CN108959689B - 基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 - Google Patents
基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 Download PDFInfo
- Publication number
- CN108959689B CN108959689B CN201810386121.2A CN201810386121A CN108959689B CN 108959689 B CN108959689 B CN 108959689B CN 201810386121 A CN201810386121 A CN 201810386121A CN 108959689 B CN108959689 B CN 108959689B
- Authority
- CN
- China
- Prior art keywords
- state
- signal
- harmonic
- periodic
- amplitude
- 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.)
- Active
Links
- 230000000739 chaotic effect Effects 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000000737 periodic effect Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008859 change Effects 0.000 claims description 12
- 230000010355 oscillation Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本发明公开了一种基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法;首先对Duffing振子模型进行仔细的分析,并针对在强噪声环境下进行谐波检测的特点对振子的模型进行改进;其次根据系统输出间歇混沌信号时系统策动力合力的表达式,分析出间歇混沌信号的周期,从而确定待测信号的频率估计值;最后通过比较过零点间距,找出系统由混沌进入周期状态的时间以及由周期进入混沌的时间,从而确定相位估计值,以及过零点间距法找出大尺度周期状态和混沌状态的时间,进一步确定未知信号的幅值。该方法不仅快速、准确有效地检测出待测谐波信号,而且大幅提高了系统检测谐波的抗噪声能力。
Description
技术领域
本发明涉及一种基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法。
背景技术
电动汽车充电桩内部的充电机构是非线性元件,充电器件运行时在电力系统内将会造成系统功率因数的降低与谐波污染,而且电动汽车作为电力负荷,它的充电行为具有随机性、间歇性,同时系统工作时面临着强噪声的干扰。因此通常会降低设备的效率、影响用电设备的正常工作,甚至引起电网局部的谐振,使谐波放大,加剧危害;导致继电保护和自动装置的误动作;对通信系统造成干扰。尤其是谐波污染是电力系统中存在的最严重的危害,因此提出优秀的谐波检测算法显得迫在眉睫。
传统的充电桩谐波检测方法主要有模拟滤波器法、基于瞬时无功功率的谐波检测法、基于傅里叶变换的谐波检测法以及基于小波变换的谐波检测法和神经网络等几种方法。模拟滤波器法对电路元器件的参数要求较高,精度也比较低;基于瞬时无功功率的检测法检测结果误差较大,而且检测算法复杂,不易实现;基于傅里叶变换及其改进方法的检测存在着一定的频谱泄漏现象和柵栏效应,更重要的是无法定位暂态信号发生、结束的时间;而神经网络方法又面临着神经网络构造方法的规范问题,且准确度依赖于样本;基于小波变换的检测法则面临着如何去构造一个分频严格、频窗能量集中的小波函数的问题。
发明内容
本发明的目的在于:提供一种基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法,以解决上述背景技术中的缺点,准确、快速有效地进行谐波的检测,大幅提高系统检测谐波的抗噪声能力。
本发明的技术解决方案是该基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法包括以下步骤:首先对Duffing振子模型进行仔细的分析,并针对在强噪声环境下进行谐波检测的特点对振子的模型进行改进;其次根据系统输出间歇混沌信号时系统策动力合力的表达式,分析出间歇混沌信号的周期,从而确定待测信号的频率估计值;最后通过比较过零点间距,找出系统由混沌进入周期状态的时间以及由周期进入混沌的时间,从而确定相位估计值,以及过零点间距法找出大尺度周期状态和混沌状态的时间,进一步确定未知信号的幅值。
其中,所述的基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法包括以下具体步骤:
第一步:确定改进Duffing振子的混沌模型
Duffing方程的通常形式为:其中x(t)为状态变量,k为阻尼比,f为周期策动力幅值,-x(t)+x3(t)为非线性恢复力;经对比研究发现,若将方程中的非线性恢复力项x幂项的系数增加,将显著提升系统检测信号的灵敏度以及工作稳定性;同时考虑到充电桩的谐波次数基本集中在6n±1,n=1,2,…次上,故本发明对Duffing振子进行修正,公式如下:
改写成动力学方程为:
第二步:分析改进型Duffing振动的动力学特性
由该Duffing振子模型仿真可知:
1)策动力幅值极其微小的变化就能引起系统状态产生质的变化;
2)利用相轨迹由周期振荡到混沌运动或者由混沌运动到周期振荡的显著变化来检测信号;
3)调节策动力f,使Duffing振子系统处于临界混度状态,将待测信号作为振子策动力的扰动加入共同作为驱动力;通过观察系统状态的变化,即可检测出谐波信号是否存在以及其参数;
令t=wτ,f=F0,则式1-1变为:
为驱动力的幅值,θ(τ)为驱动力的初相角,由于待测谐波信号的幅值远小于周期策动力的幅值,因此其影响可以忽略;
将1-4与未加待测信号的1-1式进行比较,得出结论:
周期状态,否则处于混沌状态;
b)若Δw≠0时,系统会出现间歇性混沌现象,在微小频差
的情况下系统以2π/Δw为周期,Δw不宜过大或者过小,通
常Δw∈(0.02,0.06);
第三步:测定待测谐波信号的频率
式1-4中幅值参数是随时间变化的函数,其周期为采用统计过零点间距的方法来判断系统状态,系统处于周期时间,过零呈等差数列且间距相等,而处于混沌时,不具备此特征;找出相邻两次由混沌进入周期的时间点,其差值即为周期T;由于w为周期策动力频率,相对频率差为故待测信号的频率w'=w(1+Δw);
考虑到电动汽车充电桩的谐波信号频率基本集中在6n±1,n=1,2,…次谐波上,故只需要把周期策动力信号设为该谐波频率附近即可,相差Δw,以便搜索确定该频率附近是否存在这小的谐波信号;
第四步:测定待测谐波信号的相位
设当时,F(τ)=Fd,处于系统状态变化的临界值,当时,系统处于大尺度周期状态,设时间段为T1,反之,当时,系统处于混沌状态,设时间段为T2;当 为策动力周期信号与待测谐波信号的相位差,系统恰恰处于大尺度周期状态的时间中点;为此通过比较过零点间距,找出系统由混沌进入周期状态的时间t1和由周期状态进入混沌状态的时间t2由于周期状态时间中点得到:
第五步:测定待测谐波信号的幅值
通过过零点间距方法找出大尺度周期状态和混沌状态的持续时间T1和T2,代入式1-6中解关于幅值A的一元二次方程,即得到未知信号幅值的大小。
本发明的有益效果是:不仅能快速、准确而有效地对电动汽车充电桩的各次谐波进行检测,而且充分利用混沌的特性大幅提高了谐波检测的抗噪声能力,提高系统检测弱信号的能力。
附图说明
图1为本发明的算法流程图;
图2为改进型Duffing振子仿真图;
图3谐波检测参数误差表。
具体实施方式
为了使本发明的技术手段、创作特征、工作流程、使用方法达成目的与功效易于明白了解,下面结合具体实施例,进一步阐述本发明。
假设一电动汽车充电桩电压信号为:
看成是若干个单一信号的组合构成;以下实施步骤针对单一信号进行说明,由多个谐波信号构成的只需要按此方法反复执行即可。
基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法,包括以下步骤:
第一步:确定改进型Duffing振子的混沌模型
Duffing方程的通常形式为:其中x(t)为状态变量,k为阻尼比,f为周期策动力幅值,-x(t)+x3(t)为非线性恢复力;经对比研究发现,若将方程中的非线性恢复力项x幂项的系数增加,将显著提升系统检测信号的灵敏度以及工作稳定性;同时考虑到充电桩的谐波次数基本集中在6n±1,n=1,2,…次上,故本发明对Duffing振子进行修正,公式如下:
改写成动力学方程为:
第二步:分析改进型Duffing振动的动力学特性
由该Duffing振子模型仿真可知:
1)策动力幅值极其微小的变化就能引起系统状态产生质的变化;
2)利用相轨迹由周期振荡到混沌运动或者由混沌运动到周期振荡的显著变化来检测信号;
3)调节策动力f,使Duffing振子系统处于临界混度状态,将待测信号作为振子策动力的扰动加入共同作为驱动力;通过观察系统状态的变化,即检测出谐波信号是否存在以及其参数;
令t=wτ,f=F0,则式1-1变为:
为驱动力的幅值,θ(τ)为驱动力的初相角,由于待测谐波信号的幅值远小于周期策动力的幅值,因此其影响可以忽略;Δw不宜过大或者过小,通常Δw∈(0.02,0.06);
第三步:测定待测谐波信号的频率
式1-4中幅值参数是随时间变化的函数,其周期为采用统计过零点间距的方法来判断系统状态,系统处于周期时间,过零呈等差数列且间距相等,而处于混沌时,不具备此特征;找出相邻两次由混沌进入周期的时间点,其差值即为周期T;由于w为周期策动力频率,相对频率差为故待测信号的频率w'=w(1+Δw);
考虑到电动汽车充电桩的谐波信号频率基本集中在6n±1,n=1,2,…次谐波上,故只需要把周期策动力信号设为该谐波频率附近即可,相差Δw,以便搜索确定该频率附近是否存在这小的谐波信号;
第四步:测定待测谐波信号的相位
设当时,F(τ)=Fd,处于系统状态变化的临界值,当时,系统处于大尺度周期状态,设时间段为T1,反之,当时,系统处于混沌状态,设时间段为T2;当 为策动力周期信号与待测谐波信号的相位差,系统恰恰处于大尺度周期状态的时间中点;为此通过比较过零点间距,找出系统由混沌进入周期状态的时间t1和由周期状态进入混沌状态的时间t2由于周期状态时间中点得到:
第五步:测定待测谐波信号的幅值
通过过零点间距方法找出大尺度周期状态和混沌状态的持续时间T1和T2,代入式1-6中解关于幅值A的一元二次方程,即得到未知信号幅值的大小。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点;本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内;本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法,其特征在于:首先对Duffing振子模型进行仔细的分析,并针对在强噪声环境下进行谐波检测的特点对振子的模型进行改进;其次根据系统输出间歇混沌信号时系统策动力合力的表达式,分析出间歇混沌信号的周期,从而确定待测谐波信号的频率估计值;最后通过比较过零点间距,找出系统由混沌进入周期状态的时间以及由周期进入混沌的时间,从而确定相位估计值,以及过零点间距法找出大尺度周期状态和混沌状态的时间,进一步确定未知信号的幅值;具体步骤如下:
第一步:确定改进Duffing振子的混沌模型
改写成动力学方程为:
第二步:分析改进型Duffing振动的动力学特性
由该Duffing振子模型仿真可知:
1)策动力幅值极其微小的变化就能引起系统状态产生质的变化;
2)利用相轨迹由周期振荡到混沌运动或者由混沌运动到周期振荡的显著变化来检测信号;
3)调节策动力f,使Duffing振子系统处于临界混沌状态,将待测谐波信号作为振子策动力的扰动加入共同作为驱动力;通过观察系统状态的变化,即检测出谐波信号是否存在以及其参数;
令t=wτ,f=F0,则式1-1变为:
为驱动力的幅值,θ(τ)为驱动力的初相角,由于待测谐波信号的幅值远小于周期策动力的幅值,因此其影响可以忽略;
将1-4与未加待测谐波信号的1-1式进行比较,得出结论:
b)若Δw≠0时,系统会出现间歇性混沌现象,在微小频差的情况下系统以2π/Δw为周期,Δw∈(0.02,0.06);
第三步:测定待测谐波信号的频率;
式1-4中幅值参数是随时间变化的函数,其周期为采用统计过零点间距的方法来判断系统状态,系统处于周期时间,过零呈等差数列且间距相等,而处于混沌时,不具备此特征;找出相邻两次由混沌进入周期的时间点,其差值即为周期T;由于w为周期策动力频率,相对频率差为故待测谐波信号的频率w'=w(1+Δw);
考虑到电动汽车充电桩的谐波信号频率基本集中在6n±1,n=1,2,…次谐波上,把周期策动力信号设为该谐波频率附近,相差Δw,以便搜索确定该频率附近是否存在谐波信号;
第四步:测定待测谐波信号的相位
设当时,F(τ)=Fd,处于系统状态变化的临界值,当时,系统处于大尺度周期状态,设时间段为T1,反之,当时,系统处于混沌状态,设时间段为T2;当 为策动力周期信号与待测谐波信号的相位差,系统恰恰处于大尺度周期状态的时间中点;为此通过比较过零点间距,找出系统由混沌进入周期状态的时间t1和由周期状态进入混沌状态的时间t2,由周期状态时间中点得到:
第五步:测定待测谐波信号的幅值
通过过零点间距方法找出大尺度周期状态和混沌状态的持续时间T1和T2,代入式1-6中解关于幅值A的一元二次方程,即得到未知信号幅值的大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810386121.2A CN108959689B (zh) | 2018-04-26 | 2018-04-26 | 基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810386121.2A CN108959689B (zh) | 2018-04-26 | 2018-04-26 | 基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108959689A CN108959689A (zh) | 2018-12-07 |
CN108959689B true CN108959689B (zh) | 2022-07-29 |
Family
ID=64498831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810386121.2A Active CN108959689B (zh) | 2018-04-26 | 2018-04-26 | 基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108959689B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125613B (zh) * | 2019-12-06 | 2023-06-13 | 江苏大学 | 一种提高Duffing混沌振子检测微弱谐振信号抗噪声能力的方法 |
CN111881929B (zh) * | 2020-06-09 | 2023-12-08 | 长江大学 | 基于混沌图像像素识别的Duffing系统大周期状态检测方法及装置 |
CN112149291B (zh) * | 2020-09-13 | 2023-12-12 | 中国人民解放军海军工程大学 | 微弱谐波信号检测系统及方法 |
CN112751345B (zh) * | 2020-12-30 | 2022-10-25 | 电子科技大学 | 基于lstm与相轨迹的电力系统低频振荡模态辨识方法 |
CN113219252B (zh) * | 2021-05-14 | 2022-03-01 | 浙江大学 | 一种非侵入式在线检测变换器阻抗的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5792062A (en) * | 1996-05-14 | 1998-08-11 | Massachusetts Institute Of Technology | Method and apparatus for detecting nonlinearity in an electrocardiographic signal |
CN102323476B (zh) * | 2011-06-08 | 2013-09-18 | 山东电力研究院 | 采用谱估计和混沌理论的电力系统谐波和间谐波测量方法 |
-
2018
- 2018-04-26 CN CN201810386121.2A patent/CN108959689B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108959689A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108959689B (zh) | 基于改进型Duffing振子混沌模型的电动汽车充电桩谐波检测算法 | |
CN102779238B (zh) | 一种基于自适应卡尔曼滤波的无刷直流电机系统辨识方法 | |
CN103941072B (zh) | 一种基于实数强跟踪滤波的电力信号突变参数测量方法 | |
UmaMageswari et al. | A comparitive study of Kalman filter, extended kalman filter and unscented Kalman filter for harmonic analysis of the non-stationary signals | |
CN105929201A (zh) | 一种基于细化谱分析的加速度计动态模型结构参数辨识的方法 | |
CN104090126B (zh) | 一种加速度计带宽的测试方法 | |
CN103281031A (zh) | 基于可测电气量的鼠笼式异步电机等值电路参数辨识方法 | |
CN103528844B (zh) | 基于经验模态分解的结构损伤预警方法 | |
Bin et al. | A method to extract instantaneous features of low frequency oscillation based on trajectory section eigenvalues | |
Wernholt et al. | Estimation of nonlinear effects in frequency domain identification of industrial robots | |
CN102508022A (zh) | 采用最优乘子牛顿算法检测电网频率的方法 | |
CN102346809B (zh) | 一种将爆破振动加速度转换为速度的方法 | |
Lataire et al. | Estimating a nonparametric colored-noise model for linear slowly time-varying systems | |
CN104101805A (zh) | 一种基于振荡能量注入的励磁系统负阻尼检测方法 | |
CN106685605A (zh) | 混沌同步方式检测强噪声背景下微弱信号频率值的方法 | |
Alrawashdeh et al. | Adaptive Kalman filter for voltage sag detection in power system | |
CN104990616A (zh) | 基于级联自适应陷波器的多路不同步脉冲计数补偿方法 | |
CN101726648B (zh) | 基于低通滤波器的神经元自适应谐波电流检测电路 | |
CN110516612B (zh) | 一种基于变尺度凸峰法的故障微弱信号检测方法及系统 | |
Chu et al. | Normalized estimation of fundamental frequency and measurement of harmonics/interharmonics | |
CN109212311B (zh) | 一种新型梳状滤波的实时分次谐波检测方法 | |
Majhi | Modeling of stable and unstable second order systems with time delay | |
CN104914136A (zh) | 一种差分信号交织控制的土壤含水率传感器 | |
Tang et al. | A comparative study of lock-in-amplifiers and improved duffing chaotic oscillators for the detection and processing of weak signals | |
CN112149291B (zh) | 微弱谐波信号检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |