CN105137174A - 应用于apf的变步长lms自适应谐波检测方法 - Google Patents
应用于apf的变步长lms自适应谐波检测方法 Download PDFInfo
- Publication number
- CN105137174A CN105137174A CN201510444509.XA CN201510444509A CN105137174A CN 105137174 A CN105137174 A CN 105137174A CN 201510444509 A CN201510444509 A CN 201510444509A CN 105137174 A CN105137174 A CN 105137174A
- Authority
- CN
- China
- Prior art keywords
- apf
- variable
- formula
- algorithm
- input signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明为一种应用于有源电力滤波器(APF)的变步长最小均方(LMS)自适应谐波检测方法。该方法在现有MVSS-LMS算法的基础上,增加历史误差的遗忘加权和估计并控制步长更新,动态控制步长更新范围,采用滑动窗遗忘加权减小了计算复杂度。相比传统的自适应谐波检测算法,该方法计算简单,不仅具有较快的动态响应速度,而且在APF的低信噪比环境下,稳态误差有所减小,具有较高的抗干扰能力,谐波电流检测效果较好。该方法对于单相系统和三相系统的应用场合都十分有效。
Description
技术领域
本发明属于电力系统测量技术领域,特别是一种应用于有源电力滤波器(APF)的变步长最小均方(LMS)自适应谐波检测方法。
背景技术
随着电力工业的发展,大量非线性负荷的投入带来了一系列谐波和不平衡问题。在谐波源处加装有源电力滤波器是一种行之有效的方法。有源电力滤波器能够快速地动态跟踪补偿谐波和无功功率,其谐波检测环节的检测精确度及速度直接影响着APF的滤波性能好坏。现有的谐波检测算法有快速傅里叶变换、瞬时无功功率理论、小波变换等。这些检测算法各有特点,但存在着一些共性的问题:检测系统开环,并且频率固定,所以对元件参数和电网频率的变化比较敏感。相较于上述算法,由于自适应滤波算法是闭环系统,能够根据电网变化自动调整滤波器的参数,改变权值系数,最终实现最佳的滤波效果,并且,自适应滤波可以适用于单相及三相系统,更符合APF的谐波检测要求。但传统定自适应算法的步长选择无法兼顾谐波检测算法要求的收敛速度和稳态精度。为此,许多学者提出变步长自适应算法,如VSS-LMS和MVSS-LMS算法。所谓变步长即步长在系统初始阶段或参数发生变化时,步长自适应增大,提高算法的收敛速度和跟踪能力,算法收敛后不管有多大扰动,算法保持较小步长以实现较小的稳态误差。但应用于APF时,由于信噪比较低,上述算法的跟踪波形会产生一定的稳态失调误差,而且当负载突变时,跟踪精度会随之降低。
发明内容
本发明所解决的技术问题在于提供一种应用于APF的变步长LMS自适应谐波检测方法。
实现本发明目的的技术解决方案为:一种应用于APF的变步长LMS自适应谐波检测方法,包括以下步骤:
步骤1、在电网系统每一相上分别安装电压传感器或电流传感器,以监测每相的负载电流iL(t)和系统电压uS(t),下标L代表负载Load,S代表系统System,变量t为时间;
步骤2、对步骤1监测的每相负载电流iL(t)进行采样,得到采样后的电流值iL(n)作为输入信号,n为离散时间刻度;同时根据系统电压uS(t)采样值由锁相环得到正、余弦信号组成的参考输入信号矢量X(n);
所述输入信号矢量X(n)的表达式为:
X(n)=[sin(ωnTs)cos(ωnTs)]T=[x1(n)x2(n)]T;
式中,n为离散时间刻度,Ts为采样周期,ω为角频率。
步骤3、将参考输入信号矢量X(n)与权值矢量W(n)=[w1(n)w2(n)]T相乘得输出信号y(n);输出信号为:
y(n)=WT(n)X(n)
式中,n为离散时间刻度。
步骤4、将输入信号iL(n)与输出信号y(n)做差获得误差反馈信号e(n);反馈信号为:
e(n)=iL(n)-y(n);
式中,n为离散时间刻度。
步骤5、将历史误差e2(n-i)(i=0,1,...,n-1)的遗忘加权和p(n)补偿到当前误差与上一步误差自相关估计的迭代更新e(n,n-1)=e(n)e(n-1)中来调整步长值μ(n);调整步长所用公式为:
ε(i)=exp(-χi);i=0,1,2,...,n-1
μ(n+1)=λμ(n)+γ[e(n)e(n-1)+p2(n)]2
式中,ε(i)为遗忘加权因子,参数χ≥1,0<λ<1,0<γ<1。
步骤6、根据误差反馈信号e(n)、步长值μ(n)和参考输入信号X(n)的乘积控制权值矢量W(n)的调整;权值矢量更新公式为:
W(n+1)=W(n)+μ(n)e(n)X(n)。
步骤7、迭代步骤3至步骤6,最终使得权值矢量W(n)收敛后得到的输出信号y(n)逼近基波有功电流。
本发明与现有技术相比,其显著优点为:1)本发明中权值调整的依据是误差信号自相关估计函数,从而降低了APF应用时信噪比较低情况下的稳态失调,增强了算法对噪声的抗干扰性;2)本发明的方法对步长因子作动态变化约束,避免了步长迭代后期收敛速度过快的缺陷,增强了算法的鲁棒性;3)本发明的方法未增加计算复杂度。在滑动窗长度固定的情况下,本文算法与VSS-LMS和MVSS-LMS算法相比,计算的复杂度均为O(M),在DSP实现时,还可将exp(-χi)函数简化为2-χi,并可进一步简化为对误差功率e2(n-i)的移位运算;4)在输入信号的信噪比较低的情况下,本发明的方法提高了跟踪速度和检测精度,减小了稳态误差。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明的应用于APF的变步长LMS自适应谐波检测方法流程图。
图2是本发明的应用于APF的变步长LMS自适应谐波检测方法原理图。
图3是待检测负载电流波形图,其中图(a)为待检测负载电流波形图,图(b)为待检测负载电流波形的频谱分析图。
图4是各方法检测的输出波形图,其中图(a)为本方法检测输出波形图,图(b)为MVSS算法检测输出波形图,图(c)为定步长算法检测输出波形图。
图5是各方法的输出波形的频谱分析图,其中图(a)为本方法检测输出波形的频谱分析图,图(b)为MVSS算法检测输出波形的频谱分析图,图(c)为定步长算法检测输出波形的频谱分析图。
具体实施方式
结合附图,本发明的应用于APF的变步长LMS自适应谐波检测方法,包括以下步骤:
步骤1、在电网系统每一相上分别安装电压传感器或电流传感器,以监测每相的负载电流iL(t)和系统电压uS(t),下标L代表负载Load,S代表系统System,变量t为时间;
步骤2、对步骤1监测的每相负载电流iL(t)进行采样,得到采样后的电流值iL(n)作为输入信号,n为离散时间刻度(无量纲);同时根据系统电压uS(t)采样值由锁相环(PLL)得到正、余弦信号组成的参考输入信号矢量:
X(n)=[sin(ωnTs)cos(ωnTs)]T=[x1(n)x2(n)]T;
式中,n为离散时间刻度(无量纲),Ts为采样周期,ω为角频率;
步骤3、将参考输入信号矢量X(n)与权值矢量W(n)=[w1(n)w2(n)]T相乘得输出信号y(n),输出信号公式为:
y(n)=WT(n)X(n);
步骤4、将输入信号iL(n)与输出信号y(n)做差获得误差反馈信号e(n),误差反馈信号公式为:
e(n)=iL(n)-y(n);
步骤5、将历史误差e2(n-i)(i=0,1,...,n-1)的遗忘加权和p(n)补偿到当前误差与上一步误差自相关估计的迭代更新e(n,n-1)=e(n)e(n-1)中来调整步长值μ(n),步长更新公式:
ε(i)=exp(-χi);i=0,1,2,...,n-1
μ(n+1)=λμ(n)+γ[e(n)e(n-1)+p2(n)]2
式中,ε(i)为遗忘加权因子,参数χ≥1,0<λ<1,0<γ<1。遗忘加权因子ε(i)的作用是对过去的n个误差信号功率作指数函数衰减加权,其衰减速度由参数χ控制;参数λ或γ单独调节对整个算法性能的作用是等效的。一般λ约等于1,γ取值很小,所以,对γ的细微调整即可对算法性能造成较大影响。后续可采用固定λ,改变γ的方法来实现检测算法的性能要求,γ越大,算法的动态响应性能越好。实际应用中,算法参数的选取需考虑待补偿负载类型,同一类型的谐波源负载,本方法的参数具有通用性。
同时,为了避免算法深度收敛时噪声干扰使得步长μ(n)产生较大的幅度变化,因此,在递推过程中,步长μ(n)作动态步长约束
其中,参数0<σ<1,可以控制步长μ(n)始终在最优步长附近变化,增强了算法的稳定性。σ的取值需要考虑对步长更新的抗干扰能力以及响应速度的影响,σ越小,输入信号变化对步长更新影响越大,但算法抗噪声干扰能力越弱;σ越大,步长受突变噪声干扰影响越小,但步长调整的响应速度则越慢。一般可考虑选取典型值σ=1/2或σ=1/3。
步骤6、根据误差反馈信号e(n)、步长值μ(n)和参考输入信号X(n)的乘积控制权值矢量W(n)的调整,权值矢量更新公式为:
W(n+1)=W(n)+μ(n)e(n)X(n);
步骤7、迭代步骤3至步骤6,最终使得权值矢量W(n)收敛后得到的输出信号y(n)逼近基波有功电流,THD减小至要求值。
下面结合对比实验对本发明做进一步详细的描述:
APF主要应用于电网电流谐波含量较高的场所,其中5,7次谐波含量较高,所以实验待检测负载电流设置为iL=100(sinωt+0.2sin5ωt+0.1sin7ωt)A,采样点数N=1000。在40ms处负载电流发生跳变i′L=50(sinωt+0.2sin5ωt+0.1sin7ωt)A。实验对比定步长算法、MVSS-LMS算法和改进算法的谐波检测性能。
各算法的参数设置如表1所示。实验参数设置尽可能兼顾各算法与输入信号的最佳匹配,保证在参数固定条件下,几种算法的跟踪性能和检测精度对比仍然具有参考价值。为了保证较快的响应速度,各算法的步长μ初值都为0.1。
表1各算法的实验参数
本文算法 | MVSS算法 | 定步长算法 |
λ=0.98 | λ=0.98 | μ=0.01 |
γ=0.12 | γ=0.12 | — |
σ=1/3 | β=0.98 | — |
χ=2 | μmax=0.1 | — |
— | μmin=0.0001 | — |
图3为待检测负载电流波形,经过谐波分析,得到待检测信号的THD=22.36%。
图4为各方法检测出的输出波形。对比可看出,本方法初始超调最小,跟踪速度最快,在10ms以内,检测波形与实际波形相比无延迟。而MVSS-LMS初始超调较大,跟踪速度略大于10ms,且检测波形有延迟。传统定步长算法虽无初始超调,但跟踪速度慢,需要一个半周期才能跟踪上实际波形。
图4为检测出的输出波形的频谱,选取各方法输出波形的第二个周期作频谱分析。本方法输出波形的THD=0.58%,基波幅值为99.29A。MVSS-LMS算法输出波形的THD=0.31%,但基波幅值仅为97.98A,损耗较大;定步长算法输出波形的THD=2.93%,谐波含量依然较高。
所以,综合比较而言,在应用于APF时,本方法的滤波效果较好。
Claims (6)
1.一种应用于APF的变步长LMS自适应谐波检测方法,其特征在于,包括以下步骤:
步骤1、在电网系统每一相上分别安装电压传感器或电流传感器,以监测每相的负载电流iL(t)和系统电压uS(t),下标L代表负载Load,S代表系统System,变量t为时间;
步骤2、对步骤1监测的每相负载电流iL(t)进行采样,得到采样后的电流值iL(n)作为输入信号,n为离散时间刻度;同时根据系统电压uS(t)采样值由锁相环得到正、余弦信号组成的参考输入信号矢量X(n);
步骤3、将参考输入信号矢量X(n)与权值矢量W(n)=[w1(n)w2(n)]T相乘得输出信号y(n);
步骤4、将输入信号iL(n)与输出信号y(n)做差获得误差反馈信号e(n);
步骤5、将历史误差e2(n-i)(i=0,1,...,n-1)的遗忘加权和p(n)补偿到当前误差与上一步误差自相关估计的迭代更新e(n,n-1)=e(n)e(n-1)中来调整步长值μ(n);
步骤6、根据误差反馈信号e(n)、步长值μ(n)和参考输入信号X(n)的乘积控制权值矢量W(n)的调整;
步骤7、迭代步骤3至步骤6,最终使得权值矢量W(n)收敛后得到的输出信号y(n)逼近基波有功电流。
2.根据权利要求1所述的应用于APF的变步长LMS自适应谐波检测方法,其特征在于,步骤2中输入信号矢量X(n)的表达式为:
X(n)=[sin(ωnTs)cos(ωnTs)]T=[x1(n)x2(n)]T;
式中,n为离散时间刻度,Ts为采样周期,ω为角频率。
3.根据权利要求1所述的应用于APF的变步长LMS自适应谐波检测方法,其特征在于,步骤3中输出信号为:
y(n)=WT(n)X(n)
式中,n为离散时间刻度。
4.根据权利要求1所述的应用于APF的变步长LMS自适应谐波检测方法,其特征在于,步骤4中反馈信号为:
e(n)=iL(n)-y(n);
式中,n为离散时间刻度。
5.根据权利要求1所述的应用于APF的变步长LMS自适应谐波检测方法,其特征在于,步骤5中调整步长所用公式为:
ε(i)=exp(-χi);i=0,1,2,...,n-1
μ(n+1)=λμ(n)+γ[e(n)e(n-1)+p2(n)]2
式中,ε(i)为遗忘加权因子,参数χ≥1,0<λ<1,0<γ<1。
6.根据权利要求1所述的应用于APF的变步长LMS自适应谐波检测方法,其特征在于,步骤6中权值矢量更新公式为:
W(n+1)=W(n)+μ(n)e(n)X(n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510444509.XA CN105137174A (zh) | 2015-07-24 | 2015-07-24 | 应用于apf的变步长lms自适应谐波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510444509.XA CN105137174A (zh) | 2015-07-24 | 2015-07-24 | 应用于apf的变步长lms自适应谐波检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105137174A true CN105137174A (zh) | 2015-12-09 |
Family
ID=54722590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510444509.XA Pending CN105137174A (zh) | 2015-07-24 | 2015-07-24 | 应用于apf的变步长lms自适应谐波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105137174A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268856A (zh) * | 2018-02-05 | 2018-07-10 | 河北工业大学 | 基于l2范数和真正跟踪误差的变步长自适应谐波检测方法 |
CN108988394A (zh) * | 2018-08-27 | 2018-12-11 | 上海电机学院 | 分布式发电并网变换器消除电网谐波的方法 |
CN109188078A (zh) * | 2018-10-17 | 2019-01-11 | 江苏师范大学 | 一种变步长lms自适应谐波电流检测方法 |
CN109358223A (zh) * | 2018-09-29 | 2019-02-19 | 海特尔机电工程技术(马鞍山)有限公司 | 一种滑动窗dft谐波电流检测方法及装置、存储介质 |
CN110954747A (zh) * | 2019-11-25 | 2020-04-03 | 南昌大学 | 一种猫群算法优化最小均方根自适应谐波检测方法 |
CN114337881A (zh) * | 2021-11-26 | 2022-04-12 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308747A (zh) * | 2013-07-09 | 2013-09-18 | 西南交通大学 | 一种加权lms谐波电流检测方法 |
-
2015
- 2015-07-24 CN CN201510444509.XA patent/CN105137174A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308747A (zh) * | 2013-07-09 | 2013-09-18 | 西南交通大学 | 一种加权lms谐波电流检测方法 |
Non-Patent Citations (3)
Title |
---|
付学志 等: "低信噪比下的变步长最小均方自适应算法及其在时延估计中的应用", 《中南大学学报(自然科学版)》 * |
吕广强 等: "APF 中一种改进的变步长LMS自适应谐波检测算法", 《电力系统保护与控制》 * |
王俊杰 等: "有源电力滤波器的动态因子LMS 谐波检测方法", 《电力自动化设备》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268856A (zh) * | 2018-02-05 | 2018-07-10 | 河北工业大学 | 基于l2范数和真正跟踪误差的变步长自适应谐波检测方法 |
CN108268856B (zh) * | 2018-02-05 | 2020-01-21 | 河北工业大学 | 基于l2范数和真正跟踪误差的变步长自适应谐波检测方法 |
CN108988394A (zh) * | 2018-08-27 | 2018-12-11 | 上海电机学院 | 分布式发电并网变换器消除电网谐波的方法 |
CN109358223A (zh) * | 2018-09-29 | 2019-02-19 | 海特尔机电工程技术(马鞍山)有限公司 | 一种滑动窗dft谐波电流检测方法及装置、存储介质 |
CN109188078A (zh) * | 2018-10-17 | 2019-01-11 | 江苏师范大学 | 一种变步长lms自适应谐波电流检测方法 |
CN110954747A (zh) * | 2019-11-25 | 2020-04-03 | 南昌大学 | 一种猫群算法优化最小均方根自适应谐波检测方法 |
CN114337881A (zh) * | 2021-11-26 | 2022-04-12 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
CN114337881B (zh) * | 2021-11-26 | 2023-02-03 | 西安电子科技大学 | 基于多无人机分布式与lms的无线频谱智能感知方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105137174A (zh) | 应用于apf的变步长lms自适应谐波检测方法 | |
Singh et al. | Adaptive theory-based improved linear sinusoidal tracer control algorithm for DSTATCOM | |
CN109638863B (zh) | 基于双重偏差补偿控制算法的多功能储能变流器设计方法 | |
CN107102189B (zh) | 基于s函数的变步长lms谐波电流检测方法 | |
CN109100937B (zh) | 基于双隐层回归神经网络的有源电力滤波器全局滑模控制方法 | |
CN107546767A (zh) | 一种光伏并网逆变器的控制结构及控制方法 | |
Brown et al. | Identification of periodic signals with uncertain frequency | |
CN103336173A (zh) | 基于遗传算法自适应谐波检测方法 | |
CN104333002A (zh) | 一种基于ip-iq检测法和滞环控制的混合型有源滤波器 | |
Ahmad et al. | AVSF‐based control algorithm of DSTATCOM for distribution system | |
CN100461580C (zh) | 一种用于补偿控制延时的谐波电流预测方法 | |
CN109828154B (zh) | 一种分频段复合正交脉冲注入的三相电网阻抗测量方法 | |
US11637428B2 (en) | Selective power oscillation damping control system with damping ratio dynamic gain and method for the same | |
CN113411002B (zh) | 一种基于极限学习机的滑模变结构的单相逆变器控制系统及方法 | |
CN116885718A (zh) | 电网杂质电流远程治理方法及系统 | |
CN102654533A (zh) | 一种无功和谐波分量检测分离方法 | |
CN103501016A (zh) | 基于过程神经网络的tcsc控制方法及系统 | |
CN103427421A (zh) | 基于谐波电压选择补偿的有源滤波器控制方法 | |
McGrath et al. | Improved power converter line synchronisation using an adaptive Discrete Fourier Transform (DFT) | |
CN104793034A (zh) | 一种稳健的自适应谐波电流检测方法 | |
Liu et al. | Research on DC voltage control of APF based on improved fuzzy PI control | |
Mohamed et al. | Adaptive Transversal digital Filter for reference current detection in shunt active power filter | |
Hashikura et al. | On implementations of H 2 preview output feedback law with application to LFC with load demand prediction | |
CN108268856B (zh) | 基于l2范数和真正跟踪误差的变步长自适应谐波检测方法 | |
CN101726648A (zh) | 基于低通滤波器的神经元自适应谐波电流检测电路 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151209 |
|
WD01 | Invention patent application deemed withdrawn after publication |