CN115032453A - 一种多频动态相量测量方法 - Google Patents
一种多频动态相量测量方法 Download PDFInfo
- Publication number
- CN115032453A CN115032453A CN202210953016.9A CN202210953016A CN115032453A CN 115032453 A CN115032453 A CN 115032453A CN 202210953016 A CN202210953016 A CN 202210953016A CN 115032453 A CN115032453 A CN 115032453A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- dynamic
- phasor
- equation
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R25/00—Arrangements for measuring phase angle between a voltage and a current or between voltages or currents
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种多频动态相量测量方法,包括以下步骤:建立多频动态信号的TFM模型和得出多频动态信号中DDC的近似表征;建立动态相量估计模型和重构动态相量方程;动态相量的设计步骤:建立基本性能测试场景、频率偏差测试场景、谐波震荡测试场景和抗干扰能力测试场景。本发明实现了足够的测量精度,在多频相位分析能力中减少了谐波间谐波分量的时变性及其对动态相量测量的影响,显著提高了测量精度。
Description
技术领域
本发明涉及电子信息领域,特别是涉及一种多频动态相量测量方法。
背景技术
随着电网的监测技术的不断进步,以及相量测量单元(PMUs)等量测设备在电网中的投入使用,电力系统的动态监控成为了电网可靠运行和控制的重要保证。其中,谐波、间谐波信息可以用于保护和监控电力系统应用,如高阻断故障识别、智能孤岛检测、谐波状态估计等。电网谐波及间谐波也会破坏电力系统的安全、稳定和经济运行。另一方面,电力电子设备等非线性负荷的持续投入导致大量谐波注入电网,电压波形严重“畸变”,电能质量下降。因此,快速准确地检测电网中的谐波和间谐波分量具有重要的工程实用价值。
由于谐波和间谐波广泛存在于输配电网络中,越来越多的相量测量单元试图兼备基本相量测量和谐波相量测量功能。但二者独特的约束条件和成本效益要求亟需开发一种兼顾基本相量测量和谐波相量测量的新算法。目前,有大量关于相量测量的文献,而精度一定程度上取决于算法中测量波形的建模方式。
为了应对配电网全新测量环境的挑战,各国学者提出了很多改进型或者全新的PMU测量算法,主要可以分为两类:基于模型的相量测量方法和基于离散傅里叶变换(DFT)的方法,第一种方法将动态相量近似用不同数学模型展开,其中包括如泰勒傅里叶变换、递归最小二乘法(RLS)方法、自回归移动平均(ARMA)方法以及基于sinc插值函数的谐波相量测量算法。
现阶段动态谐波分析方法中,为了解决间谐波对估计器精度的干扰,减少相量解的计算负担,近年来机器学习领域的研究将传统相量估计方法与压缩感知算法相结合,可以使用较少的数据点精确恢复特定信号,同时保持相对较短的观测间隔并抵抗间谐波干扰,避免了大量冗余数据对运算速度的影响,有学者研究了基于压缩感知(CS)的超分辨率离散傅里叶变换(DFT)分析,其中较短的采样序列可用于PMU和谐波分析的应用。然而,它只能用于静态相量模型。
发明内容
基于此,针对上述技术问题,本发明提出了一种多频动态相量测量方法,旨在精确测量全TFM波形模型中的谐波和相间分量。
本发明的技术方案是:一种多频动态相量测量方法,包括以下步骤:
a、DDC分量的动态相量估计步骤:电力系统的多频动态信号模型由振幅和相位时变的正弦分量和表示:
其中,其中为信号中的DDC分量,为基波及谐波信号,和分别为DDC分量的幅值和时间常数,和分别为谐波相量的幅值和时间常数,是包含实际电力系统频率,其谐波倍数和可能的间谐波频率的通用频率集合,然后建立多频动态信号的TFM模型和得出多频动态信号中DDC的近似表征;
其中,是原始信号的变换系数,采用高斯随机矩阵和离散小波逆变换,且的组合矩阵也是高斯的并且概率满足RIP条件,在足够高的情况下,重建系数,对原信号进行逆变换即可恢复原信号,如果确定原信号,就通过公式计算谐波的频率、振幅以及频率变化率;然后建立动态相量估计模型和重构动态相量方程;
c、动态相量的设计步骤:建立基本性能测试场景、频率偏差测试场景、谐波震荡测试场景和抗干扰能力测试场景。
步骤a中,“建立多频动态信号的TFM模型”的步骤如下:
基于电力系统的大惯性特征,将用泰勒级数近似表示为:
其中,T为采样间隔,∗表示共轭计算符;
步骤a中,“得出多频动态信号中DDC的近似表征”的步骤如下:
其中,为相量在频率处的频率采样值,表示一个向下取整算子,是频域采样间隔,代表用来进行参数化建模的频域采样点数,为提高上式模型的准确度,要求,对进行建模后,实现动态DDC余弦分量和动态基波分量的近似表征;
式中H表示埃尔米特算子,根据公式(9)和公式(12),得到DDC分量的估计值为:
步骤b中,“建立动态相量估计模型”的步骤如下:
将测量结果还原为原始信号,则重建信号的目标函数改为:
新的目标函数(18)有两个正则项:一个是系数的正则化,另一个是受参考信号约束的二次正则化,包含目标信号和参考信号的边缘方向,指向新正则化的方向,控制新正则化的强度,如果的梯度较小,而方向上的投影较大,则执行正则化惩罚,向量控制平滑的方向,控制平滑的强度.混合正则化提高压缩感知重构的性能。
步骤b中,“重构动态相量方程”的步骤如下:
引入一个辅助变量,多次迭代求解布雷格曼模型来减小信号结构损失,新的目标函数中,基于分裂的准则,引入辅助变量、,对于这两个约束,被新的正则化参数和取代,用来控制二次惩罚函数项.并利用二次惩罚项转化为一个无约束的最优化分裂模型:
解得系数后通过可得到重构相量(即),其每一行对应于每个频率分量在不同时间的相量,引入插值因子F,频率分辨率为,重构相量频率表示为,为频率索引,确定,所求的谐波的频率、振幅以及频率变化率通过公式(31-33)进行计算:
步骤c中,“建立基本性能测试场景”的步骤如下:
设定采样窗长为5个周期,基频带宽为1Hz,构造式(34)所示含基波及动态分量的信号模型:
公式(33)中,f1为基波频率,此处设为50Hz,、分别代表基波和各次谐波相角,取范围中的任意值。低频段谐波次数h取值为2-13,采样频率设置为5kHz;,均初始化为全零矩阵,正则化参数,设定,为参数间平衡系数,在内算法稳定性较高,k为迭代次数,在参数、k变化情况下,对重构效果及算法运行时间进行分析。
步骤c中,“建立频率偏差测试场景”的步骤如下:
步骤c中,“建立谐波震荡测试场景”的步骤如下:
建立多频动态信号如下:
步骤c中,“建立抗干扰能力测试场景”的步骤如下:
信号引入信噪比为60dB的高斯白噪声,具体的动态信号如下:
本发明的有益效果是:
a、首先,基于泰勒-傅里叶多频变换建立可以同时估计谐波分量和间谐波分量的动态信号模型;其次,基于动态信号分布的规律性和稀疏性,引入辅助信号将相量问题转化为压缩感知问题,最后,将动态相量重构问题转化为分裂布雷格曼迭代对混合正则化算法的优化问题,对信号进行重构,得到动态相量估计;
b、本发明还考虑了高阶导数,允许同时估计相量,这使得相量估计更加准确和高效,因此,实现了足够的测量精度,在多频相位分析能力中减少了谐波间谐波分量的时变性及其对动态相量测量的影响,显著提高了测量精度。
附图说明
图1为重构效果及运行时间随参数变化情况图;
图2为第2-13次谐波的最大TVEs、FEs和Fes图;
图3为第2-13次谐波的参数估计结果图;
图4[a]为间谐波和噪声干扰条件下各方法的估计结果图;
图4[b]为间谐波和噪声干扰条件下各方法的估计结果图;
图4[c]为间谐波和噪声干扰条件下各方法的估计结果图;
图5为本发明将动态谐波频域分布的规律性作为动态相量恢复的优化目标的算法流程图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例:
1、考虑DDC分量的动态相量估计
1.1、多频动态信号的TFM模型
基于电力系统的大惯性特征,可将用泰勒级数近似表示为:
其中,T为采样间隔,∗表示共轭计算符。
1.2、多频动态信号中DDC的近似表征
电力系统信号中往往含有DDC分量,而在常用的谐波相量检测方法中,DDC分量往往因为其含量小,检测困难而被忽略,然而,一旦DDC分量发生偏置,它会严重干扰原始信号的低阶谐波分量,此时,DDC分量影响较大,不能被忽略。
其中,为相量在频率处的频率采样值,表示一个向下取整算子,是频域采样间隔; 代表用来进行参数化建模的频域采样点数,为提高上式模型的准确度,一般要求,对进行建模后,可以实现动态DDC余弦分量和动态基波分量的近似表征。
式中H表示埃尔米特算子,如此,根据式(9)和式(12),就可以得到DDC分量的估计值为:
2、动态相量的估计
是原始信号的变换系数,可采用高斯随机矩阵和离散小波逆变换,且的组合矩阵也是高斯的并且概率满足RIP条件,因此,在足够高的情况下,可以很好地重建系数,对原信号进行逆变换即可恢复原信号,而一旦确定原信号,就可以通过公式计算谐波的频率、振幅以及频率变化率。
2.1、动态相量估计模型
电能质量监测数据往往会被噪声和尖峰异常值污染,异常值具有稀疏性,则利用L1范数进行描述,而为了获得具有合理的精度和对谐波与简谐波的鲁棒性的估计,经常依赖于原始信号的先验信息,然后将的估计表示为一个基于正则化的优化问题,该问题包含了这一先验信息,即为将测量结果还原为原始信号,则重建信号的目标函数改为:
新的目标函数(18)有两个正则项:一个是系数的正则化,另一个是受参考信号约束的二次正则化, 包含目标信号和参考信号的边缘方向, 指向新正则化的方向,控制新正则化的强度,如果的梯度较小,而方向上的投影较大,则需要执行正则化惩罚,这也可以理解为,向量控制平滑的方向,控制平滑的强度,混合正则化可以提高压缩感知重构的性能。
2.2、重构动态相量方程
分裂布雷格曼方法的基本思想是引入一个辅助变量,替换原目标泛函中较难处理部分,从而简化问题的求解,本发明在全变分的基础上,通过多次迭代求解布雷格曼模型来减小信号结构损失的问题,新的目标函数中,基于分裂的准则,引入辅助变量,;对于这两个约束,被新的正则化参数和取代,用来控制二次惩罚函数项,并利用二次惩罚项转化为一个无约束的最优化分裂模型:
解得系数后通过可得到重构相量(即),其每一行对应于每个频率分量在不同时间的相量,为得到更精细的频域结果,引入了插值因子F,频率分辨率为,重构相量频率可近似表示为,为频率索引,而一旦确定,所求的谐波的频率、振幅以及频率变化率可通过式(31-33)进行计算。
综上所述,本发明将动态谐波频域分布的规律性作为动态相量恢复的优化目标,应用基于布雷格曼分割迭代正则化模型算法来重构含有各次谐波泰勒展开系数的动态相量,算法流程如图5所示。
3、动态相量的估计
根据IEEE测量标准,动态相量测量误差主要包括相量总误差(total vectorerror,TVE)、频率误差(frequency error,FE)和频率变化率误差(ROCOF error,RFE)。本节中,将在不同的测试条件下比较本发明提出的估计算法与文献中对比算法的精度,并进行讨论。其中对比算法包括:基于分裂布雷格曼迭代的压缩感知方法、泰勒傅里叶变换(TFT)、压缩感知泰勒傅里叶多频分析方法(CSTFM)、IpDFT和O样条设计的FIR滤波器(OFF)算法。测试场景包括基本性能测试、频率偏差测试、谐波震荡测试以及测试。
本发明在不同频率偏差和谐波失真、高斯白噪声和光噪声干扰的稳态条件下,对各种谐波信号进行仿真试验。此外,设计了频率渐变和动态调制试验来验证其动态性能。5种对比算法都使用相同的矩形观测窗口,对比算法的相量导数和谐波RFE估计滤波器也基于本发明算法相同方案设计。
3.1、基本性能测试
为了验证本发明算法在信号频率偏移时的有效性,假设采样窗长为5个周期,基频带宽为1Hz,构造式(34)所示含基波及动态分量的信号模型:
在运用本发明算法时,,均初始化为全零矩阵,正则化参数。又有。为参数间平衡系数,在内算法稳定性较高,k为迭代次数。本发明根据相似数据点大多分布在样本点的邻近位置,将k-最近邻聚类算法搜索窗口设置以当前样本点为中心。在参数、k变化情况下,对重构效果及算法运行时间进行分析,结果如图1所示。
由图1可知,随着迭代次数k的增大,总相量误差逐渐减小,但是算法运行时间却不断增加,当k达到800后,改变迭代次数对精度影响较小且此时重构趋于稳定。当平衡参数在0.2到0.3之间变化时,计算精度先增后减,在0.25附件达到峰值。因此,适当减少迭代次数数量k,选择适当的平衡参数能够有效提高重构效果。综合重构性能和测量精度两方面考虑,本发明应用算法中参数k=800,平衡参数=0.25。
选择OFF、CSTFM、TFT以及IpDFT作为对比算法,本发明与对比算法的总相量误差估计、频率和频率变化率误差估计结果如下表所示,各算法估计精度比较:
本发明与对比算法的总相量(TVE)误差估计结果表
本发明与对比算法的总相量频率(FE)误差估计结果表
本发明与对比算法的总相量频率变化率(RFE)误差估计结果表
由上表可知,SBCS算法TVE、FE、RFE指标的最大值分别为0.591%、0.057Hz、2.181Hz/s。根据IEEE标准TVE,FE和RFE值为1.5%,0.06Hz和2.3Hz/s,可以看出本发明方法完全可以满足IEEE的测量标准。且本发明算法SBCS的TVE,RFE,FE值都小于其他算法,即本发明算法SBCS方法对于含ddc分量的动态信号具有较好的检测能力。
OFF算法误差估计接近本发明算法,但其TVE、FE、RFE指标仍然不满足IEEE测量标准。原因是该方法由于空间步长重构过程中存在较大的噪声,导致频率误差较大。至于TFT,CSTFM和IpDFT方法,它们都是通过二阶泰勒模型来重构ddc分量,其泰勒模型固有的展开阶数会在重构过程中存在一定的误差,故精度不高。而CSTFM方法在高次谐波附近的精度仅次于本发明的SBCS方法,但在低次谐波附近的精度接近TFT方法,TVE、FE、RFE指标的最大值分别为7.418%、1.736Hz、25.211Hz/s,难以满足IEEE的测量标准。IpDFT和TFT方法最高总相量误差为10.456%和8.872% FE与RFE测量结果精度也不够理想。动态条件下,傅里叶变换模型不能跟踪观察窗口中发生的相量变化,从而导致不正确的相量评估。
3.2、频率偏差测试
当电力系统中发生失步时,电压信号的频率将发生连续变化,此时PMU的相量、频率、频率变化率的量测精度对失步解列控制尤为重要。IEEE规定电力系统频率绝对偏差应始终小于0.5Hz。采用=1.15Hz,以获得每个谐波频率附近良好的通带和阻带性能。如前所述,本发明特别考虑13阶以下的谐波。采样频率设置为10kHz。每次测试的结果是经过1000次重复运行,其中基相和谐相均为随机数分布。因此,为评估测试算法频率偏差条件下带来的影响,本节仍以上述的五种算法作为对比算法,具体的多频动态信号如下所示:
图2是第2-13次谐波的最大TVEs、FEs和Fes图。式中,的变化范围为49.5-50.5Hz,阶跃为0.2 Hz。在这种情况下,我们可以看到SBCS算法在谐波相量、频率和ROCOF估计方面总是比其他四种算法更准确。这是因为基于动态相量高阶导数的模型有助于获得更好的通带和阻带性能,特别是对于高阶谐波。在此条件下,SBCS的最大TVE、FE和RFE分别为0.30%、0.025 Hz和0.2 Hz/s。在IEEE标准中,它们的阈值分别为1.5%、0.01 Hz和0.4 Hz/s。因此,SBCS都满足估计要求。当信号波形受到频率偏移影响时,所提出的估计算法能表现出更高的性能。
图2中可以看出,在2-13次谐波估计方面,其他方法均不满足IEEE测量标准。IpDFT方法的TVE、FE和RFE相比其他方法误差较大,可认为其估计精度最低,对频率偏移调制的敏感性相当高。OFF,TFT和CSTFM方法的估计精度显然要好于IpDFT方法。其中,CSTFM方法是依据动态模型来估计相量测量,误差值受频率变化影响较IpDFT更小。由于TFT方法是根据泰勒二阶模型来估计相量,所以测量精确度不高,且受频率偏移影响较大。OFF算法利用O样条作为采样算子,得到最佳的泰勒-傅立叶系数。它能够实现在谐波频率上的调制,测量精度接近IEEE标准。
3.3、谐波震荡测试
本节测试中,具体的多频动态信号如下:
本发明算法估计结果图中仅展示2-13次谐波的参数估计结果。估计结果如图3所示。谐波振荡对SBCS算法在低阶谐波(如第2-7次)的影响结果较大。然而,本发明算法在高次谐波参数估计方面比其他方法更精确,特别是在谐波频率和ROCOF估计方面。在此条件下,SBCS的TVE、FE和RFE整体最大值分别为2.27%、0.05Hz和2.14Hz/s。CSTFM方法为6.42%,1.89Hz和7.82 Hz/s,TFT方法为8.9%,2.2Hz和18.74 Hz/s,OFF方法为3.84%,0.25Hz和4.25Hz/s,IpDFT方法为25.47%,3.44Hz和21.29Hz/s。以上数据表明,本发明算法的TVE,FE和RFE值最小,可见本发明提出的方法在低频振荡的场景下有更高、更稳定的估计精度。此外,在4.3节测试条件下,IEEE标准中对应的阈值分别为3.5%、0.08 Hz和2.5 Hz/s,其他四个对比算法都不满足要求。TFT方法在本节谐波震荡情况下,相邻谐波间会发生严重干扰,进而影响到TFT方法的估计精度。OFF提供了一种最优的振荡数据压缩算法,误差由样条的阶数和埃尔米特样条的阶数控制。所以误差影响较小,接近测量标准。CSTFM方法引入了TF多频(TFM)模型来描述动态相量,但模型频率无法准确选择。这种不正确的信号模型将导致较大的误差。IpDFT方法在本节谐波振荡情况下,产生严重频谱泄漏和互谐波干扰,不能很好地适应谐波频率,误差也较大。
3.4、抗干扰能力测试
通常的情况下,电力系统信号中都会含有一定的间谐波和噪声,这严重影响到谐波相量的估计。本节测试中,信号引入信噪比为60dB的高斯白噪声。具体的动态信号如下:
其中为间谐波频率。本节测试中采样率设定为5kHz,采样周期长度为5个周期。具体的仿真结果如图4[a]、图4[b]、图4[c]所示。图4[a]、图4[b]、图4[c]是间谐波和噪声干扰条件下各方法的估计结果图,图4[a]Max,TVE,图4[b]Max,FE,图4[c]Max,RFE。
从图4[a]、图4[b]、图4[c]中可以看出本发明算法SBCS方法的TVE、RFE、FE值都小于其他算法。这可认为本发明算法在动态条件下估计精度最高。尽管在此过程中出现了局部的噪声,但重建效果几乎是完美。本发明方法的最大TVE,FE和RFE值分别为3.52%,0.44Hz和2.35Hz/s。OFF方法的最大TVE,FE和RFE值分别为4.84%,1.26Hz和5.1Hz/s。TFT方法的最大TVE,FE和RFE值分别为9.97%,2.65Hz和14.93Hz/s。IpDFT方法的最大TVE,FE和RFE值分别为11.36%,2.65Hz和14.98Hz/s。CSTFM方法的最大TVE,FE和RFE值分别为8.42%,1.32Hz和6.88Hz/s。根据本节测试条件下的IEEE标准,其最大TVE,FE和RFE值的阈值为3.4%,0.45Hz,和2.5Hz/s。本发明算法完全满足标准要求,OFF算法具有带限信号的最佳空间采样器,为振荡提供了一个最佳的数据压缩算法,以样条的程度递增,提供了一个强大的最优状态估计器,有效抑制了噪声和间谐波干扰。TFT方法在本节噪声干扰情况下,相邻谐波间会发生严重干扰,进而使TFT方法的估计误差变大。IpDFT算法不能有效抑制位于基波附近的间谐波分量对基波频率估计带来的影响,并且受基频偏移的影响。本发明算法SBCS在多频相位分析能力中减少了间谐波分量的时变性及其噪声对动态相量测量的影响,显著提高了测量精度。
4、结论
本发明提出了基于CS-TFM的动态谐波相量估计算法,用于估计动态谐波相量、频率和频率变化率。通过分析计算和仿真测试,验证了本发明算法的优越性,并得到了一些结论。
在各类仿真和实例测试中,即便将系统处于动态条件、间谐波和噪声干扰状态下,本发明算法的性能是值得接受的,并且对于动态谐波相量、频率和频率变化率大部分时间内满足对于谐波相量估计的IEEE标准。
本发明旨在精确测量全TFM波形模型中的谐波和相间分量,首先,基于泰勒-傅里叶多频变换建立可以同时估计谐波分量和间谐波分量的动态信号模型,其次,基于动态信号分布的规律性和稀疏性,引入辅助信号将相量问题转化为压缩感知问题,最后,将动态相量重构问题转化为分裂布雷格曼迭代对混合正则化算法的优化问题,对信号进行重构,得到动态相量估计,该方法中还考虑了高阶导数,允许同时估计相量,这使得相量估计更加准确和高效,因此,实现了足够的测量精度,在多频相位分析能力中减少了谐波间谐波分量的时变性及其对动态相量测量的影响,显著提高了测量精度。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (9)
1.一种多频动态相量测量方法,其特征在于,包括以下步骤:
其中,其中为信号中的DDC分量,为基波及谐波信号,和分别为DDC分量的幅值和时间常数,和分别为谐波相量的幅值和时间常数,是包含实际电力系统频率,其谐波倍数和可能的间谐波频率的通用频率集合,然后建立多频动态信号的TFM模型和得出多频动态信号中DDC的近似表征;
其中,是原始信号的变换系数,采用高斯随机矩阵和离散小波逆变换,且的组合矩阵也是高斯的并且概率满足RIP条件,在足够高的情况下,重建系数,对原信号进行逆变换即可恢复原信号,如果确定原信号,就通过公式计算谐波的频率、振幅以及频率变化率;然后建立动态相量估计模型和重构动态相量方程;
c、动态相量的设计步骤:建立基本性能测试场景、频率偏差测试场景、谐波震荡测试场景和抗干扰能力测试场景。
2.根据权利要求1所述的一种多频动态相量测量方法,其特征在于,步骤a中,“建立多频动态信号的TFM模型”的步骤如下:
基于电力系统的大惯性特征,将用泰勒级数近似表示为:
其中,T为采样间隔,∗表示共轭计算符;
3.根据权利要求2所述的一种多频动态相量测量方法,其特征在于,步X骤a中,“得出多频动态信号中DDC的近似表征”的步骤如下:
其中,为相量在频率处的频率采样值,表示一个向下取整算子,是频域采样间隔,代表用来进行参数化建模的频域采样点数,为提高上式模型的准确度,要求,对进行建模后,实现动态DDC余弦分量和动态基波分量的近似表征;
式中H表示埃尔米特算子,根据公式(9)和公式(12),得到DDC分量的估计值为:
4.根据权利要求1所述的一种多频动态相量测量方法,其特征在于,步骤b中,“建立动态相量估计模型”的步骤如下:
将测量结果还原为原始信号,则重建信号的目标函数改为:
5.根据权利要求4所述的一种多频动态相量测量方法,其特征在于,步骤b中,“重构动态相量方程”的步骤如下:
引入一个辅助变量,多次迭代求解布雷格曼模型来减小信号结构损失,新的目标函数中,基于分裂的准则,引入辅助变量、,对于这两个约束,被新的正则化参数和取代,用来控制二次惩罚函数项.并利用二次惩罚项转化为一个无约束的最优化分裂模型:
解得系数后通过可得到重构相量(即),其每一行对应于每个频率分量在不同时间的相量,引入插值因子F,频率分辨率为,重构相量频率表示为,为频率索引,确定,所求的谐波的频率、振幅以及频率变化率通过公式(31-33)进行计算:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953016.9A CN115032453A (zh) | 2022-08-08 | 2022-08-08 | 一种多频动态相量测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210953016.9A CN115032453A (zh) | 2022-08-08 | 2022-08-08 | 一种多频动态相量测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115032453A true CN115032453A (zh) | 2022-09-09 |
Family
ID=83129942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210953016.9A Pending CN115032453A (zh) | 2022-08-08 | 2022-08-08 | 一种多频动态相量测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032453A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117948872A (zh) * | 2024-03-27 | 2024-04-30 | 常州同惠电子股份有限公司 | 一种基于lm法的电感式位置传感器校准方法及校准系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009300104A (ja) * | 2008-06-10 | 2009-12-24 | Mitsubishi Electric Corp | 送電線事故点標定装置および送電線事故点標定方法 |
CN103049923A (zh) * | 2012-12-10 | 2013-04-17 | 深圳先进技术研究院 | 磁共振快速成像的方法 |
EP2713172A1 (en) * | 2012-09-26 | 2014-04-02 | Rheinisch-Westfälisch-Technische Hochschule Aachen | Measurement apparatus for electricity distribution grids |
CN108132013A (zh) * | 2017-12-22 | 2018-06-08 | 交通运输部科学研究院 | 一种基于组合差分gnss的桥梁形变多频动态分析方法 |
CN114781196A (zh) * | 2022-06-20 | 2022-07-22 | 四川大学 | 一种基于稀疏采集模型的谐波检测方法 |
-
2022
- 2022-08-08 CN CN202210953016.9A patent/CN115032453A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009300104A (ja) * | 2008-06-10 | 2009-12-24 | Mitsubishi Electric Corp | 送電線事故点標定装置および送電線事故点標定方法 |
EP2713172A1 (en) * | 2012-09-26 | 2014-04-02 | Rheinisch-Westfälisch-Technische Hochschule Aachen | Measurement apparatus for electricity distribution grids |
CN103049923A (zh) * | 2012-12-10 | 2013-04-17 | 深圳先进技术研究院 | 磁共振快速成像的方法 |
CN108132013A (zh) * | 2017-12-22 | 2018-06-08 | 交通运输部科学研究院 | 一种基于组合差分gnss的桥梁形变多频动态分析方法 |
CN114781196A (zh) * | 2022-06-20 | 2022-07-22 | 四川大学 | 一种基于稀疏采集模型的谐波检测方法 |
Non-Patent Citations (1)
Title |
---|
AOBING CHI: "A Bregman-Split-Based Compressive Sensing Method for Dynamic Harmonic Estimation", 《ENTROPY》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117948872A (zh) * | 2024-03-27 | 2024-04-30 | 常州同惠电子股份有限公司 | 一种基于lm法的电感式位置传感器校准方法及校准系统 |
CN117948872B (zh) * | 2024-03-27 | 2024-06-04 | 常州同惠电子股份有限公司 | 一种基于lm法的电感式位置传感器校准方法及校准系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Simplified algorithms for removal of the effect of exponentially decaying DC-offset on the Fourier algorithm | |
Zhan et al. | Dynamic single-phase synchronized phase and frequency estimation at the distribution level | |
Zygarlicki et al. | A reduced Prony's method in power-quality analysis—parameters selection | |
CN108037361B (zh) | 一种基于滑动窗dft的高精度谐波参数估计方法 | |
CN107102255B (zh) | 单一adc采集通道动态特性测试方法 | |
CN109409762A (zh) | 基于改进数据关联分析的谐波责任划分方法 | |
CN114781196A (zh) | 一种基于稀疏采集模型的谐波检测方法 | |
Lima et al. | A novel method for power quality multiple disturbance decomposition based on Independent Component Analysis | |
CN109669072B (zh) | 一种配电网的自适应同步相量量测方法 | |
Abbas | A new fast algorithm to estimate real-time phasors using adaptive signal processing | |
CN115032453A (zh) | 一种多频动态相量测量方法 | |
Petrović et al. | Computational effective modified Newton–Raphson algorithm for power harmonics parameters estimation | |
Liu | A wavelet based model for on-line tracking of power system harmonics using Kalman filtering | |
Zamora-Mendez et al. | Model-based synchrophasor estimation by exploiting the eigensystem realization approach | |
Betancourt et al. | A spatio-temporal processing Padé approach for visualizing harmonic distortion propagation on electrical networks | |
Tao et al. | A robust parametric method for power harmonic estimation based on M-estimators | |
CN110112757B (zh) | 基于sure小波消噪和改进hht的低频振荡分析方法 | |
Shetty et al. | Performance analysis of data-driven techniques for detection and identification of low frequency oscillations in multimachine power system | |
Yi et al. | Instantaneous harmonic decomposition technique for three‐phase current based on multiple reference coordinates | |
CN110647720A (zh) | 一种嵌入式平台下非平稳信号电能计量的方法 | |
CN110320400A (zh) | 准同步采样和改进能量算子的电压闪变包络参数提取方法 | |
CN115219787A (zh) | 基于改进矩阵束的电网相量移动测量方法、系统及介质 | |
Ray et al. | Improved recursive newton type algorithm based power system frequency estimation | |
Sundaram et al. | Assessment of power quality disturbances in the distribution system using Kalman filter and fuzzy expert system | |
Xiong et al. | A Multiple-Frequency-Taylor-Model based estimator for dynamic synchrophasor considering decaying DC component |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220909 |