CN110161311A - 一种谐波与间谐波的检测方法 - Google Patents
一种谐波与间谐波的检测方法 Download PDFInfo
- Publication number
- CN110161311A CN110161311A CN201910413502.XA CN201910413502A CN110161311A CN 110161311 A CN110161311 A CN 110161311A CN 201910413502 A CN201910413502 A CN 201910413502A CN 110161311 A CN110161311 A CN 110161311A
- Authority
- CN
- China
- Prior art keywords
- harmonic wave
- acetyl chlorophosphonazo
- value
- model
- search
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Abstract
本发明公开了一种谐波与间谐波检测方法,包括:S1、对输入的原始信号进行采样得到离散信号序列;S2、构建谐波与间谐波模型;S3、对离散信号序列进行谱估计,得到模型中的基波角频率、各次谐波与间谐波所对应的角频率,以及谐波与间谐波个数;S4、通过对模型中幅值与相位参数的最优解进行分层递进求解,获取模型中幅值与相位的值;S5、根据所求参数值确定所述谐波与间谐波模型。本发明在求取谐波与间谐波的幅度与相位最优解时,采用了分层搜索的方法,由粗到细,首先确定最优解附近的初步估计值,然后再以该初步估计值为起点采用生产者、跟踪者、逃逸者三种搜索模式在不同搜索角度使用不同搜索步长进行搜索,大大提高了谐波与间谐波检测的准确性。
Description
技术领域
本发明属于电气信息检测领域,更具体地,涉及一种谐波与间谐波的检测方法。
背景技术
随着现代信息技术和工业自动化技术的发展,大量电力电子设备和非线性设备投入电网,并在电网中产生谐波和间谐波。谐波与间谐波不仅会使电网效率降低,而且会引起电网的串并联谐振,严重时甚至会烧毁用电设备,对工业生产和社会安全造成很大隐患。所以,要使电力电子和非线性设备稳定工作,减少不必要的损失,实现对谐波与间谐波的快速精确测量是非常重要的前提。
目前常用的谐波与间谐波的检测方法有基于快速傅里叶变换(Fast FourierTransform,FFT)的检测方法和基于最小二乘法(Recursive Least Square,RLS)的检测方法。但是基于FFT的方法在检测过程中难以实现间谐波的同步采样,会出现频谱混叠、泄露以及栅栏效应等问题,影响检测精度。而基于RLS的方法在计算过程中会通过计算导函数的零点来计算最优解。当方程的未知数比较多时,会产生很多不确定的解,导致检测出现较大误差。
综上所述,提供一种更为精准的谐波与间谐波检测方法是亟需解决的问题。
发明内容
针对现有技术的缺陷,本发明的目的在于提供了一种谐波与间谐波的检测方法,旨在解决目前谐波与间谐波检测精度不高的问题。
为实现上述目的,本发明提供了一种谐波与间谐波的检测方法,包括以下步骤:
S1、对输入的原始信号进行采样得到离散信号序列;
S2、构建谐波与间谐波模型;
S3、对步骤S1所得的离散信号序列进行谱估计,得到所述谐波与间谐波模型中的基波角频率、各次谐波与间谐波所对应的角频率,以及谐波与间谐波的个数;优选地,可以对离散信号序列进行AR谱估计,能够准确获取谐波与间谐波频率;
S4、基于步骤S1所得的离散信号序列通过对所述谐波与间谐波模型中幅值与相位参数的最优解进行分层递进求解,获取模型中幅值与相位的值;这种求解最优解的方法由粗到细对最优解进行搜索,对于未知数较多的场景,可以更加精确的得到最优解。
S5、根据步骤S3、S4所得的谐波与间谐波参数值确定所述谐波与间谐波模型。
优选地,谐波与间谐波模型如下:
其中,N为谐波与间谐波的个数,Vn为对应的谐波信号波形的幅值,为对应的谐波相位,ω为基波的角频率,bn表示基波角频率的倍数,其中n为1到N之间的整数,N为大于等于1的正整数。通过确定N、Vn、bn、ω这些参数,即可确定谐波与间谐波模型,进而完成对谐波与间谐波的检测。
优选地,步骤S4中对所述谐波与间谐波模型中幅值与相位参数的最优解进行分层递进求解的步骤包括:
S41、构建残差平方和模型对谐波与间谐波模型中的幅值和相位进行初步估计,得到谐波与间谐波模型中幅值与相位参数的初步估计值;
S42、以幅值与相位的初步估计值为起点,采用生产者、跟随者和逃逸者三种搜索方式,朝不同的搜索角度以不同的搜索步长进行搜索,得到谐波与间谐波模型中幅值与相位参数的最优解。
分层递进的对谐波与间谐波模型中的幅值和相位参数进行求解,首先先得到参数的初步估计值,然后再以该估计值为起点,更加精细完整的搜索其附近的最优解,以初步估计值为起点进行搜索可以将最优解的搜索范围确定在最优解附近,大大提高了搜索效率,在步骤S42中采用三种搜索方式朝不同搜索角度用不同步长进行搜索可以大大提高结果的精确度。
优选地,步骤S41中获取谐波与间谐波模型中幅值与相位参数的初步估计值的步骤包括:
S411、将谐波与间谐波模型变换为矩阵相乘的形式,如下:
其中,i为1到N之间的整数;
S412、基于步骤S1中所得的采样值构建残差平方和模型,计算残差平方和模型中C矩阵的最优解作为谐波与间谐波矩阵模型中的C矩阵值;
S413、根据C矩阵求得谐波模型中的幅值和相位的初步估计值。
优选地,步骤S412中根据残差平方和模型计算C矩阵的方法为构建表示在采样点处的信号估计值与原始信号值之间的距离的残差平方和函数,该残差平方和函数的值越小表示信号估计值与原始信号值越接近,最小化残差平方和函数,从而求得C矩阵的最优解。
优选地,步骤S42中得到谐波与间谐波模型中幅值与相位参数的最优解的步骤包括:
S421、初始化群成员变量中的成员个数L,L为区间[300,600]中的整数;初始化最大迭代次数k_max以及收敛条件参数ε和ξ,k_max为区间[40,70]中的整数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;初始化群成员变量其中的每一个成员X都初始化为根据步骤S41所得的初步估计值,并指定群成员变量中的生产者、跟随者和逃逸者;计算初始群成员变量的适应度值选取适应度值最小的成员作为局部最优解,记为其适应度值为
S422、开始一次迭代,采用生产者搜索策略更新生产者,采用跟随者搜索策略更新跟随者,采用逃逸者搜索策略更新逃逸者,得到当前的群成员变量为计算群成员变量的适应度值为选取适应度值最小的成员作为局部最优解,记为其适应度值为
S423、比较相邻两次迭代中局部最优解所对应的适应度值的大小,若当前迭代中的局部最优解所对应的适应度值较大,则将当前迭代的局部最优设置为上一次迭代中的局部最优解,当前迭代的局部最优解的适应度值设置为上一次迭代中局部最优解的适应度值;否则,保留当前迭代的最优解与其适应度值;
S424、重复执行步骤S422和步骤S423,进行迭代;
S425、当达到最大迭代次数或者满足收敛条件时则寻优结束,当前迭代的局部最优解即为所求的全局最优解X*,即为谐波与间谐波模型中幅值与相位参数的最优解;
优选地,步骤S421-S423中所述的适应度值的求解函数为估计值与实际采样值之差的均方根,适应度值可以反映适应度,适应度代表了每个成员接近理想值的程度,适应度值越小,则适应度越高,也就越接近理想值,参数辨识也越精确。
优选地,步骤S422中的生产者搜索策略包括:
S4221、初始化搜索角度,范围在0到π/2之间,以当前生产者为起点朝当前搜索角度方向、以及该搜索角度的左右对称方向进行搜索;
S4222、比较计算每个生产者产生的三个新位置点处的适应度值,选取适应度最高的位置作为在搜索过程中的最优点,如果该最优点处的适应度值小于当前生产者位置处所对应的适应度值,则更新生产者为当前的最优点,结束搜索;
S4223、如果在步骤S4222中未能对生产者进行更新,则在生产者的当前位置处改变其搜索角度,重复步骤S4221-S4222进行搜索;
S4224、当迭代次数超过最大迭代次数时,结束搜索,这里所述迭代次数为区间[40,70]中的整数。
优选地,步骤S422中的跟随者需要向最优解的方向进行靠近继续细化搜索。
优选地,步骤S422中的逃逸者从当前位置向周围随机搜索。
优选地,步骤S425中的收敛条件为:
其中,若fk是第k次迭代中局部最优解的适应度值,ε和ξ都是预先设定的很小的正数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;当在第k次迭代的局部最优解的适应度值小于ε,或者相邻两次迭代的局部最优解的适应度值之差小于ξ时,迭代结束。
通过本发明所构思的以上技术方案,与现有技术相比,能够取得下列有益效果:
1、本发明通过对离散信号序列进行谱估计得到各次谐波与间谐波所对应的频率,谱估计能够准确获取谐波与间谐波频率,避免了基于FFT的算法在求取间谐波频率时产生的频谱泄露、频谱混叠等问题,提高了对间谐波频率的辨识精度。
2、本发明在求取谐波与间谐波的幅度与相位最优解时,采用了分层搜索的方法,由粗到细的求解最优解,首先求出幅值与相位的一个初步估计值,将搜索范围锁定在最优解附近,再进行精细搜索,大大提高了搜索效率。
3、本发明在对谐波与间谐波的幅度与相位进行精细搜索时,采用了生产者、跟踪者、逃逸者三种搜索模式,先采用生产者模式在不同搜索角度使用不同搜索步长进行搜索,然后再采用跟踪者模式在生产者搜索方向上细化搜索,最后再采用逃逸者模式进行随机搜索,保证搜索的全面性、精确性,对于未知数较多的场景效果较好,大大提高了谐波与间谐波检测的准确性。
附图说明
图1是本发明提供的一种谐波与间谐波检测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为实现上述目的,本发明提供了一种谐波与间谐波的检测方法。
以电压信号为例,如图1所示为本发明所提供的一种谐波与间谐波检测方法流程图。
具体的,本发明提供的一种谐波与间谐波检测方法包括以下步骤:
S1、对输入的原始电压信号进行采样得到离散信号序列,以fs的采样频率对信号进行采样,时间间隔为Δ=1/fs,得到M个采样点的值V(t0),V(t1),...,V(tM),其中,V(ti)为ti时间点的电压采样值,Δ=ti-ti-1;
S2、构建谐波与间谐波模型,包含基波、谐波和间谐波周期信号的谐波模型如下:
其中,N为原始电压信号中频率各不相同的正弦信号的个数,即谐波与间谐波的个数,Vn为对应谐波信号波形的幅值,为对应的谐波相位,ω为基波的角频率,bn表示基波角频率的倍数,其中n为1到N之间的整数,N为大于等于1的正整数;通过确定N、Vn、bn、ω这些参数,即可确定谐波与间谐波模型。
S3、对步骤S1所得的离散信号序列进行谱估计,得到基波角频率ω、各次谐波与间谐波所对应的角频率bnω,以及谐波与间谐波的个数N,优选地,可以对离散信号序列采用AR谱估计,可以避免FFT等传统算法在求取间谐波频率时的频谱泄露和频谱混叠,提高了对间谐波频率的辨识精度;
S4、基于步骤S1所得的离散信号序列通过对谐波与间谐波模型中幅值与相位参数的最优解进行分层递进求解,获取模型中的幅值与相位的值;
S5、根据步骤S3、S4所得的谐波与间谐波参数值确定所述谐波与间谐波模型。
具体的,对于步骤S4中所述的获取谐波与间谐波模型中幅值与相位最优解的方法主要包括:
S41、构建残差平方和模型对谐波与间谐波模型中的幅值和相位进行初步估计,得到谐波与间谐波模型中幅值与相位参数的初步估计值;
S42、以幅值与相位的初步估计值为起点,采用生产者、跟随者和逃逸者三种搜索方式,朝不同的搜索角度以不同的搜索步长进行搜索,得到谐波与间谐波模型中幅值与相位参数的最优解。
具体的,S41中获取谐波与间谐波模型中幅值与相位参数的初步估计值的步骤包括:
S411、将谐波与间谐波模型变换为矩阵相乘的形式如下:
其中,i为1到N之间的整数;
具体的推导过程如下,将谐波与间谐波模型表达式y(t)展开得:
其中,进而可以表示为如公式(2)所示的矩阵形式。
同样的,各次谐波的幅值Vn和相位可表示为: 通过计算C矩阵,进而可以得到谐波与间谐波模型中的幅值和相位值。
S412、基于步骤S1中所得的采样值构建表示在采样点处的信号估计值与原始信号值之间的距离的残差平方和模型,该残差平方和函数的值越小表示信号估计值与原始信号值越接近,最小化残差平方和函数,计算残差平方和函数中C矩阵的最优解作为谐波与间谐波矩阵模型中的C矩阵值;
具体的求解C矩阵的方法可以为,基于步骤1中的采样点,得到每个采样点处的残差值为进一步的,所有采样信号的残差平方和[v2]如下式所示:
其中,S(t)=sinωt,P(t)=cosωt。
若残差平方和[v2]存在,则令[v2]对Cn求偏导数,并使偏导数等于0:
化简得到:
公式(6)可采用矩阵形式表示为:
ATAC=ATY (7)
其中,Y=[V(t0),V(t1),...V(tM)]T。
根据公式(7)可得C=(ATA)-1ATY,求出C矩阵;
S413、根据C矩阵求得谐波模型中的幅值和相位的初步估计值为
通过对谐波与间谐波模型中的幅值和相位的初步估计得到了幅值与相位在最优解附近的一个初步解,将该初步解作为起点进一步搜索谐波与间谐波模型中幅值和相位的最优解可以得到更加准确的参数估计,也大大提高了搜索效率。
具体的,步骤S42中得到所述谐波与间谐波模型中幅值与相位参数的最优解的步骤包括:
S421、初始化群成员变量中的成员个数L;初始化最大迭代次数k_max以及收敛条件参数ε和ξ;初始化群成员变量其中的每一个成员X都初始化为根据步骤S41所得的初步估计值,并指定群成员变量中的生产者、跟随者和逃逸者;计算初始群成员变量的适应度值选取适应度值最小的成员作为局部最优解,记为其适应度值为
具体的,指定生产者个数L1、随者个数L2、逃逸者个数L3,其中L1、L2和L3之和为L,L为区间[300,600]中的整数;初始化最大迭代次数k_max以及收敛条件参数ε和ξ,k_max为区间[40,70]中的整数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;初始化群成员变量其中,为生产者,为跟随者,为逃逸者,表示第0次迭代的群成员变量中的第i个成员,中包含了N组幅值和相位的值,共2N个参数,记为N为谐波与间谐波的个数;将群成员变量中的每一个成员X都初始化为初步估计值在此基础上重新进行搜寻,找到更为精确的结果;
S422、开始一次迭代,采用生产者搜索策略更新生产者,采用跟随者搜索策略更新跟随者,采用逃逸者搜索策略更新逃逸者,得到当前的群成员变量为计算群成员变量的适应度值为选取适应度值最小的成员作为局部最优解,记为其适应度值为
S423、比较相邻两次迭代中,局部最优解所对应的适应度值的大小,若当前迭代中的局部最优解所对应的适应度值较大,则将当前迭代的局部最优设置为上一次迭代中的局部最优解,当前迭代的局部最优解的适应度值设置为上一次迭代中局部最优解的适应度值;否则,保留当前迭代的最优解与其适应度值;
S424、重复执行步骤S422和步骤S423,进行迭代;
S425、当达到最大迭代次数或者满足收敛条件时则寻优结束,当前迭代的局部最优解即为所求的全局最优解X*,即为谐波和间谐波模型中各次谐波与间谐波的幅值与相位值。
具体的,适应度代表了每个成员接近理想值的程度,适应度的值越小,则适应度越高,也就越接近理想值,参数辨识也越精确;适应度求解函数为模型估计值与实际采样值之差的均方根,其表达式如下:
其中,fl k为第l个成员在第k次迭代下的适应度值,M为采样点的个数,y(ti)为ti时刻采样得到的电压值,i为1到M之间的正整数,N为谐波与间谐波的个数。
优选地,步骤S422中的生产者搜索策略包括:
S4221、初始化搜索角度,其范围在0到π/2之间,优选地,可以选取初始搜索角度为π/4,搜索更快,以当前生产者为起点朝当前搜索角度方向、以及该搜索角度的左右对称角度的方向进行搜索,其中,朝当前搜索角度方向的搜索方法可以采用如公式(9)所示的方法,右侧方向的搜索方法可以采用如公式(10)所示的方法,左侧方向的搜索可以采用如公式(11)所示的方法;
其中,为第k次迭代中第i个生产者成员变量,是均值为0并且方差为1服从正态分布的随机数,它代表搜索方向的步长,是在区间[0,1]中均匀分布的随机数,它代表搜索角度的步长,lmax为最大搜索距离,优选的,对于成员变量中对于成员变量中幅值的搜索lmax可以取值为步骤S41所得的初步估计的幅值最大值的1.2倍,对于成员变量中相位的搜索lmax可以取值为π;每个成员变量中都包含2N个参数,为每个成员变量中每个参数的搜索方向,为每个成员变量中每个方向上的搜索角度,优选地,最开始的搜索角度可以初始化为π/4,搜索方向与搜索角度之间存在如下关系:
每个生产者在每次的搜索过程中被赋值为不同的r1和r2,分别往不同角度以不同的搜索步长进行搜索;
S4222、每个生产者都会产生三个新的位置点,计算新位置处的适应度值,选取适应度最高的位置作为在搜索过程中的最优点Xp,如果该最优点处的适应度值小于当前生产者位置处所对应的适应度值,则更新生产者为当前的最优点,结束搜索;
S4223、如果在步骤S4222中未找到最优点进行更新,则在生产者的当前位置处更新搜索角度然后重复S4221-S4222的步骤进行搜索,优选的,αmax可以取值为π/2;
S4224、当找到最优点进行更新或者迭代次数超过最大迭代次数时,结束搜索。
进一步的,步骤S422中的跟随者需要向最优解的方向进行靠近,搜索策略为其中,为第k次迭代的局部最优解,是在区间[0,1]中服从均匀分布的随机数,每个跟随者的r3值各不相同;
进一步的,步骤S422中的逃逸者从当前位置向周围随机搜索,根据产生一个搜索角度,优选的,αmax可以取值为π/2,根据li=β·r1lmax生成一个随机步长,其中,β∈[0,1],优选的,β可以取值为0.8,然后更新逃逸者为
进一步的,步骤S425中的收敛条件为:
其中,若fk是第k次迭代中局部最优解的适应度值,ε和ξ都是预先设定的很小的正数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;当在第k次迭代的局部最优解的适应度值小于ε,或者相邻两次迭代的局部最优解的适应度值之差小于ξ时,迭代结束。
参考以上谐波与间谐波的检测步骤,提供了如下具体实施例,信号源表达式如下所示,其中f0=50Hz是基波频率;
y(t)=sin(2π×f0t)+0.18sin(2π×1.5f0t)+
0.097sin(2π×5f0t+π/6)+0.1sin(2π×5.5f0t+π/4)+
0.04sin(2π×7f0t+π/6)+0.02sin(2π×7.6f0t+π/4)
步骤1、以1kHz的采样频率对输入的原始信号进行采样得到离散信号序列,其中,采样点数M为1024;
步骤2、构建谐波与间谐波模型如公式(1)所示;
步骤3、使用AR谱估计对采样得到的离散信号序列进行计算,得到原始信号中的谐波模型阶数N为6,基波的角频率ω为2πf0,各次谐波与间谐波对应的角频率为ω,1.5ω,5ω,5.5ω,7ω,7.6ω;
步骤4、通过求解谐波与间谐波模型中幅值与相位的最优解来获取模型中的幅值与相位的值;具体的,首先对谐波模型中幅值和相位的进行初步估计,根据步骤3所得的各次谐波与间谐波的角频率,计算A矩阵,进一步根据C=(ATA)-1ATY计算得到C矩阵,从而得到信号源中基波和各次谐波幅值和相位的初步估计值;然后对谐波与间谐波模型中的幅值和相位的值进行进一步精确搜索,初始化群成员个数为400,经过大量实验验证,成员个数在[300,600]区间取值较宜,少于300将会很难搜索到最优解区域,多于600极易陷入局部最优。同样地,生产者和跟随者个数的取值比例也是通过多次实验得到,其中生产者个数为180、跟随者个数为180、逃逸者个数为40、最大迭代次数k_max=50、收敛条件参数ε=1.42×10-4和ξ=5×10-8;初始化群成员变量为基波和各次谐波幅值和相位的初步估计值,群成员中的每个成员变量中都包含6组幅值和相位参数,即每个成员中含有12个参数,分别是各次谐波和间谐波所对应的幅值Vn和相位然后根据步骤S422-S425精确计算谐波与间谐波模型中的幅值和相位的最优解。
由本算例计算得到的参数分别如表1所示,其中,表中左边部分为原始信号的频率、幅值和相位,表中右边部分为根据本发明提供的方法计算得到的相对应的频率、幅值和相位。分析表中数据,可看到频率参数的精确度达到98.7981%,幅值参数的精确度达到96.1458%,而相位参数的相对误差只有4.0061%,针对该实施例的结果可以看出本发明提供的一种谐波与间谐波的方法精确度较高。另外,对算法所有时长进行统计,该实施例用时也较快,为7.54s。
表1
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种谐波与间谐波检测方法,其特征在于,包括以下步骤:
S1、对输入的原始信号进行采样得到离散信号序列;
S2、构建谐波与间谐波模型;
S3、对所述离散信号序列进行谱估计,得到所述谐波与间谐波模型中的基波角频率、各次谐波与间谐波所对应的角频率,以及谐波与间谐波的个数;
S4、基于所述离散信号序列通过对所述谐波与间谐波模型中幅值与相位参数的最优解进行分层递进求解,获取模型中幅值与相位的值;
S5、根据步骤S3和S4所得的谐波与间谐波参数值确定所述谐波与间谐波模型。
2.根据权利要求1所述的谐波与间谐波检测方法,其特征在于,所述谐波与间谐波模型如下:
其中,N为谐波与间谐波的个数,Vn为对应的谐波与间谐波信号波形的幅值,为对应的谐波与间谐波相位,ω为基波的角频率,bn表示基波角频率的倍数,其中n为1到N之间的整数,N为大于等于1的正整数。
3.根据权利要求1所述的谐波与间谐波检测方法,其特征在于,对所述谐波与间谐波模型中幅值与相位参数的最优解进行分层递进求解的步骤包括:
S41、构建残差平方和模型对所述谐波与间谐波模型中的幅值和相位进行初步估计,得到所述谐波与间谐波模型中幅值与相位参数的初步估计值;
S42、以幅值与相位的初步估计值为起点,采用生产者、跟随者和逃逸者三种搜索方式,朝不同的搜索角度以不同的搜索步长进行搜索,得到所述谐波与间谐波模型中幅值与相位参数的最优解。
4.根据权利要求3所述的谐波与间谐波检测方法,其特征在于,所述步骤S41中获取谐波与间谐波模型中幅值与相位参数的初步估计值的步骤包括:
S411、将谐波与间谐波模型变换为矩阵相乘的形式,如下:
其中,i为1到N之间的整数;
S412、基于所述步骤S1中所得的采样值构建残差平方和模型,计算残差平方和模型中C矩阵的最优解作为谐波与间谐波矩阵模型中的C矩阵值;
S413、根据所述C矩阵求得所述谐波与间谐波模型中的幅值和相位的初步估计值。
5.根据权利要求3所述的谐波与间谐波检测方法,其特征在于,所述步骤S42中得到所述谐波与间谐波模型中幅值与相位参数的最优解的步骤包括:
S421、初始化群成员变量中的成员个数L,L为区间[300,600]中的整数;初始化最大迭代次数k_max以及收敛条件参数ε和ξ,k_max为区间[40,70]中的整数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;初始化群成员变量其中的每一个成员X都初始化为根据所述步骤S41得到的初步估计值,指定群成员变量中的生产者、跟随者和逃逸者;计算初始群成员变量的适应度值选取适应度值最小的成员作为局部最优解,记为其适应度值为
S422、开始一次迭代,采用生产者搜索策略更新生产者,采用跟随者搜索策略更新跟随者,采用逃逸者搜索策略更新逃逸者,得到当前的群成员变量为计算群成员变量的适应度值为选取适应度值最小的成员作为局部最优解,记为其适应度值为
S423、比较相邻两次迭代中局部最优解所对应的适应度值的大小,若当前迭代中的局部最优解所对应的适应度值较大,则将当前迭代的局部最优设置为上一次迭代中的局部最优解,当前迭代的局部最优解的适应度值设置为上一次迭代中局部最优解的适应度值;否则,保留当前迭代的最优解与其适应度值;
S424、重复执行步骤S422和步骤S423,进行迭代;
S425、当达到最大迭代次数或者满足收敛条件时则寻优结束,当前迭代的局部最优解即为所求的全局最优解X*,即为谐波与间谐波模型中幅值与相位参数的最优解。
6.根据权利要求5所述的谐波与间谐波检测方法,其特征在于,所述适应度值的求解函数为估计值与实际采样值之差的均方根,适应度值可以反映适应度,适应度代表接近理想值的程度,适应度值越小,则适应度越高,也就越接近理想值,参数辨识也越精确。
7.根据权利要求5所述的谐波与间谐波检测方法,其特征在于,所述生产者搜索策略包括:
S4221、初始化搜索角度,范围在0到π/2之间,以当前生产者为起点朝当前搜索角度方向、以及该搜索角度的左右对称方向进行搜索;
S4222、比较计算每个生产者产生的三个新位置点处的适应度值,选取适应度最高的位置作为在搜索过程中的最优点,如果当前最优点处的适应度值小于当前生产者位置处所对应的适应度值,则更新生产者为当前的最优点,结束搜索;
S4223、如果在所述步骤S4222中未能对生产者进行更新,则在生产者的当前位置处改变其搜索角度,重复步骤S4221-S4222进行搜索;
S4224、当迭代次数超过最大迭代次数时,结束搜索,所述迭代次数为区间[40,70]中的整数。
8.根据权利要求5所述的谐波与间谐波检测方法,其特征在于,所述跟随者需要向最优解的方向进行靠近继续细化搜索。
9.根据权利要求5所述的谐波与间谐波检测方法,其特征在于,所述逃逸者从当前位置向周围随机搜索。
10.根据权利要求5所述的谐波与间谐波检测方法,其特征在于,所述收敛条件为:
其中,若fk是第k次迭代中局部最优解的适应度值,ε和ξ都是预先设定的很小的正数,1.0×10-4≤ε≤1.5×10-4,3×10-8≤ξ≤5×10-8;当第k次迭代的局部最优解的适应度值小于ε,或者相邻两次迭代的局部最优解的适应度值之差小于ξ时,迭代结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413502.XA CN110161311B (zh) | 2019-05-17 | 2019-05-17 | 一种谐波与间谐波的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413502.XA CN110161311B (zh) | 2019-05-17 | 2019-05-17 | 一种谐波与间谐波的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110161311A true CN110161311A (zh) | 2019-08-23 |
CN110161311B CN110161311B (zh) | 2020-09-18 |
Family
ID=67631139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910413502.XA Expired - Fee Related CN110161311B (zh) | 2019-05-17 | 2019-05-17 | 一种谐波与间谐波的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110161311B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220571A (zh) * | 2020-01-20 | 2020-06-02 | 中南大学 | 一种基于幅值离散度的二次谐波信号拟合方法及系统 |
CN111443241A (zh) * | 2020-04-27 | 2020-07-24 | 南京工程学院 | 一种高压岸电电力系统谐波检测方法 |
CN115950529A (zh) * | 2023-03-10 | 2023-04-11 | 天津大学 | 基于谱增强的微角谐振信号估计方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587146A (zh) * | 2009-06-10 | 2009-11-25 | 湖南大学 | 一种谐波和间谐波参数的检测方法 |
CN101701983A (zh) * | 2009-11-23 | 2010-05-05 | 浙江大学 | 基于music谱估计和hbf神经网络的电力系统间谐波检测方法 |
CN102222911A (zh) * | 2011-04-19 | 2011-10-19 | 哈尔滨工业大学 | 基于ar模型和卡尔曼滤波的电力系统间谐波估计方法 |
JP4937205B2 (ja) * | 2008-07-22 | 2012-05-23 | 株式会社東芝 | 電力品質評価システム |
US20130173189A1 (en) * | 2011-12-29 | 2013-07-04 | University of Connecticut, a public institution of higher education | Robust high resolution spectrum estimation method for accurate phasor, harmonic and interharmonic measurement in power systems |
CN103245830A (zh) * | 2013-04-03 | 2013-08-14 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种结合ar谱估计与非线性优化的间谐波检测方法 |
CN109524972A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于gso和svm算法的低频振荡参数估计方法 |
-
2019
- 2019-05-17 CN CN201910413502.XA patent/CN110161311B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4937205B2 (ja) * | 2008-07-22 | 2012-05-23 | 株式会社東芝 | 電力品質評価システム |
CN101587146A (zh) * | 2009-06-10 | 2009-11-25 | 湖南大学 | 一种谐波和间谐波参数的检测方法 |
CN101701983A (zh) * | 2009-11-23 | 2010-05-05 | 浙江大学 | 基于music谱估计和hbf神经网络的电力系统间谐波检测方法 |
CN102222911A (zh) * | 2011-04-19 | 2011-10-19 | 哈尔滨工业大学 | 基于ar模型和卡尔曼滤波的电力系统间谐波估计方法 |
US20130173189A1 (en) * | 2011-12-29 | 2013-07-04 | University of Connecticut, a public institution of higher education | Robust high resolution spectrum estimation method for accurate phasor, harmonic and interharmonic measurement in power systems |
CN103245830A (zh) * | 2013-04-03 | 2013-08-14 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种结合ar谱估计与非线性优化的间谐波检测方法 |
CN109524972A (zh) * | 2018-10-10 | 2019-03-26 | 华南理工大学 | 基于gso和svm算法的低频振荡参数估计方法 |
Non-Patent Citations (3)
Title |
---|
S. HE: "Group Search Optimizer: An Optimization Algorithm Inspired by Animal Searching Behavior", 《IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION》 * |
吕干云: "一种基于粒子群优化算法的间谐波分析方法", 《电工技术学报》 * |
董海艳等: "基于优化原子分解的含频谱干涉谐波/间谐波检测算法", 《电工电能新技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220571A (zh) * | 2020-01-20 | 2020-06-02 | 中南大学 | 一种基于幅值离散度的二次谐波信号拟合方法及系统 |
CN111220571B (zh) * | 2020-01-20 | 2020-12-22 | 中南大学 | 一种基于幅值离散度的二次谐波信号拟合方法及系统 |
CN111443241A (zh) * | 2020-04-27 | 2020-07-24 | 南京工程学院 | 一种高压岸电电力系统谐波检测方法 |
CN115950529A (zh) * | 2023-03-10 | 2023-04-11 | 天津大学 | 基于谱增强的微角谐振信号估计方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110161311B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110161311A (zh) | 一种谐波与间谐波的检测方法 | |
Su et al. | Power harmonic and interharmonic detection method in renewable power based on Nuttall double‐window all‐phase FFT algorithm | |
Qasim et al. | Artificial-neural-network-based phase-locking scheme for active power filters | |
Cupertino et al. | Running DFT-based PLL algorithm for frequency, phase, and amplitude tracking in aircraft electrical systems | |
CN109030941A (zh) | Hanning自乘卷积窗FFT三谱线插值谐波分析方法 | |
Terriche et al. | Matrix pencil method‐based reference current generation for shunt active power filters | |
Khalghani et al. | Dynamic voltage restorer control using bi‐objective optimisation to improve power quality's indices | |
CN108020721A (zh) | 一种基于IpDFT的非平衡电力系统的频率估计方法 | |
Verma et al. | Harmonics and reactive current detection of a grid-interfaced PV generation in a distribution system | |
CN111799795A (zh) | 一种基于干扰观测的有源电力滤波器自适应滑模控制 | |
Saxena et al. | Adaptive spline‐based PLL for synchronisation and power quality improvement in distribution system | |
Stempak | An algebra associated with the generalized sublaplacian | |
CN111781838A (zh) | 一种基于观测器的有源电力滤波器自适应动态滑模方法 | |
Chen | A two-stage solution procedure for digital power metering according to IEEE standard 1459-2010 in single-phase system | |
Jain et al. | Adaptive wavelet neural network based harmonic estimation of single-phase systems | |
Roinila et al. | Pseudo-random sequences in DQ-domain analysis of feedforward control in grid-connected inverters | |
CN105606893B (zh) | 基于空间平滑修正music的电力间谐波检测方法 | |
CN107870265B (zh) | 一种基于高精度dft的电网对地电容检测方法 | |
Peng et al. | Few‐shot learning based multi‐weather‐condition impedance identification for MPPT‐controlled PV converters | |
CN110007147A (zh) | 一种单母线多用户的谐波责任计算方法 | |
Xie et al. | Research on islanding detection technology for multi grid-connected inverters | |
Xiao et al. | A neural network model for power system inter-harmonics estimation | |
Liu et al. | Inter-harmonics parameter detection based on interpolation FFT and multiple signal classification algorithm | |
Luo et al. | Improved zero-crossing method for power system frequency estimation | |
Wu et al. | Adaptive extremum seeking control based lcl filter resonant frequency online estimation |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200918 Termination date: 20210517 |
|
CF01 | Termination of patent right due to non-payment of annual fee |