一种用于电力系统间谐波谱估计的高分辨率算法

本文提出一种基于改进高阶累积量求根MUSIC法的间谐波谱估计新方法。该算法采用4阶累积量来抑制高阶白噪声和高斯噪声,同时,针对传统4阶累积量分辨率低的特点,通过将4阶累积量的对角切片转化为修正协方差阵的线性组合,从而保证算法的高分辨率;并通过构造MUSIC多项式,从而使算法噪声抑制能力进一步增强。仿真结果表明,该方法不仅具有较高的频率分辨率,而且具有较强的稳健性,在噪声污染的情况下能检测出各次谐波和间谐波的频率信息。     

可变遗忘因子RLS谐波电流检测方法研究

为提高谐波检测环节的动态响应性能和精度,提出了一种基于可变遗忘因子RLS算法的谐波电流检测方法。该方法给定一种判别条件来判断负载谐波电流动态过程是否发生,根据判别结果动态地给出遗忘因子的取值,化解了常遗忘因子RLS谐波电流检测方法中稳态与动态过程对遗忘因子不同的要求所产生的矛盾,从而提高算法收敛速度。仿真和实验结果表明所提方法比传统的递归最小二乘谐波电流检测方法具有更好的收敛速度和稳态精度。     

一种基于自回归模型的间谐波谱估计的改进算法

间谐波的频率是基频的非整数倍，频谱随时间而变化，具有随机性，因此间谐波是随机信号。该文首先介绍平稳随机信号的AR模型和Burg算法的基本原理，然后分析Burg算法在处理正弦信号时出现谱峰偏移的原因。在此基础上该文提出了一种基于AR模型的间谐波谱估计改进算法。该算法通过直接求解在预测误差功率最小意义下的较低阶AR模型系数，再递推计算高阶系数，减小了谱估计的谱峰偏移。仿真结果表明，该算法明显改善了谱估计的性能，而且只要用比较短的数据即可得出较好的间谐波谱估计。     

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。     

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。     

基于神经网络算法的谐波参数估计

研究基于神经网络算法的谐波参数估计方法.采用递推最小二乘法(RLSM)作为学习算法,提高神经网络的收敛速度并避免局部极小问题.为验证该算法的有效性,给出利用该算法进行间谐波分析的仿真实例.仿真结果表明,提出的间谐波分析方法具有计算精度高、训练速度快的特点,因此在电力系统间谐波分析中具有较大的应用价值.     

一种用于电力系统间谐波谱估计的自回归模型算法

首先详细讨论自回归(autoregressive,AR)模型谱估计原理和基于AR模型的间谐波分析原理。针对其中较常用的Burg算法存在的谱线分裂和谱峰偏移的缺点,提出基于Maple算法的间谐波分析新方法。该算法通过在预测误差平均功率最小的意义下直接求解m阶AR系数,解除了Levinson递推公式这一强约束条件。利用Levinson型阶数递推和附加的时移递推来求解自相关矩阵,使计算效率得到提高。与Burg算法相比,该方法的优点是谱峰偏移程度较低,且不存在谱线分裂现象。仿真结果表明,该方法对较短的间谐波信号进行分析,具有很高的频率分辨率。可推广应用于电力系统间谐波测量领域。     

基于递推预测误差最小的时变电力谐波估计

提出了递推预测方法,可同时快速地跟踪各谐波分量的频率、幅值和相位.基于瞬时频率的概念,推导出可用于描述时变谐波信号的动态系统方程,其中幅值和相位是状态变量,而频率是时变参数变量.利用Newton类优化过程并通过递推最小化预测误差,所有状态和参数变量可以联合估计.大量数值仿真算例证实了该方法的有效性.     

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。     

考虑厂用旋转负荷贡献的发电厂惯量修正估计

在传统的电网惯量和频率稳定评估中,忽略了发电厂内部异步电动机负荷的惯量贡献,可能导致评估结果产生偏差。基于此,研究了常态下、考虑旋转负荷贡献的发电厂惯量修正估计方法。将发电厂及内部电动机负荷等效为一个整体,利用出口母线的有功/频率常态化小扰动数据估计发电厂等效惯量。针对发电厂等效惯量为时变参数的特点,提出应用受控自回归模型和基于可变遗忘因子的递推最小二乘辨识算法估计惯量参数。算例验证结果表明：所提出的辨识模型精度较高,能适应小扰动输入/输出数据的参数辨识。考虑电动机旋转负荷的惯量贡献时,发电厂等效惯量和系统等效惯量均存在差异,并具有时变特性,获得的修正惯量能更客观地评估发电厂惯量和系统惯量。     

基于遗忘因子递推平方根的在线转动惯量辨识

为使伺服系统始终具备优良的动态响应,有必要对系统等效转动惯量进行辨识。含遗忘因子的递推最小二乘惯量辨识方法对存储字长要求高,多次递推计算会降低协方差矩阵的正定性,导致辨识失真甚至发散。仿照FFRLS,同样可以推导出含遗忘因子的递推平方根改进算法,该方法降低了FFRLS对字长的要求,更适合应用于字长有限的嵌入式系统。仿真和实验结果验证了FFRSR辨识方法稳定性较高,辨识效果明显优于FFRLS。     

基于可变遗忘因子的递推最小二乘法锁相环研究

电网电压相位角的准确获得,是变流器并网运行关键的指标之一。当三相电压出现频率、幅值或者相位突变时,传统锁相环算法往往出现相角估计不准,动态性能较差等问题。本文提出基于可变遗忘因子的递推最小二乘法锁相环算法,该方法通过对电网电压不平衡引起的相电压的角度、幅值和偏移量进行实时补偿来检测相角,实现提高系统鲁棒性和系统稳定性的目的。通过仿真和实验加以证明,结果表明该算法可以有效提高锁相环的精度和可靠性,提高系统的抗干扰能力。     

用于电压闪变包络跟踪的改进RLS算法

电压闪变是严重的电能质量问题之一,本文提出采用基于可变遗忘因子的高阶累积量递推最小二乘(RLS)算法跟踪电压闪变包络。基于高阶累积量的误差准则取代传统的基于二阶统计量的误差准则,使算法不受任何高斯噪声的影响;可变遗忘因子的应用,使得算法能够快速跟踪包络的变化,又能在稳态情况下具有较好的收敛性能。Matlab仿真分析结果表明,在高斯噪声污染存在的情况下,本文算法相比传统RLS算法具有更高的估计精度,能够在噪声中准确地检测出电压闪变包络。     

基于改进型最小二乘法的感应电机转动惯量辨识

为减小感应电机转动惯量对机械特性的影响,基于最小二乘法,引入开关控制器,构建了一种新型的最小二乘参数辨识器。当转动惯量发生变化时,通过开关控制对辨识器进行初始化,实现对参数更快更好地在线辨识。仿真试验表明:该方法克服了传统的带遗忘因子的最小二乘辨识器的波动现象,辨识速度快,精度高,可以有效提高系统的性能。     

The research of superheated steam temperature control based on generalized predictive control algorithm and adaptive forgetting factor

The superheated steam temperature system of the thermal power plant has the characteristics of large inertia, nonlinearity, and strong time variation, which make it difficult to be controlled. To address these problems, this paper proposes a generalized predictive control algorithm with an adaptive forgetting factor. First, based on a fuzzy algorithm and a recursive least squares algorithm, the controlled object's model can be quickly and accurately obtained with the adaptive forgetting factor in real time. It overcomes the nonlinear and time-varying problems of the controlled object in the control progress. Meanwhile, it also solves the problem of data saturation and the weight assignment of the “new and old” data during online identification. Second, an adaptive generalized predictive controller algorithm has been developed with the controlled object. It solves the large inertia problem of the controlled object. Finally, through establishing simulation model of the superheated steam temperature system and simulating, the results show that the proposed method has better control performance, antidisturbance ability, adaptability, and robustness. Moreover, it has a certain reference significance for the design of a practical control system.     

基于VFFRLS算法的锂电池参数辨识

动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。     

内置式永磁同步电机精确参数的MTPA控制

内置式永磁同步电机（IPMSM）由于转子磁路不对称,最大转矩电流比（MTPA）控制可充分利用该特性提高电机带载能力。在实际控制中,IPMSM的电气参数会因磁饱和、温度变化而发生波动,导致实际MTPA控制偏离预定轨迹,无法实现精确控制。针对参数变化,在电动汽车中MTPA控制多采用查表法,但制作查询表格过程复杂且耗时。针对上述问题,文中采用遗忘因子递推最小二乘法对电机参数进行在线辨识,并将得到的实时参数用于MTPA控制,提高了鲁棒性和准确性;运用MTPA控制下定子电流与交、直轴电流的关系得到交、直轴电流给定值,该控制策略原理简单,易于实现。通过MATLAB/Simulink搭建控制系统模型进行了仿真研究,其结果验证了所提方法的准确性和有效性。     

热工模型中纯迟延时间的递归估计算法

为了对典型的热工模型——二阶惯性加纯迟延模型的参数进行在线辨识,介绍并推导了基于递推最小二乘在线辨识算法,对带有纯迟延时间系统进行参数估计。连续系统小于采样周期的纯迟延时间,在相应的采样系统中就会产生一个副实零点,利用这个零点引起的相位变化来对小于采样周期的迟延进行估计。采用最小化损失函数的两步辨识法,对系统的其它参数和采样周期整数倍的迟延进行估计。利用这种递推辨识算法对热工模型进行参数辨识,得到模型的离散传递函数,进而求得其对应的连续传递函数。结果表明,这种算法收敛性好,能够用来对热工对象进行在线参数估计。     

非均匀采样和最小二乘法在间谐波检测中的应用

间谐波的频率是基波频率的非整数倍,并且幅值一般远小于基波和谐波的幅值,这些特点决定了对它的检测难于对谐波的检测。该文提出一种基于非均匀采样和最小二乘法的间谐波检测方法。非均匀采样由于其不受采样频率限制、频率分辨率高及抗混叠的优点,能在短数据长度下准确地检测出信号中相近的频率成分,并实现低采样频率下的高阶谐波测量。最小二乘法则可解决由于非均匀采样带来的频谱噪声问题,逐次消除检测出的大幅值信号,从而检测出幅值较小的间谐波信号,并准确估计出间谐波的幅值和相位。仿真实验表明：该方法可准确地检测出频率与基频相近,幅值远小于基波的多个间谐波,及实现低采样频率下的高阶谐波测量