谐波和间谐波三参数识别的SSI-LS方法

为精确检测谐波和间谐波的三参数,提出了基于随机子空间辨识(Stochastic Subspac Identification,SSI)与最小二乘(Least Square)法的谐波和间谐波三参数检测方法.运用奇异值差值法确定SSI-LS算法的阶数;利用SSI算法直接对原始含噪信号精确检测出各谐波和间谐波分量的频率;当信噪比大于20 dB时,应用最小二乘法对各谐波和间谐波分量进行幅值和相位的估计,从而实现了谐波和间谐波的三参数识别.分别针对含有噪声和直流分量的谐波和间谐波数值仿真信号和频率相近且幅值相差百倍的谐波和间谐波信号作谐波和间谐波的三参数识别.仿真分析表明该方法抗噪声能力强、检测精度高、计算速度快,尤其是对信号中各谐波和间谐波分量的相位检测精度高、对频率相近且幅值相差百倍的谐波和间谐波信号具有较高的分辨率,为电力系统谐波和间谐波的精确检测提供了新的思路与方法.     

谐波和间谐波三参数识别的SSI-LS方法

为精确检测谐波和间谐波的三参数,提出了基于随机子空间辨识（Stochastic Subspace Identification, SSI）与最小二乘（Least Square）法的谐波和间谐波三参数检测方法。运用奇异值差值法确定SSI-LS算法的阶数;利用SSI算法直接对原始含噪信号精确检测出各谐波和间谐波分量的频率;当信噪比大于20 dB时,应用最小二乘法对各谐波和间谐波分量进行幅值和相位的估计,从而实现了谐波和间谐波的三参数识别。分别针对含有噪声和直流分量的谐波和间谐波数值仿真信号和频率相近且幅值相差百倍的谐波和间谐波信号作谐波和间谐波的三参数识别。仿真分析表明该方法抗噪声能力强、检测精度高、计算速度快,尤其是对信号中各谐波和间谐波分量的相位检测精度高、对频率相近且幅值相差百倍的谐波和间谐波信号具有较高的分辨率,为电力系统谐波和间谐波的精确检测提供了新的思路与方法。     

基于Root-MUSIC和支持向量机的间谐波参数估计

为准确地检测电力系统中间谐波信号的参数,提出基于求根多重信号分类法(Root-MUSIC)和支持向量机(SVM)的间谐波参数估计方法。首先对采样数据构成的自相关矩阵进行特征分解,利用信号子空间和噪声子空间的正交性求得谐波和间谐波的个数及频率;然后通过支持向量机算法对间谐波信号的幅值和相位进行回归估计。Matlab仿真结果表明:该算法在低信噪比下频率估计准确,利用支持向量机在处理小样本数据上的优势,有效的提高了幅值和相位估计的精度。     

基于互高阶谱Pisarenko方法的间谐波计算

电力系统间谐波的问题日益突出,准确地将间谐波的幅值、频率检测出来,是电力系统急待解决的问题.本文应用互高阶谱的Pisarenko方法可以在混合噪声背景下准确地将间谐波的幅值、频率计算出来.在互高阶累积量Yule-Walker基础上,首先将信号的特征空间分解为信号子空间与噪声子空间,再构建特征多项式,计算出各次谐波分量的幅值与频率.仿真和试验结果表明,该方法在低信噪比和短数据下,频率的测量精度优于0.03%,幅值的测量精度优于5%,谱估计的分辨率高,稳定性好.     

基于多信号分类法和普罗尼法的间谐波参数估计

提出了一种基于多信号分类法(Multiple Signal Classification,MUSIC)和普罗尼法(Prony)的间谐波参数估计方法,首先通过在MUSIC功率谱曲线中设置阈值来估计信号中的谐波和间谐波频率,然后根据估计出的频率利用Prony法中的最小二乘法来估计其幅值和相位.仿真和实测信号分析结果表明,该间谐波参数估计方法在低噪声水平下可检测到整数次谐波附近的间谐波,且估计出的谐波和间谐波参数精度较高,能满足实际电网信号测试精度的要求.     

基于TLS-ESPRIT算法和支持向量机的间谐波检测

由于间谐波具有在频域广泛分布、幅值相对于基波和谐波较小、周期难以确定等特点,因此间谐波的检测难度很高,要求能够尽量限制非同步采样对检测精度的影响。现代谱估计算法由于对同步采样没有要求,频率分辨率高等特点被广泛地用于电力系统谐波与间谐波检测中,由于其只能准确的估计信号的频率,不能很好的估计信号的幅值和相位,在实际应用中受到很大限制,而支持向量机如果要准确的估计信号的频率、幅值和相位,计算量很大。基于以上特点,将支持向量机(SVM)与总体最小二乘旋转不变(TLS-ESPRIT)算法结合起来,先用TLS-ESPRIT算法准确估计信号频率分量,再用支持向量机方法估计信号的幅值和相位,通过三个算例分别讨论了该方法在相邻信号、多信号等情况下的检测情况,证明该方法切实可行,能准确检测出间谐波的各种参数,并且比单独使用支持向量机计算量小。     

基于SSI和LS的间谐波检测新方法

提出基于随机子空间辨识和最小二乘法的电力系统间谐波高精度检测新方法。随机子空间辨识是一种线性系统时域模态参数识别方法,利用系统输出的数据构造Hankle矩阵,进而分离出系统状态方程的系统矩阵和输出矩阵,从而识别系统的模态参数：固有频率、阻尼比、振型。应用该法于间谐波检测实现频率、衰减因子、幅值的检测,计算中提出基于振型实现系统的自动定阶,在此基础上,应用最小二乘法实现间谐波信号各频率分量相位的估计。针对噪声、频变、幅变背景下仿真信号和实测变频调速系统的电流进行仿真,同时与Prony法作对比,结果表明该法抗     

基于Prony算法的谐波和间谐波频谱估计

电力系统中,准确有效的确定信号中的各次谐波分量及间谐波信号,对于改善电能质量有着重要意义.在分析间谐波特性基础上,提出了一种基于Prony算法的信号分解法.该方法将指数变换的时频特性与谐波信号特性描述相结合,可以提供各种分量的特征指标,如频率、幅值、相位等,并利用最小二乘法得到高精度的拟合.经过电弧炉模拟系统试验证明,Prony 算法在谐波和间谐波信号分析中,可提供有效、准确的分析结果.     

含分数次谐波环境下提取整数次谐波信息的新方法

提出了一种在含有分数次谐波环境下,以一定的规律逐渐降低的频率序列依次作为基频,利用傅里叶级数展开电力系统中实际的电压、电流信号,再通过迭代算法从中提取出工频量及其整数次谐波分量信息的新方法。该方法回避了现有的加窗DFT算法中选取窗函数困难的问题。新方法的原理进行了详细的数学推导和说明,并给出程序框图。为了验证方法的正确性,利用程序对一实际信号进行了分析。实例结果表明,与传统的FFT算法比较,新方法在富含间谐波和次谐波环境下依然能够提出基波和整数次谐波的幅值和相角,且精度满足工程需求。同时,该方法还具有实现简单等优点,易于在工程实际中应用。     

基于快速傅立叶变换和多重信号分类法的间谐波频率估计

在电力系统中,间谐波检测是抑制间谐波的重要环节,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.FFT能够实现整数次谐波检测,对于非整数次谐波的检测存在着频率泄漏和栅栏效应,而MUSIC法需要在整个频域内进行谱峰搜索,影响其实用性.本文将FFT和MUSIC算法相结合,利用FFT缩小搜索域,再利用MUSIC进行频率细化,即克服了FFT的频率泄漏和栅栏现象,同时缩短谱峰搜索时间,可以更有效地估计出间谐波的频率,仿真试验说明了此方法的有效性及频率估计的精确度.     

基于噪声子空间分解MUSIC函数的谐波／间谐波检测算法

针对电力系统中存在的谐波和间谐波问题,提出了基于噪声子空间分解MUSIC（DNS-MUSIC）函数的谐波 ／间谐波检测方法。利用信号自相关矩阵的特征值分解理论,将信号的自相关矩阵分解为信号子空间和噪声子空间,利用2个子空间的正交性进一步分解噪声子空间,对其进行变换,构造出基于噪声子空间分解的特征多项式（DNS-MUSIC函数）,求解该多项式得到信号基波和谐波频率预估计,结合消噪思想检测电力系统信号频率成分,然后利用扩展Prony法检测信号的幅值和相位。通过仿真实验与其他经典算法比较,结果证明了所提算法的可行性、高效性和稳定性。     

Application of the Variational Mode Decomposition for Power Quality Analysis

Harmonics and interharmonics in power systems distort the grid voltage, deteriorate the quality and stability of the power grid. Therefore, rapid and accurate harmonic separation from the grid voltage is crucial to power system. In this article, a variational mode decomposition-based method is proposed to separate harmonics and interharmonics in the grid voltage. The method decomposes the voltage signal into fundamental, harmonic, interharmonic components through the frequency spectrum. An empirical mode decomposition (EMD) and an ensemble empirical mode decomposition (EEMD) can be combined with the independent component analysis (ICA) to analyze the harmonics and intherharmonics. By comparing EMD-ICA, EEMD-ICA methods, the proposed method has several advantages: (1) a higher correlation coefficient of all the components is found; (2) it requires much less time to accomplish signal separation; (3) amplitude, frequency, and phase angle are all retained by this method. The results obtained from both synthetic and real-life signals demonstrate the good performance of the proposed method.     

用于谐波和间谐波检测的频谱分解法

在使用离散傅里叶变换进行电力系统谐波/间谐波分析时,若所分析信号中两频率成分过于密集,就会产生主瓣干扰。本文分析了传统方法在两频率成分发生主瓣干扰时失效的原因,在10个周波采样长度下,提出一种用于抑制主瓣干扰的改进傅里叶算法:根据频域谱线的相位特性,将两个密集频率成分的傅里叶变换结果拆分成两组谱线,分别对这个两组谱线进行频率、幅值以及相位的校正。计算机仿真算例和实测分析表明,该方法计算简单,能在抑制旁瓣干扰的同时,有效拆分出信号中频率差小于频率分辨率的谐波与间谐波成分,或两个间谐波成分,满足工程精度要求。     

Fast frequency and harmonic estimation in power systems using a new optimized adaptive filter

This paper presents an adaptive filter for fast estimation of frequency and harmonic components of a power system voltage or current signal corrupted by noise with low signal to noise ratio (SNR). Unlike the conventional linear combiner (Adaline) approach, the new algorithm is based on an objective function often used in independent component analysis for robust tracking under impulse noise conditions. However, the accuracy and speed of convergence of this algorithm depend on the choice of step size of the filter and its adaptation. Instead of choosing the step size η and the parameter β of the cost function by trial and error, an adaptive particle swarm optimization technique is used alternatively to obtain both η and β to reduce the error between the observed voltage or current samples and the estimated ones. Using the optimized values, the amplitude and phase of the fundamental and harmonic components are estimated. Further, the extracted fundamental component is used to estimate any frequency drift of the power system recursively using an optimized error function obtained from three consecutive voltage samples. To test the effectiveness of the algorithm, several time-varying power system signals are simulated with harmonics, interharmonics, and decaying dc components buried in noise with low signal-to-noise ratio (SNR) and are used to estimate the frequency and harmonic components. This approach will be useful in islanding detection of a distributed generating system.     

电力系统谐波不稳定及相应对策的研究

近年来在一些工厂、港口发生局部电力不稳定,表现为电压和频率剧烈变化随即停电。该文说明此现象属于谐波不稳定,而产生的原因主要是电力电子装置产生的谐波过大,导致同步锁相失败。该文提出良好的强靭锁相的必要条件是被锁相的电压应处理成三相系统的基频电压分量,同时必须是三相基波的正序分量。为达到正确处理带有谐波三相不平衡的电压,采用“滑动傅里叶方法”和“滑动对称分量法”,可用极少量的计算取出正序基波电压。为串联电力电子设备的锁相,该文展示提取基波电流的方法,也将说明有效地检出谐波的数字方法。     

电功率微机测量新算法

研究一种基于时域积分的电功率数字测量新算法。算法先将有功功率、无功功率的测量,转化为对瞬时有功功率和瞬时无功功率的直流分量的估计,然后基于加窗离散傅里叶变换(discrete Fourier transform, DFT)和离散傅里叶逆变换(inverse discrete Fourier transform, IDFT)实现Hilbert变换,将周期电压信号各频率分量准确移相90°,最后利用矩形自卷积窗,设计高性能FIR梳状滤波器,高效率地滤除瞬时功率信号中的基波及谐波分量。算法实现了在采样存在同步误差时有功功率和无功功率的高精度估计,仿真和科研实践验证了算法的可行性和有效性。     

基于alpha-beta平面合成曲线特性的对称三相电路谐波分析

随着非线性负荷的广泛应用,电网中的谐波问题日益严重,实现对谐波的准确测量与分析意义重大。为降低对称三相电路的谐波分析复杂度,提出了基于谐波信号的alpha-beta平面合成曲线周期特性的谐波成分分析方法。该方法首先对单相电量做alpha-beta变换并求取合成曲线的模长及其周期,其次依据合成曲线周期分析电路中可能存在的谐波成分,最后结合谐波信号的总谐波畸变率等信息计算所存在谐波的谐波含有率。分析表明,当合成曲线模长的周期小于四分之一工频周期时,其计算量约为傅里叶分析方法的三分之二。通过对算例的运算验证了所提方法的有效性。     

一种基于综合DFT和Prony算法的谐波与间谐波分析方法

针对传统频域谐波测量方法存在的时域分析局限性,提出了一种综合频域(FFT)和时域(Prony)的谐波与间谐波分析方法。首先对谐波与间谐波信号进行离散傅里叶变换(DFT),获取信号的频谱范围,据此选择Prony算法的采样率,并依据信噪比选取Prony算法的模型阶数。然后基于Prony算法得到信号中各谐波与间谐波分量的频率、幅值、相位和衰减因子。最后基于能量系数筛选得到主导次谐波与间谐波分量,通过基于Prony的数据重构得到主导次分量的时域变化趋势。实测数据分析表明,所提分析方法可以准确得到主导次谐波与间谐波分量的时域指标和变化趋势,实用性较强,为事故准确溯源分析提供了有效手段。     

一种基于离散小波变换的谐波分析方法

在离散小波变换的基础上,结合加窗插值FFT,提出了一种组合式谐波分析算法。该算法先用加窗插值FFT计算基波频率,然后对加窗信号进行频率调制,将谐波分量变换成直流或近似直流分量。用离散小波变换分离出这些分量后用于计算谐波幅值和相位。计算机仿真和实验结果表明,该算法可在高噪声污染情况下,准确计算谐波参数,尤其谐波相位角。DSP评估板上的实现证明了该算法可用于实时谐波分析。     

基于数学形态学和HHT的谐波和间谐波检测方法

非线性电力元件的应用使电力系统的谐波污染问题日益突出。为准确检测谐波和间谐波参数,提出了基于数学形态学和希尔伯特–黄变换(Hilbert-Huang transform,HHT)的谐波和间谐波检测方法。为有效抑制多种噪声,对现有数学形态滤波器进行了改进,使之保留了原信号的主要特征,并运用经验模态分解处理消噪后的信号,得到了一组经验模态函数分量。对每个经验模态函数分量进行希尔伯特–黄变换,可准确得到其瞬时频率和瞬时幅值,实现了在噪声背景下对谐波和间谐波的检测。仿真结果验证了该方法的可行性与有效性,表明其可提高谐波和间谐波的检测精度。