基于FFT的电压波动与闪变测量算法

电压波动与闪变是电能质量的一个重要指标,准确地对其进行测量具有重要的意义.本文对基于快速傅里叶变换(FFT)的电压波动与闪变测量算法进行了深入的研究,利用该算法采用C语言编程,实现了基于LabWindows/CVI虚拟仪器的电压波动与闪变的测量,给出了测量软件流程图和细节说明.最后对测量结果进行了验证,并分析了产生误差的原因,通过对计算出的瞬时闪变值进行修正,可以使该算法的计算结果与IEC标准一致.     

一种适用于自动准同期装置的改进傅立叶相位差算法

在微机自动准同期装置中,相位差的测量是同期判断的其在谐波等干扰条件下误差较大.相位差的傅立叶算法具有抗谐波干扰能力,但在同期点两侧频差较大时,存在计算误差.对不同步采样条件下交流信号的傅氏变换结果进行分析,对相位差的傅氏算法进行了改进,并进行仿真、实验,证明可以提高测量精度.目前该算法已经应用在具有同期功能的变电站测控装置中,获得了满意的效果.     

基于Nuttall(Ⅰ)窗的插值FFT算法

加Blackman-harris窗插值FFT算法计算精度高,但其频率修正系数公式和复振幅的插值修正函数过于复杂,计算量大,影响了它的应用.给出了一种基于4项余弦窗Nuttall(Ⅰ)窗的插值FFT算法.讨论了Nuttall (Ⅰ)窗的频率响应,详细推导了基于Nuttall (Ⅰ)窗的插值FFT算法的计算公式,其频率修正系数计算公式简单,容易得到,并采用三次样条插值函数计算复振幅的修正系数.仿真计算结果表明,当采样1 0周期时,新的插值FFT算法能够有效地提高电力系统谐波的测量精度,与其他4项余弦窗加窗插值FFT算法相比,具有较小的运算量和较好的实时性.     

Pockels效应表面电荷测量中电荷反演算法的研究

Poekels效应表面电荷测量技术以其特有的技术优势逐步用于表面放电和等离子体的研究,然而如何准确获取表面电荷分布仍然是一个重要的研究课题.对Pockels效应表面电荷测量技术中的表面电荷反演算法进行研究,采用二维傅里叶变换将测量信号和表面电荷的复杂关系转换到频域中进行计算,并采用维纳滤波算法进行信号处理.计算结果和传统算法的计算结果进行了对比,结果表明,改进算法在数值计算过程中考虑材料厚度、介电特性及不同位置电荷影响等因素,计算方法更为合理.该方法可用于不同材料表面电荷的测量计算.另外,算法中维纳滤波器是计算算法中关键的组成部分,对降低系统噪声,提高数值计算的稳定性能够起到很重要的作用.     

基于一阶导数的电力系统频率测量新算法

在异步采样的情况下,离散傅里叶变换(DFT)由于频谱泄漏及栅栏效应,计算结果不够精确,不能满足同步相量测量精度的要求.对现有的同步采样的误差产生及消除的方法进行了分析,提出了一种基于一阶导数的系统频率测量新算法.通过前一次的系统信号测量频率来修正采样频率,从而得到本次的计算频率.仿真结果表明:该算法具有高精度、计算量小...     

一种新颖的电力系统频率测量算法

文章提出了一种电力系统频率测量的新算法,它具有实现方便、计算量小、精度高、实时性好、能消除直流分量影响等优点,但不能消除谐波分量的影响;因此,给出了一种信号预处理算法,它能有效地滤除信号中的低次谐波,提高新频率测量算法的适用范围和测量精度.仿真结果验证了这两种算法的有效性和可行性.     

一种克服累积误差的谐波递推算法

讨论了一种基于滑动窗口的电量测量算法,并在此基础上推导了具有最小计算量的递推算法,最后得到了一种可克服累积误差的快速算法.该算法基本是建立在离散傅里叶变换之上的一种递推算法,保留了频域法的优点的同时又克服了传统频域法需要大量计算的缺点.该算法较大地提高了计算效率和算法实时性,可被应用于实时控制、无功功率和谐波补偿、以及功率和能量实时计算等诸多领域.     

多脉波整流变压器相位测量算法

研究基于傅里叶变换的相位测量算法,用傅里叶积分计算测量对象波形的频率,根据实际基波频率对采样数据做整周期截断得到分析数据,减小了非整基波周期截断及基波频率波动带来的截断误差.用MATLAB搭建仿真平台,实现算法并评估其抑制谐波及噪声干扰的效果.全面测试表明算法测量相位差精度高、不确定度小.     

数据融合技术在电力设备在线监测系统数字滤波中的应用

准确测量电力设备的各种运行参数,是电力设备在线监测系统进行故障诊断的重要前提,而各种干扰的存在严重地影响了测量精度.为消除测量中的干扰,文中提出了一种基于数据融合技术的数字滤波思想,推导了算术均值与递推估计相结合的数字滤波算法,该算法保留了测量数据的局部与全局特性,具有计算量少、速度快等特点.对变压器套管现场数据的处理结果验证了该算法的正确性.     

RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值,克服了离线训练方式的不足,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量.通过工厂蒸煮数据验证,表明此算法具有良好的性能,训练的网络具有学习速度快、精确度高、结构紧凑的优点,用于建立卡伯值数学模型,实现卡伯值的软测量是有效的.