CN117559967A - 一种适用于电力系统宽频测量的前置滤波算法 - Google Patents
一种适用于电力系统宽频测量的前置滤波算法 Download PDFInfo
- Publication number
- CN117559967A CN117559967A CN202311549899.8A CN202311549899A CN117559967A CN 117559967 A CN117559967 A CN 117559967A CN 202311549899 A CN202311549899 A CN 202311549899A CN 117559967 A CN117559967 A CN 117559967A
- Authority
- CN
- China
- Prior art keywords
- signal
- filtering
- broadband
- adaptive
- algorithm
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 108
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 104
- 238000005259 measurement Methods 0.000 title claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 claims abstract description 39
- 230000010355 oscillation Effects 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 19
- 230000000694 effects Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000011045 prefiltration Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241000191291 Abies alba Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0043—Adaptive algorithms
Landscapes
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明提供了一种适用于电力系统宽频测量的前置滤波算法，包括一种自适应滤波算法、一种改进的自适应噪声对消系统。所述滤波算法包括以下步骤：S1:对电力系统宽频振荡信号进行采集，获得宽频震荡预处理信号；S2:基于NLMS算法，并采用改进的自适应噪声对消系统对宽频震荡预处理信号进行自适应滤波处理；S3:基于步骤S2生成的最优滤波信号，将采集信号减去最优滤波信号，实现宽频振荡信号的有效降噪；本发明拥有更高的滤波精度，且能做到几乎零时延，实现难度低，自适应能力强，能有效满足电力系统宽频信号的实时性要求。
Description
技术领域
本发明涉及滤波算法技术领域，尤其是涉及一种适用于电力系统宽频测量的前置滤波算法，包括一种自适应滤波算法、一种改进的自适应噪声对消系统。
背景技术
随着新型电力系统的发展，系统中的电力电子设备占比越来越高，复杂多样化的数字控制间相互作用，使得系统动态特性不再局限于传统的50Hz工频附近，而是扩展至数千Hz的宽频范围。为保障电网安全可靠运行，必须对数千Hz宽频范围的电网状态量进行精准检测。实现高精度采集是对电网状态量进行精准检测的前提，因此必须借助宽频带高精度传感器对宽频信号进行采集，由于传感器的采集频带拓宽，且电力系统中的宽频监测设备通常运行于强电磁干扰环境中，进而导致大量高频噪声进入测量通道并与实际信号叠加，严重降低后续的信号检测精度。为准确实时地电网状态量进行有效检测，传感器必须借助一些滤波算法对噪声进行滤除。
传统的电力系统滤波算法有FIR/IIR数字滤波算法、经验模态分解(EMD)、卡尔曼滤波算法等。其中FIR/IIR数字滤波算法需对信号的频谱设置某个阈值，将阈值外的部分消除来实现滤波，其实现简单且幅值精度很高，在工程领域广泛运用，但其滤波效果依赖对阈值门限的设置，不能有效区分有用信号的高频部分和由噪声引起的高频噪声干扰，且IIR数字滤波算法的时延是非线性的，不适应与宽频测量。EMD算法按照频率从高到低的原则，将原始信号分解为多个固有模态分量(IMF)，并设置阈值，将阈值外的分量去除，再重构剩余分量达到滤波效果；卡尔曼滤波算法且具有一定自适应性，但当含噪信号中包含突变信号时影响其去噪精度，且滤波后会对信号幅值的精度造成一定影响。
综上所述，不同的滤波算法具有不同的滤波精度和适用范围，对电力电子化电网而言，需要充分保留宽频量的特征，并尽可能滤去电网中丰富的高频噪声，故需要研究具有针对性的滤波算法。
现有的滤波算法应用于电力系统宽频测量时，存在以下缺点：
(1)FIR/IIR数字滤波算法依赖对阈值门限的设置，且不能有效区分有用信号的高频部分和由噪声引起的高频干扰，当需要滤除高频噪声并保留高频量的同时，其去噪效果大大降低，且IIR数字滤波算法的时延是非线性的，不适应与宽频测量。
(2)卡尔曼滤波算法及其改进方法，当含噪信号中包含突变信号时影响其去噪精度，且实际工程领域所采集信号和噪声的统计特性未知，当有用信号和噪声之间存在频谱重叠时，其去噪精度也会受到影响。
(3)经验模态分解去噪法及其改进方法在EMD分解时存在模态混叠和虚假分量等问题，导致部分有效信息在分解过程中被去除。
发明内容
本发明的目的是提供一种适用于电力系统宽频测量的前置滤波算法，包括一种自适应滤波算法、一种改进的自适应噪声对消系统，以解决现有的滤波算法精度低、自适应性差和实现难度高的技术问题。
本发明的目的，可以通过如下技术方案实现：
一种适用于电力系统宽频测量的前置滤波算法，包括以下步骤：
S1：对电力系统宽频振荡信号进行采集，获得宽频震荡预处理信号；
S2：基于NLMS算法，并采用改进的自适应噪声对消系统对宽频震荡预处理信号进行自适应滤波处理；
S3：基于步骤S2生成的最优滤波信号，将采集信号减去最优滤波信号，实现宽频振荡信号的有效降噪；
进一步，所述步骤S1包括以下步骤：
S11：对电力系统宽频振荡信号进行采集，并将采集信号作为自适应噪声对消系统的主输入信号；
S12：利用数字高通滤波器对采集信号进行高通滤波，滤波后的信号作为自适应噪声对消系统的参考输入信号；
进一步，所述步骤S2包括以下步骤：
S21：初始化NLMS自适应滤波器的参数；
S22：依据y(n)＝W(n)xT(n)，计算自适应滤波器的输出信号y(n)；
S23：依据e(n)＝d(n)-y(n)，计算自适应滤波器的误差信号e(n)；
S24：依据W(n+1)＝W(n)+μe(n)x(n)/[a+xT(n)x(n)]，更新滤波器权值矢量W(n)；
S25：计算n+1时刻值，返回S22并重复上述步骤，直至满足最优滤波条件，并输出此刻的最优滤波信号。
有鉴如此，本发明带来的有益效果是：
1.本发明在最小均方算法(Least mean square，LMS)的基础之上，提出一种自适应滤波算法，能有效降低LMS算法的稳态误差。
2.采用噪声对消技术，提出一种改进的自适应噪声对消系统，其借助数字滤波器，仅使用电力系统采集信号就能完成含噪宽频信号的有效降噪，将过于理想化的NLMS算法应用于实际工程。
3.仿真实例验证了本发明所提组合方法的可行性。相较于常用的FIR/IIR数字滤波算法、卡尔曼滤波算法和EMD算法，采用本发明所提方法对含噪宽频信号进行去噪后的信号对原始理想信号的逼近程度更高，其拥有更高的滤波精度，且能做到几乎零时延。且本文所提方法实现难度低，自适应能力强，能有效满足电力系统宽频信号的实时性要求。
附图说明
图1为本发明电力系统宽频测量的前置滤波算法实施例的总体流程图；
图2为本发明电力系统宽频测量的前置滤波算法实施例的NLMS算法流程图；
图3为本发明前置滤波算法实施例的自适应噪声对消系统原理图；
图4为本发明前置滤波算法仿真分析中的原始理想信号图；
图5为本发明前置滤波算法仿真分析中的系统输入信号与噪声信号图；
图6为本发明前置滤波算法仿真分析中的系统输出信号图；
图7为本发明前置滤波算法仿真分析中的理想信号、本发明所提算法的输出信号与FFT滤波信号对比图。
具体实施方式
本发明实施例提供了一种适用于电力系统宽频测量的前置滤波算法，包括一种自适应滤波算法、一种改进的自适应噪声对消系统，以解决现有的滤波算法精度低、自适应性差和实现难度高的技术问题。
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的首选实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
随着新型电力系统的发展，系统中的电力电子设备占比越来越高，复杂多样化的数字控制间相互作用，使得系统动态特性不再局限于传统的50Hz工频附近，而是扩展至数千Hz的宽频范围。为保障电网安全可靠运行，必须对数千Hz宽频范围的电网状态量进行精准检测。实现高精度采集是对电网状态量进行精准检测的前提，因此必须借助宽频带高精度传感器对宽频信号进行采集，由于传感器的采集频带拓宽，且电力系统中的宽频监测设备通常运行于强电磁干扰环境中，进而导致大量高频噪声进入测量通道并与实际信号叠加，严重降低后续的信号检测精度。为准确实时地电网状态量进行有效检测，传感器必须借助一些滤波算法对噪声进行滤除。
传统的电力系统滤波算法有FIR/IIR数字滤波算法、经验模态分解(EMD)、卡尔曼滤波算法等。其中FIR/IIR数字滤波算法需对信号的频谱设置某个阈值，将阈值外的部分消除来实现滤波，其实现简单且幅值精度很高，在工程领域广泛运用，但其滤波效果依赖对阈值门限的设置，不能有效区分有用信号的高频部分和由噪声引起的高频噪声干扰，且IIR数字滤波算法的时延是非线性的，不适应与宽频测量。EMD算法按照频率从高到低的原则，将原始信号分解为多个固有模态分量(IMF)，并设置阈值，将阈值外的分量去除，再重构剩余分量达到滤波效果；卡尔曼滤波算法且具有一定自适应性，但当含噪信号中包含突变信号时影响其去噪精度，且滤波后会对信号幅值的精度造成一定影响。
综上所述，不同的滤波算法具有不同的滤波精度和适用范围，对电力电子化电网而言，需要充分保留宽频量的特征，并尽可能滤去电网中丰富的高频噪声，故需要研究具有针对性的滤波算法。
宽频电压/电流传感器的采用可有效提高宽频测量装置的信号采集和分析带宽，但也会致使某些高频电磁干扰引入并与谐波信号进行叠加。此时，宽频测量装置所采集的信号x(t)由工频信号、谐波信号和高频噪声b0(t)叠加而成，如式(1)所示：
式中，S(t)为工频信号和谐波信号的叠加。A，Ai分别为基波和谐波信号的幅值；fi为谐波信号的频率；n为谐波信号的次数；t为时间。
对式(1)所示的宽频带采集信号进行自适应降噪处理是实现后续信号准确分析的前提，而具有良好稳定性、高精度的有限脉冲响应(Finite Impulse Response，FIR)滤波器在电力系统时域滤波算法中得到了广泛应用，但其根据测量信号的频率范围选取截止滤波频率，无法实现自适应滤波，且由于频率混叠现象，FIR滤波器的滤波精度大幅下降，进而影响后续幅值、频率和相位的计算精度。相较于FIR滤波器，基于NLMS的滤波算法可根据噪声频率进行自适应滤波，无需信号的先验知识，其自适应降噪能力更强，可有效应对频率混叠现象，因此本专利引入NLMS算法对宽频带采集信号x(t)进行自适应降噪处理。
请参阅图1，本发明实施例提供一种适用于电力系统宽频测量的前置滤波算法，包括以下步骤：
S1：对电力系统宽频振荡信号进行采集，获得宽频震荡预处理信号；
S2：基于NLMS算法，并采用改进的自适应噪声对消系统对宽频震荡预处理信号进行自适应滤波处理；
S3：基于步骤S2生成的最优滤波信号，将采集信号减去最优滤波信号，实现宽频振荡信号的有效降噪；
进一步，所述步骤S1包括以下步骤：
S11：对电力系统宽频振荡信号进行采集，并将采集信号作为自适应噪声对消系统的主输入信号；
S12：利用数字高通滤波器对采集信号进行高通滤波，滤波后的信号作为自适应噪声对消系统的参考输入信号；
进一步，所述步骤S2包括以下步骤：
S21：初始化NLMS自适应滤波器的参数；
S22：依据y(n)＝W(n)xT(n)，计算自适应滤波器的输出信号y(n)；
S23：依据e(n)＝d(n)-y(n)，计算自适应滤波器的误差信号e(n)；
S24：依据W(n+1)＝W(n)+μe(n)x(n)/[a+xT(n)x(n)]，更新滤波器权值矢量W(n)；
S25：计算n+1时刻值，返回S22并重复上述步骤，直至满足最优滤波条件，并输出此刻的最优滤波信号。
请参阅图2，本发明实施例提供一种归一化最小均方算法，其基于最小均方(Leastmean square，LMS)算法，核心思想是通过调整滤波器的参数，使得滤波器的实际输出信号与系统设置的期望响应之间的平方期望最小。在实际应用中，可设式1中的x(n)和S(n)分别为滤波器的输入信号和期望信号(n为系统当前采样点)，滤波器的权值矢量为W(n)。依据滤波器原理，此时系统的实际输出信号y(n)为：
y(n＝x(n)WT(n)＝W(n)xT(n) (2)
此时，误差信号e(n)为期望信号S(n)与实际输出信号y(n)的差，如下所示：
e(n)＝S(n)-y(n) (3)
系统可根据下式调整权值矢量，直到输出信号与期望信号之间的差值最小。
W(n+1)＝W(n)+μe(n)x(n) (4)
为确保LMS算法收敛，权值更新步长μ应满足0＜μ＜1/λmax，λmax为输入信号x(n)自相关矩阵的最大特征值。采用LMS算法对式(1)所示信号进行滤波时，会存在稳态误差，即滤波器输出一定存在误差，但LMS算法的收敛速度和稳态误差受限于权值更新步长μ的大小，μ越大，算法收敛速度越快，但收敛后在最佳解附近的波动幅值变大，稳态误差相应变大；μ越小，虽可保证稳态误差小，但算法所需的收敛时间变大，无法满足系统的实时性需求。因此μ的选取需要综合考虑滤波精度和收敛速度。
针对LMS算法中稳态误差和收敛速度之间存在矛盾的问题提出NLMS算法，即对LMS算法中固定的权值更新步长μ进行归一化处理，并利用输入信号的二范数和误差信号的相关值对算法的权值矢量进行迭代，能有效降低稳态误差，且可以有效缩短收敛时间并改善其稳定性，从而提升LMS算法的性能。NLMS算法的权值矢量更新迭代公式为：
式中，a是一个很小的常数以避免xT(n)x(n)太小而导致分母值为零，权值更新因子μ的收敛范围为：
0＜μ≤1 (6)
NLMS算法流程请参阅图2，其中，N表示采样点数，n＝{L+1，L+2，…，N}表示信号的下标，其步骤如下：
步骤(1)：初始化NLMS自适应滤波器的参数，如滤波器的阶数L、选择合适的权值更新因子μ(n)、参数a，设置权值矢量的初始值为W(n)＝0，且为确保算法收敛，应选择合适的权值更新步长μ，其应满足0＜μ＜1/λmax，λmax为输入信号自相关矩阵的最大特征值；
步骤(2)：依据y(n)＝W(n)xT(n)，计算自适应滤波器的输出信号y(n)；
步骤(3)：依据e(n)＝d(n)-y(n)，计算自适应滤波器的误差信号e(n)；
步骤(4)：依据W(n+1)＝W(n)+μe(n)x(n)/[a+xT(n)x(n)]，更新滤波器权值矢量W(n)；
步骤(5)：计算n+1时刻值，返回步骤(2)并重复上述步骤，直至满足最优滤波条件。
请参阅图3，本发明实施例提供了一种改进的自适应噪声对消系统。由图1可得到NLMS算法的简单轮廓，但此算法需要提前设置期望信号d(n)，在实际工程中几乎不可能实现。故需对算法进行改进，本专利基于NLMS算法提出一种自适应噪声对消系统，其原理框架如图3所示，仅使用采集信号，利用NLMS算法滤除信号中的噪声。
由图3可知，噪声对消系统需要输入信号和参考信号，
(1)输入信号x(n)＝S(n)+b0(n)即采集信号，S(n)为期望得到的信号，b0(n)为噪声信号。
(2)参考信号b1(n)为输入信号x(n)经数字高通滤波器后所得信号。由于外界环境引入的电磁干扰噪声b0(n)相对于期望得到的信号S(n)是高频信号，故本专利利用数字高通滤波器从x(n)中提取参考信号b1(n)。综上，噪声对消系统工作流程步骤如下：
步骤(1)：从信号源采集数据，并将其同时作为噪声对消系统和数字高通滤波器的输入信号x(n)。
步骤(2)：利用数字高通滤波器从x(n)中提取出高频信号b1(n)，并将b1(n)作为噪声对消系统的参考信号。
步骤(3)：利用噪声信号b1(n)与噪声信号b0(n)之间的相关性、噪声信号b1(n)、b0(n)与期望得到的信号S(n)之间的相互独立性。将参考信号b1(n)作为自适应滤波器的输入。利用NLMS算法，不断调节权值矢量W(n)，使自适应滤波器的输出y(n)尽可能逼近噪声信号b0(n)。并通过减法器将x(n)中的噪声信号b0(n)最大程度抵消，此时整个系统输出C(n)为：
C(n)＝x(n)-y(n)＝S(n)+b0(n)-y(n) (7)
对上式两边平方并取数学期望，由于S(n)与b0(n)、b1(n)、y(n)都不存在相关性，可得：
E[C2(n)]＝E[S2(n)]+E[(b0(n)-y(n))2] (8)
式中，E[]表示信号功率运算；E[S2(n)]是输入信号功率，与自适应滤波器的调节无关，因此调节自适应滤波器使得E[(b0(n)-b(n))2]达到最小值时，系统输出E[C2(n)]同时达到最小值，如式(15)所示：
E[C2(n)]min＝E[S2(n)]+E[(b0(n)-y(n))2]min (9)
此时系统输出C(n)即为期望得到的信号S(n)的最优估计值，即上述中所提的最优滤波条件。
请参阅图4、图5和图6，为考察本发明所提算法在电力系统宽频测量前置滤波领域的可行性，采用该仿真信号进行分析：
x(t)＝10cos(100πt)+cos(2000πt)+cos(2400πt)+b0(t) (10)
采样频率为50000Hz，时间为0～0.2S。仿真信号由一个幅值为10的工频信号、一个频率为1000Hz、幅值为1的谐波信号和一个频率为1200Hz、幅值为1的谐波信号及高频噪声b0(t)叠加组成(噪声幅值时刻变化，其频率在t＝0.1s也发生改变)，其原始理想信号如图4所示，叠加噪声后的系统输入信号与噪声信号如图5所示，本发明所提算法输出信号图如图6所示。
将图4和图6对比可明显看出，本发明所提电力系统宽频振荡的前置滤波算法对高频噪声进行抑制后，输出的信号和理想信号几乎没有相位差，输出信号和理想信号的相位差为0.0015°，即采用本发明所提方法滤除信号的高频噪声能做到几乎无时延，因此能有效保证信号的实时性。
请参阅图7，为进一步验证所提方法的优越性，本发明还将该方法与传统的FIR滤波算法进行对比，滤波效果对比图如图7所示。
根据图7可知，本专利所提算法对高频噪声进行抑制后的滤波效果明显优于传统的FIR滤波算法，FIR滤波算法的幅值误差最高能达到12％，其均方误差为0.5009，相比之下，本专利所提方法的幅值误差最高仅有2％，均方误差仅有0.0171，其滤波精度大大提高。
由上述实验结果可知，相比于现有滤波方法，本专利所提方法可实现高精度，几乎无时延的滤波效果，其可作为电力系统宽频信号的前置滤波算法，能有效满足电力系统的滤波精度要求。
此外，本发明实施例还提供了一种适用于电力系统宽频测量的前置滤波算法，包括一种自适应滤波算法、一种改进的自适应噪声对消系统。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种适用于电力系统宽频测量的前置滤波算法，其特征在于，所述前置滤波算法包括以下步骤：
S1:对电力系统宽频振荡信号进行采集，获得宽频震荡预处理信号；
S2:基于自适应滤波算法，并采用自适应噪声对消系统对宽频震荡预处理信号进行自适应滤波处理。
S3:基于步骤S2生成的最优滤波信号，将采集信号减去最优滤波信号，实现宽频振荡信号的有效降噪；
2.根据权利要求1所述的一种适用于电力系统宽频测量的前置滤波算法，其特征在于，所述步骤S1包括以下步骤：
S11:对电力系统宽频振荡信号进行采集，并将采集信号作为自适应噪声对消系统的主输入信号；
S12:利用数字高通滤波器对采集信号进行滤波，滤波后的信号作为自适应噪声对消系统的参考输入信号。
3.根据权利要求1所述的一种适用于电力系统宽频测量的前置滤波算法，其特征在于，所述步骤S2包括以下步骤：
S21:初始化NLMS自适应滤波器的参数；
S22:依据y(n)＝W(n)xT(n)，计算自适应滤波器的输出信号y(n)；
S23:依据e(n)＝d(n)-y(n)，计算自适应滤波器的误差信号e(n)；
S24:依据W(n+1)＝W(n)+μe(n)x(n)/[a+xT(n)x(n)]，更新滤波器权值矢量W(n)；
S25:计算n+1时刻值，返回S22并重复上述步骤，直至满足最优滤波条件，并输出此刻的最优滤波信号。
4.根据权利要求1所述的一种适用于电力系统宽频测量的前置滤波算法，其特征在于，所述步骤S2中的自适应噪声对消系统为改进的自适应噪声对消系统，其仅需使用采集信号，就能完成宽频振荡信号的有效降噪。
5.根据权利要求1所述的一种适用于电力系统宽频测量的前置滤波算法，其特征在于，所述步骤S2中的自适应滤波算法为归一化最小均方(NLMS)算法。
6.一种滤波算法，其特征在于，包括如权利要求1至5中任一项所述的电力系统宽频测量的前置滤波算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311549899.8A CN117559967A (zh) | 2023-11-20 | 2023-11-20 | 一种适用于电力系统宽频测量的前置滤波算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311549899.8A CN117559967A (zh) | 2023-11-20 | 2023-11-20 | 一种适用于电力系统宽频测量的前置滤波算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117559967A true CN117559967A (zh) | 2024-02-13 |
Family
ID=89820153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311549899.8A Pending CN117559967A (zh) | 2023-11-20 | 2023-11-20 | 一种适用于电力系统宽频测量的前置滤波算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117559967A (zh) |
-
2023
- 2023-11-20 CN CN202311549899.8A patent/CN117559967A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109643554B (zh) | 自适应语音增强方法和电子设备 | |
| CN108764073B (zh) | 一种结合频谱能量形态拟合的加速度滤噪和积分方法 | |
| Khan et al. | A new adaptive technique for on-line partial discharge monitoring | |
| Paul et al. | ECG noise removal using GA tuned sign-data least mean square algorithm | |
| Satheeskumaran et al. | A new LMS based noise removal and DWT based R-peak detection in ECG signal for biotelemetry applications | |
| CN112562624B (zh) | 主动降噪滤波器设计方法、降噪方法、系统及电子设备 | |
| Venkatesan et al. | An efficient noise removal technique using modified error normalized LMS algorithm | |
| CN112362966A (zh) | 基于小波包变换与stft相融合的电网谐波检测方法及装置 | |
| Islam et al. | Performance comparison of modified LMS and RLS algorithms in de-noising of ECG signals | |
| CN114992033A (zh) | 基于nlm-ceemdan的水电机组信号去噪方法 | |
| Lu et al. | Partial discharge signal denoising with recursive continuous S-shaped algorithm in cables | |
| CN109684937A (zh) | 一种基于fft及数学形态法的信号去噪方法及装置 | |
| Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
| CN117318671A (zh) | 一种基于快速傅里叶变换的自适应滤波方法 | |
| CN117559967A (zh) | 一种适用于电力系统宽频测量的前置滤波算法 | |
| Batina et al. | Noise power spectrum estimation for speech enhancement using an autoregressive model for speech power spectrum dynamics | |
| Wang et al. | Improved NLMS-based adaptive denoising method for ECG signals | |
| CN113299284B (zh) | 一种基于自适应滤波的语音识别装置、方法、设备及介质 | |
| Behbahani | Investigation of Adaptive Filtering for Noise Cancellation inECG signals | |
| CN110703089B (zh) | 一种用于低频振荡Prony分析的小波阈值去噪方法 | |
| Lampl | Implementation of adaptive filtering algorithms for noise cancellation | |
| Kelly et al. | Frequency tracking and variable bandwidth for line noise filtering without a reference | |
| Kavya et al. | Parabolic filter for removal of powerline interference in ecg signal using periodogram estimation technique | |
| Niyama et al. | Implementation of IIR and FIR filters in Simulink MATLAB and its application in ECG | |
| Saxena et al. | Analysis for denoising of ECG signals using NLMS adaptive filters |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |