CN113675850B - 一种基于非线性鲁棒估计的电网信息快速精准感知方法 - Google Patents

一种基于非线性鲁棒估计的电网信息快速精准感知方法 Download PDF

Info

Publication number
CN113675850B
CN113675850B CN202111237471.0A CN202111237471A CN113675850B CN 113675850 B CN113675850 B CN 113675850B CN 202111237471 A CN202111237471 A CN 202111237471A CN 113675850 B CN113675850 B CN 113675850B
Authority
CN
China
Prior art keywords
power grid
estimation
phase
amplitude
smoothing
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
Application number
CN202111237471.0A
Other languages
English (en)
Other versions
CN113675850A (zh
Inventor
张承慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN202111237471.0A priority Critical patent/CN113675850B/zh
Publication of CN113675850A publication Critical patent/CN113675850A/zh
Application granted granted Critical
Publication of CN113675850B publication Critical patent/CN113675850B/zh
Priority to PCT/CN2022/121826 priority patent/WO2023071672A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Inverter Devices (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电网电压的幅值/频率/相位信息感知技术领域，公开了一种基于非线性鲁棒估计的电网信息快速精准感知方法，包括：获取实际电网相电压信号；基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；根据所述非线性状态空间的畸变电网模型，建立
Figure 217252DEST_PATH_IMAGE001
平滑估计性能指标；根据
Figure 470510DEST_PATH_IMAGE002
平滑估计性能指标，将
Figure 540097DEST_PATH_IMAGE003
平滑估计问题转化为广义
Figure 3439DEST_PATH_IMAGE004
平滑估计问题；构造出
Figure 816674DEST_PATH_IMAGE002
平滑估计器；利用
Figure 173706DEST_PATH_IMAGE003
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位感知值。用于快速、精确感知电网电压的基波频率、幅值和相位。

Description

一种基于非线性鲁棒估计的电网信息快速精准感知方法
技术领域
本发明涉及电网电压的幅值/频率/相位信息感知技术领域，特别是涉及一种基于非线性鲁棒估计的电网信息快速精准感知方法。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
发展新能源是解决能源危机和环境污染的关键途径，然而新能源大规模接入电网后，其发电可靠并网问题日益凸显，已经严重制约了行业健康发展。尤其新能源场站常常位于电网架构的末端，其并网点与远端主干电网之间的等效阻抗大，极易引起电网电压跌落、畸变、频率不稳等问题，若感知控制不力，会导致新能源场站脱网，甚至危害局域电网的安全稳定运行。
并网装备作为新能源发电系统中能量变换的核心，其性能直接决定了系统稳定运行和电能质量的好坏。而快速准确的感知电网信息（幅值/频率/相位）是并网装备安全运行和能量控制的重要基石。
对于电网信息感知技术，许多学者已经进行了深入的研究，例如硬件电路过零法、基于基波傅里叶变换法、卡尔曼滤波法、基于dq变换的SRF锁相法等。然而在新能源发电系统中，电网电压波形（幅/频/相）畸变严重，上述现有方法难以满足新能源发电系统并网装备快速精准感知电网信息的需求：开环线性滤波感知方法偏差较大，滤波器窗长越长，动态响应越慢，滑动平均滤波感知方法的窗长需要做响应速度和滤波效果的折中；基于反馈原理锁相环方法难以调和感知精度和快速性之间的矛盾。
发明内容
为解决现有方法存在如鲁棒性差、无法实时计算、估计精度低和跟踪速度慢等不足之处，本发明提出一种基于非线性鲁棒估计的电网信息快速精准感知方法。对电网电压信号进行机理分析并离散化，建立了一类Lipschitz非线性系统模型，进而基于空间映射技术和输出重构方法，构建了Lipschitz非线性平滑器，以提高畸变电网基波信息（幅/频/相）感知的鲁棒性和精确性。
一种基于非线性鲁棒估计的电网信息快速精准感知方法，包括：
获取实际电网相电压信号；
基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；
根据所述非线性状态空间的畸变电网模型，建立
Figure 737255DEST_PATH_IMAGE001
平滑估计性能指标；将
Figure 474267DEST_PATH_IMAGE001
平滑估计问题转化为广义
Figure 732073DEST_PATH_IMAGE002
平滑估计问题；构造出
Figure 506125DEST_PATH_IMAGE001
平滑估计器；
利用
Figure 482171DEST_PATH_IMAGE001
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位实际感知值。
与现有技术相比，本发明的有益效果是：
本发明主要用于快速、精确感知电网电压的基波频率、幅值和相位。与传统锁相环相比，消除了瞬态跟踪过渡过程，速度快且准。本方法的设计根据畸变电网的模型，利用空间映射技术和输出重构方法对信号幅/频/相进行感知，不依赖于传统的线性化方法，利用非线性方法保证了信号的完整性。本发明给出了一种鲁棒快速参数计算方法，仿真证明本发明提出的方法和参数选取，在电网基波分量和谐波分量提取中具有良好的效果。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1本发明实施例一的基于非线性鲁棒估计的电网信息快速精准感知方法结构图；
图2本发明实施例一的基波信号；
图3（a）~图3（d）本发明实施例一的原信号、滤波信号以及它们与基波信号的误差；
图4（a）~图4（d）本发明实施例一的原信号、五步平滑以及它们与基波信号的误差；
图5 本发明实施例一的频率感知（过零点检测）；
图6（a）~图6（d）本发明实施例一的感知信号及误差（采用频率过零点检测+实时感知幅值），感知信号及误差（采用频率过零点检测+过零点感知幅值）。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
实施例一
本实施例提供了一种基于非线性鲁棒估计的电网信息快速精准感知方法；
如图1所示，一种基于非线性鲁棒估计的电网信息快速精准感知方法，包括：
S101：获取实际电网相电压信号；
S102：基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；
S103：根据所述非线性状态空间的畸变电网模型，建立
Figure 22874DEST_PATH_IMAGE001
平滑估计性能指标；根据
Figure 135186DEST_PATH_IMAGE001
平滑估计性能指标，将
Figure 329407DEST_PATH_IMAGE001
平滑估计问题转化为广义
Figure 527170DEST_PATH_IMAGE003
平滑估计问题；构造出
Figure 605985DEST_PATH_IMAGE001
平滑估计器；
S104：利用
Figure 838383DEST_PATH_IMAGE001
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位感知值。
进一步地，所述方法还包括：
S105：基于畸变电压的幅值、频率和相位感知值，对并网逆变器进行控制。
进一步地，所述将
Figure 344451DEST_PATH_IMAGE001
平滑估计问题转化为广义
Figure 668991DEST_PATH_IMAGE003
平滑估计问题；具体包括：根据
Figure 285917DEST_PATH_IMAGE001
平滑估计性能指标，采用空间映射的方式，将
Figure 372822DEST_PATH_IMAGE001
平滑估计问题转化为广义
Figure 784211DEST_PATH_IMAGE003
平滑估计问题。
进一步地，所述构造出
Figure 81200DEST_PATH_IMAGE001
平滑估计器；具体包括：根据广义
Figure 767397DEST_PATH_IMAGE004
平滑估计问题，采用输出重构法处理，构造出
Figure 443229DEST_PATH_IMAGE001
平滑估计器；
进一步地，所述S102：基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；具体包括：
实际电网相电压信号
Figure 556678DEST_PATH_IMAGE005
和其虚拟正交信号
Figure 216330DEST_PATH_IMAGE006
表示为一系列谐波之和，定义为：
Figure 50425DEST_PATH_IMAGE007
；（1）
其中，
Figure 111921DEST_PATH_IMAGE008
表示谐波分量阶次，
Figure 130693DEST_PATH_IMAGE009
为
Figure 12061DEST_PATH_IMAGE010
次谐波分量的幅值，
Figure 899115DEST_PATH_IMAGE011
为
Figure 815118DEST_PATH_IMAGE012
次谐波的相位角，
Figure 4791DEST_PATH_IMAGE013
为
Figure 639035DEST_PATH_IMAGE014
次谐波分量的初始相角，
Figure 205145DEST_PATH_IMAGE015
为实际电网的角频率，
Figure 349557DEST_PATH_IMAGE016
为运行时间；
Figure 710131DEST_PATH_IMAGE017
为电网相电压信号
Figure 566091DEST_PATH_IMAGE018
的
Figure 670314DEST_PATH_IMAGE019
次谐波分量，
Figure 826488DEST_PATH_IMAGE020
为虚拟正交信号
Figure 482598DEST_PATH_IMAGE021
的
Figure 825854DEST_PATH_IMAGE022
次谐波分量。
对于
Figure 468188DEST_PATH_IMAGE008
次谐波分量，表示为：
Figure 213290DEST_PATH_IMAGE023
；（2）
其中，
Figure 181246DEST_PATH_IMAGE024
为
Figure 887165DEST_PATH_IMAGE025
的导数，
Figure 333190DEST_PATH_IMAGE026
为
Figure 198378DEST_PATH_IMAGE027
的导数，由于
Figure 71656DEST_PATH_IMAGE028
为中间变量，对
Figure 248560DEST_PATH_IMAGE029
估计比较复杂，于是，令
Figure 763855DEST_PATH_IMAGE030
作为需要估计的频率参数，且定义：
Figure 483549DEST_PATH_IMAGE031
；（3-1）
Figure 527728DEST_PATH_IMAGE032
；（3-2）
其中，
Figure 67294DEST_PATH_IMAGE033
表示修正后的虚拟正交信号，
Figure 229023DEST_PATH_IMAGE034
表示实际的虚拟正交信号。
则有：
Figure 803224DEST_PATH_IMAGE035
；（4）
其中，
Figure 283883DEST_PATH_IMAGE036
为设定的初始电网频率；符号上面加
Figure 576325DEST_PATH_IMAGE037
表示变量的导数。
提取相电压的基波信号和构建正交信号，并假设采样周期
Figure 902264DEST_PATH_IMAGE038
足够小，则公式(4)可离散化为：
Figure 721184DEST_PATH_IMAGE039
；（5）
其中，
Figure 372745DEST_PATH_IMAGE040
，
Figure 621324DEST_PATH_IMAGE041
为假设的过程噪声。
假设
Figure 750954DEST_PATH_IMAGE042
；(6)
其中，
Figure 565326DEST_PATH_IMAGE043
为假设的过程噪声。
由公式(5)和公式(6)，将状态方程重新描述为：
Figure 997576DEST_PATH_IMAGE044
；(7)
其中，
Figure 999030DEST_PATH_IMAGE045
，
Figure 932351DEST_PATH_IMAGE046
为假设的过程噪声。
进一步，构造观测方程一：
Figure 335650DEST_PATH_IMAGE047
；(8)
其中，
Figure 329014DEST_PATH_IMAGE048
为观测值，
Figure 942398DEST_PATH_IMAGE049
为观测噪声。
假设理想电压信号：
Figure 679410DEST_PATH_IMAGE050
有观测方程二：
Figure 937216DEST_PATH_IMAGE051
；(9)
其中，
Figure 835902DEST_PATH_IMAGE052
为观测值，
Figure 77527DEST_PATH_IMAGE053
为观测噪声。
则由以上讨论，相电压的模型表示如下：
Figure 732411DEST_PATH_IMAGE054
；(10)
其中，
Figure 844724DEST_PATH_IMAGE055
Figure 179890DEST_PATH_IMAGE056
、
Figure 377653DEST_PATH_IMAGE057
为
Figure 581102DEST_PATH_IMAGE058
的初始状态。
Figure 547921DEST_PATH_IMAGE059
为单位矩阵，
Figure 319568DEST_PATH_IMAGE060
为待感知信号。
Figure 4627DEST_PATH_IMAGE061
为非线性项；
满足如下
Figure 621553DEST_PATH_IMAGE062
条件：
Figure 583824DEST_PATH_IMAGE063
；(11)
其中，
Figure 260793DEST_PATH_IMAGE064
和
Figure 698727DEST_PATH_IMAGE065
分别是
Figure 119344DEST_PATH_IMAGE066
常数和常矩阵，
Figure 60756DEST_PATH_IMAGE067
为与
Figure 33260DEST_PATH_IMAGE068
的状态估计。
进一步地，所述非线性状态空间的畸变电网模型，为
Figure 692911DEST_PATH_IMAGE069
非线性系统模型。
进一步地，所述S103：根据所述非线性状态空间的畸变电网模型，建立
Figure 651640DEST_PATH_IMAGE070
平滑估计性能指标；具体包括：
给出
Figure 713137DEST_PATH_IMAGE071
估计性能指标：给定标量
Figure 731908DEST_PATH_IMAGE072
，平滑步数
Figure 252757DEST_PATH_IMAGE073
，观测序列
Figure 15177DEST_PATH_IMAGE074
，寻信号
Figure 931180DEST_PATH_IMAGE075
的估计器
Figure 120853DEST_PATH_IMAGE076
，满足性能指标：
Figure 614152DEST_PATH_IMAGE077
；（12）
其中，
Figure 180262DEST_PATH_IMAGE078
和
Figure 950772DEST_PATH_IMAGE079
分别为给定的状态估计初值和正定矩阵。
进一步地，所述S103：根据
Figure 576925DEST_PATH_IMAGE080
平滑估计性能指标，将
Figure 432886DEST_PATH_IMAGE081
平滑估计问题转化为广义
Figure 412474DEST_PATH_IMAGE082
平滑估计问题；构造出
Figure 303070DEST_PATH_IMAGE083
平滑估计器；具体包括：
S1031：设定
Figure 834545DEST_PATH_IMAGE084
指标上限常数
Figure 177802DEST_PATH_IMAGE085
，时刻
Figure 944770DEST_PATH_IMAGE086
,状态初值估计
Figure 689872DEST_PATH_IMAGE087
和黎卡提方程初值
Figure 657828DEST_PATH_IMAGE088
，
Figure 488381DEST_PATH_IMAGE089
为某一时刻点；
Figure 934406DEST_PATH_IMAGE090
计算：
第2段输出误差方差
Figure 907916DEST_PATH_IMAGE091
：
Figure 781194DEST_PATH_IMAGE092
；(13)
第2段增益参数
Figure 99042DEST_PATH_IMAGE093
：
Figure 614337DEST_PATH_IMAGE094
；(14)
第2段黎卡提方程
Figure 68453DEST_PATH_IMAGE095
：
Figure 237266DEST_PATH_IMAGE096
；(15-1)
Figure 42411DEST_PATH_IMAGE097
；(15-2)
第2段状态估计方程
Figure 830238DEST_PATH_IMAGE098
：
Figure 670018DEST_PATH_IMAGE099
；(16-1)
Figure 885099DEST_PATH_IMAGE100
；(16-2)
S1032：令第1段状态初值
Figure 52906DEST_PATH_IMAGE101
和第1段黎卡提方程初值
Figure 378845DEST_PATH_IMAGE102
；计算：
第0段输出误差方差
Figure 73132DEST_PATH_IMAGE103
：
Figure 459114DEST_PATH_IMAGE104
；(17)
第0段状态增益参数
Figure 97905DEST_PATH_IMAGE105
：
Figure 227535DEST_PATH_IMAGE106
；(18)
虚拟输出
Figure 776329DEST_PATH_IMAGE107
估计误差方差
Figure 333212DEST_PATH_IMAGE108
：
Figure 600245DEST_PATH_IMAGE109
；(19)
S1033：如果满足
Figure 907467DEST_PATH_IMAGE110
和
Figure 310767DEST_PATH_IMAGE111
，则计算：
虚拟输出
Figure 38551DEST_PATH_IMAGE112
估计方程
Figure 527302DEST_PATH_IMAGE113
：
Figure 123368DEST_PATH_IMAGE114
；(20)
其中，第0段输出估计误差
Figure 646753DEST_PATH_IMAGE115
：
Figure 811018DEST_PATH_IMAGE116
进而转到S1034；
若不满足
Figure 787065DEST_PATH_IMAGE117
和
Figure 796609DEST_PATH_IMAGE118
，则重新设定
Figure 49867DEST_PATH_IMAGE119
值，并转到S1031；
S1034：令平滑增益参数初值为：
Figure 119454DEST_PATH_IMAGE120
；
Figure 848376DEST_PATH_IMAGE121
计算：
第1段输出误差方差
Figure 661611DEST_PATH_IMAGE122
：
Figure 894009DEST_PATH_IMAGE123
；(21)
待估计信号滤波估计误差方差
Figure 524711DEST_PATH_IMAGE124
：
Figure 209770DEST_PATH_IMAGE125
；(22)
其中，
Figure 826696DEST_PATH_IMAGE126
如果
Figure 179180DEST_PATH_IMAGE127
，计算
Figure 856149DEST_PATH_IMAGE128
滤波估计
Figure 419984DEST_PATH_IMAGE129
：
Figure 575022DEST_PATH_IMAGE130
；(23)
其中，第1段输出估计误差
Figure 782012DEST_PATH_IMAGE131
及输出信号
Figure 629882DEST_PATH_IMAGE132
如下：
Figure 555113DEST_PATH_IMAGE133
进而转到S1035；
若不满足
Figure 638475DEST_PATH_IMAGE134
，则重新设定
Figure 434393DEST_PATH_IMAGE135
值，并转到S1031；
S1035：令
Figure 453165DEST_PATH_IMAGE136
；根据(21)计算
Figure 600112DEST_PATH_IMAGE137
，并计算：
第1段状态增益参数
Figure 237898DEST_PATH_IMAGE138
：
Figure 153902DEST_PATH_IMAGE139
；(24)
第1段黎卡提方程
Figure 343574DEST_PATH_IMAGE140
：
Figure 977818DEST_PATH_IMAGE141
；(25)
第1段状态估计方程
Figure 278349DEST_PATH_IMAGE142
：
Figure 439072DEST_PATH_IMAGE143
；(26)
根据公式(17)~(19),计算
Figure 534067DEST_PATH_IMAGE144
。
如果
Figure 921186DEST_PATH_IMAGE145
，根据(20)计算
Figure 25409DEST_PATH_IMAGE146
，并跳转到S1036；
若不满足
Figure 650425DEST_PATH_IMAGE147
，则重新设定
Figure 555802DEST_PATH_IMAGE148
值，并转到S1031；
S1036：计算平滑增益参数
Figure 899058DEST_PATH_IMAGE149
：
Figure 806972DEST_PATH_IMAGE150
；(27)
平滑估计误差方差
Figure 817653DEST_PATH_IMAGE151
：
Figure 520030DEST_PATH_IMAGE152
；（28）
其中，
Figure 475216DEST_PATH_IMAGE153
如果
Figure 921241DEST_PATH_IMAGE154
,计算
Figure 520850DEST_PATH_IMAGE155
平滑估计
Figure 394128DEST_PATH_IMAGE156
：
Figure 977556DEST_PATH_IMAGE157
；（29）
若不满足
Figure 837059DEST_PATH_IMAGE158
，则重新设定
Figure 556753DEST_PATH_IMAGE159
值，并转到S1031；
S1037：重复S1035到S1036，直到
Figure 600932DEST_PATH_IMAGE160
；
S1038：令
Figure 406077DEST_PATH_IMAGE161
；重复S1031到S1037，直到
Figure 318538DEST_PATH_IMAGE162
。
进一步地，所述
Figure 158318DEST_PATH_IMAGE163
平滑估计器，为基于黎卡提方程的递推
Figure 373399DEST_PATH_IMAGE164
平滑估计器。
进一步地，所述S104：利用
Figure 400261DEST_PATH_IMAGE155
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位感知值；具体包括：
根据相邻信号是否符号相反来判定是否过零；取第一个过零点作为判定频率的基准，取过零点的幅值作为上半个周期的幅值。
应理解地，因信号为离散信号，其不可能处处恰好过零，因此根据相邻信号是否符号相反来判定是否过零；又因为信号受到噪声谐波等影响，过零点处可能存在抖动现象，但已经进行了
Figure 991779DEST_PATH_IMAGE165
滤波处理，抖动现象已较弱或不存在，因此取第一个过零点作为判定频率的基准；
幅值和频率一样，也会受到噪声和谐波的影响，时刻存在波动变化，而幅值的时刻变化对正弦的波形影响很大，因此，取过零点的幅值作为上半个周期的幅值，以校准波形。
进一步地，所述S105：基于畸变电压的幅值、频率和相位估计值，对并网逆变器进行控制；是指：在逆变器电流环控制中，保证输出电流与网侧基波电压间相位差为0，以实现单位功率因数并网。
本发明的基本原理是在建立的
Figure 794388DEST_PATH_IMAGE166
非线性模型的基础上，利用空间映射技术，将
Figure 180370DEST_PATH_IMAGE167
问题转化为
Figure 225686DEST_PATH_IMAGE168
问题，也就是转化为广义卡尔曼滤波问题，进而通过输出重构方法，设计
Figure 355316DEST_PATH_IMAGE165
滤波器和平滑估计器，对估计信号进行过零点检测，实现对基波分量的相位和幅值的感知。
本方法适用于对频率变化较慢的电网信号，是一种高效的电网电压幅/频/相感知技术，可以快速对频率和幅值进行感知，并有利于判断频率变化和电压跌落等故障。
本发明所提出的鲁棒非线性幅/频/相感知器流程，兼顾了
Figure 638530DEST_PATH_IMAGE169
滤波问题和平滑问题，在实验或仿真过程中，我们将根据精度和快速性要求，选择采用
Figure 585626DEST_PATH_IMAGE169
滤波估计或平滑估计。同时，我们也在发明内容部分对估计器算法进行了具体描述。
仿真结果：
利用
Figure 587081DEST_PATH_IMAGE170
对畸变电网鲁棒非线性幅/频/相感知方法进行建模仿真，采样频率设为
Figure 520401DEST_PATH_IMAGE171
,畸变信号如下所示
Figure 923701DEST_PATH_IMAGE172
其中，
Figure 917065DEST_PATH_IMAGE173
。基于非线性模型(10)，通过空间映射技术，估计上述畸变信号的基波（如图2所示）。
图3（a）~图3（d）所示为应用空间映射技术和投影公式设计的滤波器所得仿真结果。从中能看出滤波技术有降噪功能，感知
Figure 281181DEST_PATH_IMAGE174
的效果也非常好，但还是不能完全提炼出基波信号。
图4（a）~图4（d）所示为应用空间映射技术、输出重构方法和投影公式设计的五步平滑器（
Figure 752614DEST_PATH_IMAGE175
）所得仿真结果。从中能看出平滑技术有降噪功能，感知
Figure 275999DEST_PATH_IMAGE176
的效果非常好，但是不能完全提炼出基波信号。
图5所示为对平滑估计信号采用过零点检测，而得到的频率估计值，可以看出算法能够很好的感知频率值，在电压幅值出现大幅度衰减时，频率也出现了抖动现象。
图6（a）~图6（d）分别仿真模拟了采用频率过零点检测和实时感知幅值时的基波感知信号及误差，采用频率过零点检测和过零点感知幅值的基波感知信号及误差。从感知波形和误差波形可以明显看出，采用频率过零点检测和过零点感知幅值的方法，能够更精确的跟踪基波信号。
本发明根据畸变电网模型，提取信号的基波信号和构建正交信号，通过机理分析和离散化，给出一类
Figure 440264DEST_PATH_IMAGE177
非线性状态空间模型；提出
Figure 150731DEST_PATH_IMAGE178
滤波及平滑估计性能指标，利用空间投影技术和输出重构方法，构造基于黎卡提方程的递推滤波及平滑估计器，初步感知电压信号的幅值和相角；对所初步感知的电压信号进行过零点检测，得到畸变电压中基波信号的幅/频/相感知值。本方法的设计基于畸变电网模型，利用空间映射技术设计非线性鲁棒估计器，不依赖于传统的线性化方法，保证了信号的完整性。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，包括：
获取实际电网相电压信号；
基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；
根据所述非线性状态空间的畸变电网模型，建立
Figure 605971DEST_PATH_IMAGE001
平滑估计性能指标；根据
Figure 62622DEST_PATH_IMAGE002
平滑估计性能指标，将
Figure 774226DEST_PATH_IMAGE001
平滑估计问题转化为广义
Figure 170573DEST_PATH_IMAGE003
平滑估计问题；构造出
Figure 840588DEST_PATH_IMAGE002
平滑估计器；
利用
Figure 220754DEST_PATH_IMAGE004
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位感知值；
根据
Figure 736049DEST_PATH_IMAGE005
平滑估计性能指标，将
Figure 252481DEST_PATH_IMAGE006
平滑估计问题转化为广义
Figure 594863DEST_PATH_IMAGE007
平滑估计问题；构造出
Figure 462325DEST_PATH_IMAGE008
平滑估计器；具体包括：
（1）：设定
Figure 781311DEST_PATH_IMAGE008
指标上限常数
Figure 417829DEST_PATH_IMAGE009
，时刻
Figure 429647DEST_PATH_IMAGE010
,状态初值估计
Figure 253246DEST_PATH_IMAGE011
和黎卡提方程初值
Figure 907082DEST_PATH_IMAGE012
，
Figure 442448DEST_PATH_IMAGE013
为某一时刻点；
Figure 625167DEST_PATH_IMAGE014
计算：
第2段输出误差方差
Figure 201642DEST_PATH_IMAGE015
：
Figure 128010DEST_PATH_IMAGE016
；(13)
第2段增益参数
Figure 942382DEST_PATH_IMAGE017
：
Figure 296003DEST_PATH_IMAGE018
；(14)
第2段黎卡提方程
Figure 828616DEST_PATH_IMAGE019
：
Figure 27516DEST_PATH_IMAGE020
；(15-1)
Figure 961974DEST_PATH_IMAGE021
；(15-2)
第2段状态估计方程
Figure 486496DEST_PATH_IMAGE022
：
Figure 539028DEST_PATH_IMAGE023
；(16-1)
Figure 807198DEST_PATH_IMAGE024
；(16-2)
（2）：令第1段状态初值
Figure 596163DEST_PATH_IMAGE025
和第1段黎卡提方程初值
Figure 26007DEST_PATH_IMAGE026
；计算：
第0段输出误差方差
Figure 533212DEST_PATH_IMAGE027
：
Figure 339494DEST_PATH_IMAGE028
；(17)
第0段状态增益参数
Figure 982965DEST_PATH_IMAGE029
：
Figure 114869DEST_PATH_IMAGE030
；(18)
虚拟输出
Figure 673151DEST_PATH_IMAGE031
估计误差方差
Figure 814283DEST_PATH_IMAGE032
：
Figure 577839DEST_PATH_IMAGE033
；(19)
（3）：如果满足
Figure 349486DEST_PATH_IMAGE034
和
Figure 831283DEST_PATH_IMAGE035
，则计算：
虚拟输出
Figure 979368DEST_PATH_IMAGE036
估计方程
Figure 597431DEST_PATH_IMAGE037
：
Figure 539979DEST_PATH_IMAGE038
；(20)
其中，第0段输出估计误差
Figure 243493DEST_PATH_IMAGE039
：
Figure 195268DEST_PATH_IMAGE040
进而转到（4）；
若不满足
Figure 667838DEST_PATH_IMAGE041
和
Figure 46867DEST_PATH_IMAGE042
，则重新设定
Figure 237677DEST_PATH_IMAGE043
值，并转到(1)；
（4）：令平滑增益参数初值为：
Figure 229029DEST_PATH_IMAGE044
；
Figure 821684DEST_PATH_IMAGE045
计算：
第1段输出误差方差
Figure 371614DEST_PATH_IMAGE046
：
Figure 784141DEST_PATH_IMAGE047
；(21)
待估计信号滤波估计误差方差
Figure 77719DEST_PATH_IMAGE048
：
Figure 524881DEST_PATH_IMAGE049
；(22)
其中，
Figure 245712DEST_PATH_IMAGE050
如果
Figure 411114DEST_PATH_IMAGE051
，计算
Figure 242804DEST_PATH_IMAGE052
滤波估计
Figure 810052DEST_PATH_IMAGE053
：
Figure 701784DEST_PATH_IMAGE054
；(23)
其中，第1段输出估计误差
Figure 88903DEST_PATH_IMAGE055
及输出信号
Figure 255442DEST_PATH_IMAGE056
如下：
Figure 709820DEST_PATH_IMAGE057
进而转到（5）；
若不满足
Figure 38033DEST_PATH_IMAGE058
，则重新设定
Figure 912448DEST_PATH_IMAGE060
值，并转到（1）；
（5）：令
Figure 85940DEST_PATH_IMAGE061
；根据(21)计算
Figure 362201DEST_PATH_IMAGE062
，并计算：
第1段状态增益参数
Figure 595736DEST_PATH_IMAGE063
：
Figure 957447DEST_PATH_IMAGE064
；(24)
第1段黎卡提方程
Figure 934631DEST_PATH_IMAGE065
：
Figure 596556DEST_PATH_IMAGE066
；(25)
第1段状态估计方程
Figure 735413DEST_PATH_IMAGE067
：
Figure 318842DEST_PATH_IMAGE068
；(26)
根据公式(17)~(19),计算
Figure 365295DEST_PATH_IMAGE069
；
如果
Figure 350568DEST_PATH_IMAGE070
，根据(20)计算
Figure 427371DEST_PATH_IMAGE071
，并跳转到(6)；
若不满足
Figure 498095DEST_PATH_IMAGE072
，则重新设定
Figure 817081DEST_PATH_IMAGE073
值，并转到(1)；
（6）：计算平滑增益参数
Figure 922440DEST_PATH_IMAGE074
：
Figure 668680DEST_PATH_IMAGE075
；(27)
平滑估计误差方差
Figure 757858DEST_PATH_IMAGE076
：
Figure 614956DEST_PATH_IMAGE077
；（28）
其中，
Figure 574822DEST_PATH_IMAGE078
如果
Figure 491962DEST_PATH_IMAGE079
,计算
Figure 802858DEST_PATH_IMAGE080
平滑估计
Figure 463646DEST_PATH_IMAGE081
：
Figure 543598DEST_PATH_IMAGE082
；（29）
若不满足
Figure 631639DEST_PATH_IMAGE083
，则重新设定
Figure 164252DEST_PATH_IMAGE084
值，并转到（1）；
（7）：重复（5）到（6），直到
Figure 628731DEST_PATH_IMAGE085
；
（8）：令
Figure 64654DEST_PATH_IMAGE086
；重复（1）到（7），直到
Figure 323597DEST_PATH_IMAGE087
；
其中，
Figure 77926DEST_PATH_IMAGE088
表示采样时刻；
Figure 346097DEST_PATH_IMAGE089
表示相电压模型中非线性部分的lipschitz常数；
Figure 135061DEST_PATH_IMAGE090
表示观测的估计误差；
Figure 830485DEST_PATH_IMAGE091
表示相电压模型中非线性部分常矩阵；
Figure 337689DEST_PATH_IMAGE092
表示估计器设计过程中得到的黎卡提方程；
Figure 143971DEST_PATH_IMAGE093
表示采样时刻；
Figure 787442DEST_PATH_IMAGE094
表示测量或预测的终止时刻；
Figure 653767DEST_PATH_IMAGE095
为单位矩阵。
2.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，所述方法还包括：
基于畸变电压的幅值、频率和相位感知值，对并网逆变器进行控制。
3.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，所述将
Figure 382689DEST_PATH_IMAGE096
平滑估计问题转化为广义
Figure 992662DEST_PATH_IMAGE097
平滑估计问题；具体包括：
根据
Figure 490639DEST_PATH_IMAGE004
平滑估计性能指标，采用空间映射的方式，将
Figure 527865DEST_PATH_IMAGE098
平滑估计问题转化为广义
Figure 9662DEST_PATH_IMAGE099
平滑估计问题。
4.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，所述构造出
Figure 659212DEST_PATH_IMAGE096
平滑估计器；具体包括：
根据广义
Figure 281868DEST_PATH_IMAGE100
平滑估计问题，采用输出重构法处理，构造出
Figure 489995DEST_PATH_IMAGE098
平滑估计器。
5.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，基于实际电网相电压信号和其虚拟正交信号，得到非线性状态空间的畸变电网模型；具体包括：
实际电网相电压信号v和其虚拟正交信号u表示为一系列谐波之和，定义为：
Figure 193509DEST_PATH_IMAGE101
；（1）
其中，
Figure 410864DEST_PATH_IMAGE102
表示谐波分量阶次，
Figure 883433DEST_PATH_IMAGE103
为
Figure 262462DEST_PATH_IMAGE104
次谐波分量的幅值，
Figure 453272DEST_PATH_IMAGE105
为
Figure 208738DEST_PATH_IMAGE106
次谐波的相位角，
Figure 801394DEST_PATH_IMAGE107
为
Figure 85745DEST_PATH_IMAGE106
次谐波分量的初始相角，
Figure 763851DEST_PATH_IMAGE108
为实际电网的角频率，
Figure 57429DEST_PATH_IMAGE109
为运行时间；
Figure 271635DEST_PATH_IMAGE110
为电网相电压信号
Figure 992466DEST_PATH_IMAGE111
的
Figure 892289DEST_PATH_IMAGE112
次谐波分量，
Figure 458399DEST_PATH_IMAGE113
为虚拟正交信号
Figure 291226DEST_PATH_IMAGE114
的
Figure 182959DEST_PATH_IMAGE115
次谐波分量；
对于
Figure 570078DEST_PATH_IMAGE116
次谐波分量，表示为：
Figure 939879DEST_PATH_IMAGE117
；（2）
其中，
Figure 361633DEST_PATH_IMAGE118
为
Figure 424267DEST_PATH_IMAGE119
的导数，
Figure 298682DEST_PATH_IMAGE120
为
Figure 472175DEST_PATH_IMAGE121
的导数，由于
Figure 748435DEST_PATH_IMAGE122
为中间变量，对
Figure 981970DEST_PATH_IMAGE123
估计比较复杂，于是，令
Figure 343682DEST_PATH_IMAGE124
作为需要估计的频率参数，且定义：
Figure 320865DEST_PATH_IMAGE125
；（3-1）
Figure 218676DEST_PATH_IMAGE126
；（3-2）
其中，
Figure 623113DEST_PATH_IMAGE127
表示修正后的虚拟正交信号，
Figure 206541DEST_PATH_IMAGE128
表示实际的虚拟正交信号；
则有：
Figure 987415DEST_PATH_IMAGE129
；（4）
其中，
Figure 972688DEST_PATH_IMAGE130
为设定的初始电网频率；符号上面加
Figure 548026DEST_PATH_IMAGE131
表示变量的导数；
提取相电压的基波信号和构建正交信号，并假设采样周期
Figure 884330DEST_PATH_IMAGE132
足够小，则公式(4)可离散化为：
Figure 203315DEST_PATH_IMAGE133
；（5）
其中，
Figure 308675DEST_PATH_IMAGE134
，
Figure 54914DEST_PATH_IMAGE135
为假设的过程噪声；
假设
Figure 878513DEST_PATH_IMAGE136
；(6)
其中，
Figure 735611DEST_PATH_IMAGE137
为假设的过程噪声；
由公式(5)和公式(6)，将状态方程重新描述为：
Figure 695477DEST_PATH_IMAGE138
；(7)
其中，
Figure 878196DEST_PATH_IMAGE139
，
Figure 923513DEST_PATH_IMAGE140
为假设的过程噪声；
进一步，构造观测方程一：
Figure 584301DEST_PATH_IMAGE141
；(8)
其中，
Figure 165718DEST_PATH_IMAGE142
为观测值，
Figure 253759DEST_PATH_IMAGE143
为观测噪声；
假设理想电压信号：
Figure 786372DEST_PATH_IMAGE144
有观测方程二：
Figure 250851DEST_PATH_IMAGE145
；(9)
其中，
Figure 185309DEST_PATH_IMAGE146
为观测值，
Figure 709831DEST_PATH_IMAGE147
为观测噪声；
则由以上讨论，相电压的模型表示如下：
Figure 729740DEST_PATH_IMAGE148
；(10)
其中，
Figure 466752DEST_PATH_IMAGE149
Figure 255716DEST_PATH_IMAGE150
、
Figure 951140DEST_PATH_IMAGE151
为
Figure 458345DEST_PATH_IMAGE152
的初始状态；
Figure 999047DEST_PATH_IMAGE095
为单位矩阵，
Figure 908097DEST_PATH_IMAGE153
为待感知信号；
Figure 508843DEST_PATH_IMAGE154
为非线性项；
满足如下
Figure 503344DEST_PATH_IMAGE155
条件：
Figure 614782DEST_PATH_IMAGE156
；(11)
其中，
Figure 378338DEST_PATH_IMAGE157
和
Figure 415564DEST_PATH_IMAGE158
分别是
Figure 897361DEST_PATH_IMAGE159
常数和常矩阵，
Figure 45446DEST_PATH_IMAGE160
是
Figure 663509DEST_PATH_IMAGE161
的状态估计；
Figure 871637DEST_PATH_IMAGE162
，表示时刻
Figure 840730DEST_PATH_IMAGE163
下被估计的频率参数；
Figure 526926DEST_PATH_IMAGE164
，表示时刻
Figure 265075DEST_PATH_IMAGE165
下被估计的频率参数；
Figure 909683DEST_PATH_IMAGE166
，表示采样时刻
Figure 366072DEST_PATH_IMAGE165
；
Figure 357424DEST_PATH_IMAGE167
，表示时刻
Figure 950079DEST_PATH_IMAGE165
下理想电压信号的余弦分量；
Figure 500009DEST_PATH_IMAGE168
，表示时刻
Figure 912536DEST_PATH_IMAGE165
下理想电压信号的正弦分量。
6.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，所述非线性状态空间的畸变电网模型，为
Figure 471693DEST_PATH_IMAGE169
非线性系统模型。
7.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，根据所述非线性状态空间的畸变电网模型，建立
Figure 918855DEST_PATH_IMAGE170
平滑估计性能指标；具体包括：
给出
Figure 374107DEST_PATH_IMAGE171
估计性能指标：给定标量
Figure 539509DEST_PATH_IMAGE172
，平滑步数
Figure 371199DEST_PATH_IMAGE173
，观测序列
Figure 672867DEST_PATH_IMAGE174
，寻信号
Figure 299021DEST_PATH_IMAGE175
的估计器
Figure 217298DEST_PATH_IMAGE176
，满足性能指标：
Figure 852679DEST_PATH_IMAGE177
；（12）
其中，
Figure 8854DEST_PATH_IMAGE178
和
Figure 71488DEST_PATH_IMAGE179
分别为给定的状态估计初值和正定矩阵；
Figure 447368DEST_PATH_IMAGE165
，表示采样时刻；
Figure 886439DEST_PATH_IMAGE180
，表示相电压模型的状态初值；
Figure 162700DEST_PATH_IMAGE181
，表示相电压模型的过程噪声；
Figure 396235DEST_PATH_IMAGE182
，表示相电压模型的测量噪声；
Figure 757946DEST_PATH_IMAGE183
，表示测量或预测的终止时刻。
8.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，所述
Figure 735130DEST_PATH_IMAGE096
平滑估计器，为基于黎卡提方程的递推
Figure 865897DEST_PATH_IMAGE098
平滑估计器。
9.如权利要求1所述的一种基于非线性鲁棒估计的电网信息快速精准感知方法，其特征是，利用
Figure 270333DEST_PATH_IMAGE096
平滑估计器，得到电网电压信号的幅值初始感知值和相位初始感知值；对电网电压信号的幅值初始感知值和相位初始感知值进行过零点检测，得到畸变电压的幅值、频率和相位感知值；具体包括：
根据相邻信号是否符号相反来判定是否过零；取第一个过零点作为判定频率的基准，取过零点的幅值作为上半个周期的幅值。
CN202111237471.0A 2021-10-25 2021-10-25 一种基于非线性鲁棒估计的电网信息快速精准感知方法 Active CN113675850B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111237471.0A CN113675850B (zh) 2021-10-25 2021-10-25 一种基于非线性鲁棒估计的电网信息快速精准感知方法
PCT/CN2022/121826 WO2023071672A1 (zh) 2021-10-25 2022-09-27 一种基于非线性鲁棒估计的电网信息快速精准感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111237471.0A CN113675850B (zh) 2021-10-25 2021-10-25 一种基于非线性鲁棒估计的电网信息快速精准感知方法

Publications (2)

Publication Number Publication Date
CN113675850A CN113675850A (zh) 2021-11-19
CN113675850B true CN113675850B (zh) 2022-02-08

Family

ID=78550964

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111237471.0A Active CN113675850B (zh) 2021-10-25 2021-10-25 一种基于非线性鲁棒估计的电网信息快速精准感知方法

Country Status (2)

Country Link
CN (1) CN113675850B (zh)
WO (1) WO2023071672A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113675850B (zh) * 2021-10-25 2022-02-08 山东大学 一种基于非线性鲁棒估计的电网信息快速精准感知方法
CN117172163B (zh) * 2023-08-15 2024-04-12 重庆西南集成电路设计有限责任公司 幅相控制电路的幅相二维优化方法、系统、介质及电子设备
CN117233449B (zh) * 2023-09-06 2024-04-05 中国计量科学研究院 一种基于应用量子技术实现谐波电压测量的测试方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104578172A (zh) * 2015-01-23 2015-04-29 东北电力大学 一种带线性锁频环的光伏逆变调节器控制方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2389714B1 (en) * 2009-01-26 2019-07-24 Geneva Cleantech Inc. Methods and apparatus for power factor correction and reduction of distortion in and noise in a power supply delivery network
CN103094916A (zh) * 2011-11-02 2013-05-08 山东锦华电力设备有限公司 基于电力有源滤波器的三相三线制相间平衡方法
CN103595777A (zh) * 2013-11-05 2014-02-19 重庆机电职业技术学院 非线性不确定时滞系统鲁棒控制云网络感知信号识别方法
CN103676646B (zh) * 2013-12-29 2016-01-20 哈尔滨理工大学 一种具有随机发生的不确定性和分布式传感器时滞的网络化控制系统的状态估计方法
CN103983850B (zh) * 2014-05-13 2016-08-31 天津大学 基于压缩感知的电力系统谐波压缩信号重构与检测方法
CN105449718B (zh) * 2015-11-05 2018-10-19 山东大学 基于改进型串联信号延迟对消算法的并网同步锁相方法
CN105425011B (zh) * 2015-11-05 2018-01-02 山东大学 一种适用于单相畸变电网的非线性幅相检测方法
CN105606893B (zh) * 2016-01-26 2019-11-19 江苏科技大学 基于空间平滑修正music的电力间谐波检测方法
CN105790568B (zh) * 2016-04-01 2018-06-05 广西师范大学 基于压缩感知的高频谐振软开关电路故障预测方法及装置
CN107611971B (zh) * 2017-09-05 2019-12-24 哈尔滨工业大学 针对网压谐波畸变的网侧逆变器谐振全阶滑模控制方法
CN108155643B (zh) * 2017-12-22 2019-12-03 上海交通大学 一种基于滑模观测器的单相电网电压参数的鲁棒估计方法
CN109193711B (zh) * 2018-11-01 2021-01-26 国网智能科技股份有限公司 一种抵御电压畸变的不平衡补偿系统及方法
CN110246084B (zh) * 2019-05-16 2023-03-31 五邑大学 一种超分辨率图像重构方法及其系统、装置、存储介质
CN113675850B (zh) * 2021-10-25 2022-02-08 山东大学 一种基于非线性鲁棒估计的电网信息快速精准感知方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104578172A (zh) * 2015-01-23 2015-04-29 东北电力大学 一种带线性锁频环的光伏逆变调节器控制方法

Also Published As

Publication number Publication date
CN113675850A (zh) 2021-11-19
WO2023071672A1 (zh) 2023-05-04

Similar Documents

Publication Publication Date Title
CN113675850B (zh) 一种基于非线性鲁棒估计的电网信息快速精准感知方法
CN103257271B (zh) 一种基于stm32f107vct6的微电网谐波与间谐波检测装置及检测方法
CN105044456B (zh) 一种基于正交子带的电网瞬时频率测量与跟踪方法
CN103412171B (zh) 一种基于极端学习机的电网谐波电压信号检测方法
CN203287435U (zh) 一种基于stm32f107vct6的微电网谐波与间谐波检测装置
CN103278686B (zh) 一种谐波分析滤波系统及智能选择谐波检测方法
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
CN105606900B (zh) 一种基于方波信号的单相谐波阻抗测量方法
CN108155643B (zh) 一种基于滑模观测器的单相电网电压参数的鲁棒估计方法
CN104298809A (zh) 一种基于矩阵指数电磁暂态仿真的非线性建模求解方法
CN102868183A (zh) 单相并网逆变器的基于多谐振滑模面的滑模变结构控制方法
CN105487034A (zh) 一种0.05级电子式互感器校验方法及系统
CN101261293A (zh) 基于自适应滤波器的电力稳态信号跟踪测量法
CN111884218B (zh) 一种双馈入vsc输电系统稳定性评估方法及系统
CN106932642A (zh) 电力谐波分析方法
CN106093571A (zh) 基于阻抗约束的判断用户侧为主谐波源的谐波溯源方法
CN113162002B (zh) 一种计及宽频测量环节的直流行波保护方法及系统
CN103995180A (zh) 一种考虑不等式约束的电力系统频率估计方法
CN104569581A (zh) 一种电网频率测量的多水平集单周期估计方法
CN117630569A (zh) 一种基于gru神经网络的小电流单相接地故障多判据融合选线方法
CN103293379B (zh) 基于有效值的apf谐波检测方法及其直流侧电压的控制方法
CN104993485B (zh) 一种并联混合型有源滤波器系统及其控制方法
CN107167757A (zh) 一种采用改进数字滤波算法的电子式互感器校验方法及系统
CN110676880A (zh) 一种基于siso系统理论的三相逆变器稳定性分析方法
CN105958510B (zh) 一种电网监测与控制设备用soc芯片

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