基于AR模型的间谐波检测算法的研究

间谐波是频率介于两个谐波之间的信号。电力系统中间谐波问题日益突出,准确检测间谐波参数具有重要意义。由于传统的FFT算法在检测间谐波方面有一定的局限性,针对该局限性,提出了适合间谐波检测的基于AR模型的现代谱估计方法。介绍了AR模型谱估计的两种递推算法,Burg算法和改进协方差算法,并研究讨论了模型阶数选取、算法谱分辨率及谱抗噪声能力等问题,最后通过一系列仿真,证明该方法能够在较短的采样时间里准确检测出间谐波分量,在同样的采样频率和采样长度下,比FFT算法具有更高的精确度和频率分辨率,而且具有一定的抗噪声能力,在谐波检测方面有着很好的应用前景。     

基于AR谱估计和频谱分析的间谐波检测方法

自回归(Autoregressive,AR)谱估计方法频率分辨率高,但不易对间谐波幅值和相位实现精确计算;基于DFT的频谱分析方法能在辨识出各分量频率的基础上计算得到高精度的间谐波参数,但频率分辨率低。为此提出了一种结合这2种方法优势的算法来检测间谐波。首先采用基于最优窗加权修正的Burg算法估计出信号所含分量的大致频率,然后结合软件同步采样后的FFT频谱来分析计算各分量参数。同步采样时基波和谐波无泄漏,可以根据同步采样FFT谱线中只与间谐波有关的谱线来计算间谐波,此时间谐波谱线之间的相互干扰可通过利用间谐波谱线求解与间谐波参数有关的方程组来克服。最后对间谐波所靠近的基波和谐波谱线进行修正,就能保证谐波和间谐波参数精度都较高。实验证明,这种基于AR谱估计和频谱分析的间谐波检测方法能在分辨率和精度上得到兼顾。     

基于AR谱估计和插值FFT的间谐波检测方法

现有插值FFT算法是由已知仿真信号频率成分附近的谱线来修正FFT的结果,而实际信号的间谐波和谐波分布往往无法事先确定,这将给插值修正带来不便.提出AR模型谱估计与双峰谱线修正算法相结合的间谐波检测方法.根据信号的AR谱分布进行插值修正,同时提出由谱估计确定Blackman-Harris窗插值修正所需最小数据长度的方法,并采用多项式逼近的方法导出Blackman-Harris窗插值算法的简单修正公式,在减少FFT计算量的同时保证了结果的高精度.仿真结果表明了该方法的有效性.     

基于互高阶谱MUSIC法的间谐波检测

在电力系统中,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义.研究了一种间谐波幅值和频率的估计算法-基于互高阶累积量的多信号分类法MUSIC(Multiple Signal Classification)方法,该方法可以有效地抑制非相关噪声和高斯噪声,在混合噪声和低信噪比的条件下,仍具有很高的谱分辨率和谱估计性能.为了证明其有效性,采用一具体的电力系统谐波模型进行仿真.仿真结果表明:在色噪声背景下,信噪比为-20dB时,且不需要对分析数据进行整周期采样,仍可以有效地估计出间谐波的频率和幅值,谱估计性能稳定,具有一定的工程应用前景.     

基于现代谱估计方法的间谐波检测

电力系统中的间谐波问题日益突出,因此有必要准确地检测间谐波的参数.FFT算法无法在较短的采样时间内精确检测信号中的间谐波和谐波成分,因而提出采用现代谱估计方法检测间谐波,仿真验证了该方法能够在较短的采样时间内准确检测出频率邻近的间谐波成分和多个间谐波分量.     

基于AR谱估计和插值FFT的间谐波检测方法

现有插值FFT算法是由已知仿真信号频率成分附近的谱线来修正FFT的结果,而实际信号的间谐波和谐波分布往往无法事先确定,这将给插值修正带来不便。提出AR模型谱估计与双峰谱线修正算法相结合的间谐波检测方法。根据信号的AR谱分布进行插值修正,同时提出由谱估计确定B lackm an-Harris窗插值修正所需最小数据长度的方法,并采用多项式逼近的方法导出B lackm an-Harris窗插值算法的简单修正公式,在减少FFT计算量的同时保证了结果的高精度。仿真结果表明了该方法的有效性。     

配网信息统计分析系统的研究与实现

在电力系统中,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义`。研究了一种间谐波幅值和频率的估计算法--基于互高阶累积量的多信号分类法MUSIC(Multiple Signal Classification)方法,该方法可以有效地抑制非相关噪声和高斯噪声,在混合噪声和低信噪比的条件下,仍具有很高的谱分辨率和谱估计性能。为了证明其有效性,采用一具体的电力系统谐波模型进行仿真。仿真结果表明:在色噪声背景下,信噪比为-20dB时,且不需要对分析数据进行整周期采样,仍可以有效地估计出间谐波的频率和幅值,谱估计性能稳定,具有一定的工程应用前景。     

基于互高阶谱MUSIC法的间谐波检测

在电力系统中,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义。研究了一种间谐波幅值和频率的估计算法--基于互高阶累积量的多信号分类法MUSIC(Multiple Signal Classification)方法,该方法可以有效地抑制非相关噪声和高斯噪声,在混合噪声和低信噪比的条件下,仍具有很高的谱分辨率和谱估计性能。为了证明其有效性,采用一具体的电力系统谐波模型进行仿真。仿真结果表明:在色噪声背景下,信噪比为-20dB时,且不需要对分析数据进行整周期采样,仍可以有效地估计出间谐波的频率和幅值,谱估计性能稳定,具有一定的工程应用前景。     

基于现代谱估计方法的间谐波检测

电力系统中的间谐波问题日益突出,因此有必要准确地检测间谐波的参数。FFT算法无法在较短的采样时间内精确检测信号中的间谐波和谐波成分,因而提出采用现代谱估计方法检测间谐波,仿真验证了该方法能够在较短的采样时间内准确检测出频率邻近的间谐波成分和多个间谐波分量。     

噪声情况下的时变间谐波谱估计

间谐波幅值远小于基频或其它整数倍谐波的幅值,使其对噪声非常敏感,噪声往往会将这类微弱信号淹没。另一方面,实际间谐波频谱是随时间变化的,应看作随机信号来处理。该文提出一种基于4阶累积量的可变遗忘因子递推最小二乘法(cumulants recursive least square-variable forgetting factor,CRLS-VFF),将间谐波信号看作一个时变自回归(auto-regressive,AR)模型,利用参数化谱估计方法分辨率高的优点,将间谐波谱估计问题转化为时变AR参数的估计。4阶累积量可抑制任何高斯噪声,保证算法的频率分辨率;可变遗忘因子提高了算法跟踪时变参数的能力。对根据间谐波特点构建的仿真模型及典型的间谐波源——变频装置产生的信号进行仿真,结果证明：该方法能在噪声情况下准确估计出时变间谐波的频谱。