采用短时傅立叶变换计算出基波和各次谐波的幅值、频率和相位.仿真结果表明,当信号中存在高斯白噪声时该算法仍可准确检测出基波和2到63次谐波的幅值、频率和相位,且算法简单易于实现.     

基于小波和短时傅里叶变换的电网谐波分析

为了测量电网中的波动谐波,将小波变换和短时傅里叶变换方法相结合用于电网谐波分析。通过小波变换设计出一组带通滤波器来分离出基波和各次谐波,并采用短时傅立叶变换计算出基波和各次谐波的幅值、频率和相位。仿真结果表明,当信号中存在高斯白噪声时该算法仍可准确检测出基波和2到63次谐波的幅值、频率和相位,且算法简单易于实现。     

基于神经网络的电力系统高精度频率谐波分析

加窗插值 FFT 算法是电力谐波分析常用的高精度算法，但在严重非同步采样情况下，其谐波分析精度有限。该文提出一种基于神经网络的高精度电力系统频率谐波分析算法。采样频率不能与实际基波频率同步时，该算法通过对与基波频率、谐波幅值及相位等相关参数进行更新，当神经网络收敛时，可以获得高精度的谐波分析结果。仿真结果表明，当基波频率在40~60Hz范围变化时，电力系统基波频率、基波和谐波幅值和相位的分析精度超过99.999 999 999%。     

基于无迹Kalman滤波的基波分量提取

针对全波Fourier和Kalman滤波算法在提取基波分量时对频率偏移敏感和直流偏移量抑制能力差的缺点,提出了一种新的基波分量提取算法。首先以故障信号的直流偏移量、基波角频率和基波分量作为状态变量,建立信号的非线性状态空间模型。然后采用无迹Kalman滤波(Unscented Kalman Filter,UKF)在信号的非线性模型基础上估计出基波分量。此外,滤波算法还能够实时估计出信号的直流偏移量和基波频率。通过多个算例仿真对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。仿真结果表明,算法对频率突变和直流偏移量突变具有良好的适应性,能快速准确地提取出基波分量。     

一种基于粒子群优化算法的间谐波分析方法

电网中常存在许多频率与基波成非整数倍的间谐波,准确分析间谐波特征对电力系统具有重要意义.本文首次将粒子群优化算法应用于电力系统间谐波分析,提出了一种BT谱估计与粒子群优化算法相结合的间谐波分析方法.首先通过BT谱估计获取间谐波信号模型的阶数,并得到信号中谐波/间谐波的个数及频率初值,然后应用改进粒子群优化算法对谐波/间谐波的幅值和相位进行参数优化估计,最终实现了间谐波幅值、频率和相位三个特征的较高精度分析.仿真实验结果验证了方法的有效性.     

改进型解耦自适应复数滤波器锁相环

为了消除因三相电压不对称、频率突变、相位突变、注入谐波等不平衡电网环境对传统锁相方法的影响,提出一种准确锁定基波正序电压频率以及相位的方法。介绍静止坐标系锁相环(αβ-PLL)的基本结构,分析静止坐标系锁相环工作的基本原理。基于此,引入具有极性选择性的正、负序一阶复数滤波器,通过改进滤波结构、合理选择其参数,在αβ坐标系下实现了正序基波电压的准确提取。仿真结果表明,该方法能更快速准确的检测基波正序电压的幅值、频率及相位。     

基于Kalman滤波算法的电网故障行波检测方法

行波检测是电网故障行波定位与行波保护技术的关键。为提高在含噪环境下行波检测的准确度与可靠性,本文提出了一种基于Kalman滤波算法的电网故障行波信号检测方法。该算法首先对电网电流信号进行分析,选取基波以及各次谐波作为状态变量建立状态空间,在此状态空间中利用Kalman滤波算法,实现对电网故障电流信号的预估及校正;由此得出校正后的电网电流信号幅值,利用幅值的奇异点进行行波检测分析,记录行波的到达时刻。仿真分析表明,Kalman滤波算法在不同的故障条件下均可准确检测出行波信号;在含噪声情况下和微弱信号下,相比于Hilbert-Huang变换和小波变换,Kalman滤波算法能有效提高电网故障行波定位的准确度与可靠性。     

基于频率自适应的双二阶巴特沃斯数字滤波方法

频率波动、谐波未知的畸变电网导致相位和频率检测存在稳态误差,从而影响滤波器的滤波性能。针对上述问题,提出一种基于频率自适应的双二阶巴特沃斯数字滤波方法,该方法采用两个双二阶巴特沃斯带通滤波器,可实时检测电网电压的相位和频率并提取基波信号;分析巴特沃斯带通滤波器的特性及频率自适应滤波算法的结构;阐述该频率自适应滤波算法在电压锁相环和特定次谐波检测中的应用。仿真与实验结果验证了基于频率自适应的双二阶巴特沃斯数字滤波方法的有效性。该方法能够精确检测电网电压的相位和频率,并能有效消除因电网频率波动、电网畸变而导致的相位和频率检测误差,而且适用于单相或三相系统。     

基于Rife-Vincent(I)窗的电力谐波分析方法

快速傅里叶变换(FFT)的电力谐波分析方法应用最多,但存在频谱泄漏和栅栏现象,影响谐波分析的精确度。为解决这个问题,先分析了常用窗函数和插值算法,后提出了基于5项Rife-Vincent(I)窗六谱线插值的谐波分析方法。通过多项式曲线拟合,推导出幅值、相位和频率的修正公式,并用于仿真验证。仿真结果证明了算法的有效性和准确性:在分析简单信号时,与Hanning窗、Hamming窗、Blackman窗相比,5项Rife-Vincent(I)窗的检测精度更高,幅值和相位相对误差分别小于8.94×10-6%和2.60×10-4%,基波频率相对误差低至-1.44×10-8%;在分析包含间谐波的复杂信号时,所提出的算法相比其他算法计算精度更高。     

基于自适应容积卡尔曼滤波的动态谐波检测

对电网中的谐波进行实时、准确的检测是有效治理谐波的前提。针对某些运行工况下电网中出现的动态谐波,提出了一种基于自适应容积卡尔曼滤波的动态谐波检测算法估计谐波信号的幅值和相角。首先针对传统卡尔曼滤波处理非线性关系上的局限性,利用容积卡尔曼滤波不需要任何线性化关系的特性估计谐波的状态向量和误差偏差矩阵,然后引入噪声估值遗忘因子来实时更新系统的噪声矩阵方程。最后通过对比实验,验证了该算法在动态谐波检测上的优越性能,并将其应用于有源滤波器的谐波检测中。     

基于改进型自适应滤波器的正负序分解方法

针对分布式发电系统微电网并网的控制需求,文中介绍了一种三相电网电压信号正负序分量的提取方法,作为电网信号处理和同步的工具。基于多结构ANF的方法能够估计出电网信号的频率、振幅、基波及其正交分量等有用信息,利用基波及其正交分量信息能检测出电网中的正负序分量,但当电网信号的幅度或频率变化时,传统多结构ANF方法性能将降低。文中通过优化ANF的动态方程,提出一种改进的ANF结构,使其具有频率和幅值自适应性,并将改进后的多结构ANF用于电网信号正负序分量的提取。MATLAB仿真结果表明,该方案对电网信号中存在的电力系统干扰具有很高的抗干扰度,当三相电网信号不平衡时,其频率和幅度估计性能优于传统的多结构ANF正负序提取方法。     

Harmonic estimation in a power system using a novel hybrid Least Squares-Adaline algorithm

Nowadays many algorithms have been proposed for harmonic estimation in a power system. Most of them deal with this estimation as a totally nonlinear problem. Consequently, these methods either converge slowly, like GA algorithm [U. Qidwai, M. Bettayeb, GA based nonlinear harmonic estimation, IEEE Trans. Power Delivery (December) 1998], or need accurate parameter adjustment to track dynamic and abrupt changes of harmonics amplitudes, like adaptive Kalman filter (KF) [Steven Liu, An adaptive Kalman filter for dynamic estimation of harmonic signals, in: 8th International Conference On Harmonics and Quality of Power, ICHQP’98, Athens, Greece, October 14–16, 1998]. In this paper a novel hybrid approach, based on the decomposition of the problem into a linear and a nonlinear problem, is proposed. A linear estimator, i.e., Least Squares (LS), which is simple, fast and does not need any parameter tuning to follow harmonics amplitude changes, is used for amplitude estimation and an adaptive linear combiner called ‘Adaline’, which is very fast and very simple is used to estimate phases of harmonics. An improvement in convergence and processing time is achieved using this algorithm. Moreover, better performance in online tracking of dynamic and abrupt changes of signals is the result of applying this method.     

A multi-tone central divided difference frequency tracker with adaptive process noise covariance tuning

The problem of real-time frequency estimation of nonstationary multi-harmonic signals is important in many applications. In this paper, we propose a novel multi-frequency tracker based on a state-space representation of the signal with Cartesian filters and the second-order central divided difference filter (CDDF), which improves the performance of the extended Kalman filter (EKF) by using Stirling's interpolation method to approximate the mean and covariance of the state vector. A crucial element of the method is the adaptive scaling of the process noise covariance matrix appearing in the filter equations, as a function of the innovation sequence, which tunes the accuracy-reactivity trade-off of the filter. The proposed solution is evaluated against two approaches from the literature, namely the factorized adaptive notch filter (FANF) and the extended Kalman filter frequency tracker (EKFFT). Several experiments emphasize the estimation accuracy of the proposed method as well as the improved robustness with respect to initial errors and input signal complexity. The presented method appears to be particularly efficient with rapidly varying frequencies, thanks to the update mechanism that adjusts the filter parameters based on the amplitude of the estimation error.     

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。     

基于高精度测频的修正DFT相量及功率测量算法

为了提高频率偏移时电力系统相量及功率测量精度,提出了一种基于改进扩展卡尔曼滤波(IEKF)频率测量的修正离散傅里叶变换(DFT)相量及功率测量算法。分析了频率发生偏移时非同步采样下DFT的测量误差,建立了相角、幅值与频率偏移量和初相角之间的函数关系式。由IEKF得到频率偏移量,然后对DFT计算结果进行修正即可得到输入信号的真实相量和功率。仿真结果表明:该算法相比较于传统自适应DFT算法能有效消除或减弱谐波、噪声以及频率偏移对相量同步测量的影响,提高了相量及功率测量精度。     

基于自适应无迹卡尔曼滤波的配电网状态估计

随着大量分布式电源和电动汽车接入配电网,DG出力难以预测以及负荷监控复杂是配电网运行管理的难题。针对传统无迹卡尔曼滤波预测误差大,且容易受不良数据影响的问题,利用新息向量构造了自适应因子,提出自适应无迹卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)算法对配电网进行状态估计。当系统负荷突变以及量测存在不良数据时,利用自适应因子对相应的预测协方差矩阵进行在线修正,减小了预测误差对估计精度的影响。在三相不平衡配电网中进行仿真分析,结果表明,AUKF算法比UKF估计精度高、鲁棒性强,验证了所提算法的有效性。     

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。     

基于长短期记忆网络的UKF动态谐波状态估计

传统动态谐波状态估计的卡尔曼滤波预测步通常以单位阵构建状态空间模型,同时将系统噪声协方差矩阵假设为常数阵,从而导致动态估计预测精度降低,影响动态状态估计模型的滤波性能。为了准确建立谐波状态的空间模型,提出一种基于长短期记忆网络(Long Short-Term Memory, LSTM)的时序预测方法。通过大量历史数据离线训练模拟复杂的状态转移过程,基于历史时刻的滤波估计值预测当前时刻的谐波状态量,有效提高无迹卡尔曼滤波(Unscented Kalman Filter, UKF)中预测模型精度。在改进IEEE34节点三相不平衡系统上进行了测试分析。与传统算法进行对比,结果证明所提出的方法在谐波状态估计精度和鲁棒性方面均表现更好。     

基于自适应容积卡尔曼滤波的主动配电网状态估计

有效的状态估计算法是确保电力系统安全、稳定、经济运行的前提条件。针对传统无迹卡尔滤波(unscented Kalman filter,UKF)参数选取难、灵活性差、高阶系统滤波精度低等缺陷,将数值稳定性较好的容积卡尔曼滤波(cubature Kalman filter,CKF)算法引入到配电网进行动态状态估计,并与改进后的自适应无迹卡尔滤波(Adaptive unscented Kalman filter,AUKF)算法进行对比,仿真分析表明CKF算法较AUKF算法具有较高的滤波精度以及较好的数值稳定性。该算法在系统负荷发生突变时滤波精度有所下降,为此进一步提出了自适应容积卡尔曼滤波(Adaptive cubature Kalman filter, ACKF)算法以改善状态估计性能。对三相不平衡电网进行算例仿真表明：ACKF算法相比较于CKF算法而言,滤波精度更高、鲁棒性更强。