CN108037350B - 一种电压波形的参数辨识方法、*** - Google Patents
一种电压波形的参数辨识方法、*** Download PDFInfo
- Publication number
- CN108037350B CN108037350B CN201711139036.8A CN201711139036A CN108037350B CN 108037350 B CN108037350 B CN 108037350B CN 201711139036 A CN201711139036 A CN 201711139036A CN 108037350 B CN108037350 B CN 108037350B
- Authority
- CN
- China
- Prior art keywords
- kalman filtering
- filtering algorithm
- parameter identification
- circuit breaker
- monitoring
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/28—Arrangements for measuring currents or voltages or for indicating presence or sign thereof adapted for measuring in circuits having distributed constants
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本申请涉及电力***参数辨识方法技术领域,尤其涉及一种电压波形的参数辨识方法、***。所述参数辨识方法,能够根据断路器的开关状态灵活选择不同算法对电压波形的参数进行辨识;在***正常状态下使用卡尔曼滤波算法在保证辨识精度的同时又可以减少CPU占用率;在***出现扰动时,使用扩展卡尔曼滤波算法能够快速响应扰动,同时又可以保证辨识精度;在采样电压噪音较低的情况下使用曲线拟合法比扩展卡尔曼滤波算法响应更迅速,CPU占用率也更低。本申请提供的参数辨识方法,既节省了CPU占用率,在提高***状态响应速度的同时又保证了辨识精度,应用前景广泛。
Description
技术领域
本申请涉及电力***参数辨识方法技术领域,尤其涉及一种电压波形的参数辨识方法、***。
背景技术
电压、电流的参数辨识对于电力***的稳定运行至关重要。准确的参数辨识能够真实地反映电力***的状态,可以给电力***控制、维护设备正常运作提供参考,同时还可以为技术人员分析电力***提供便利。
目前,电压、电流波形的参数辨识方法有多种,包括离散傅里叶算法、曲线拟合法、卡尔曼滤波法等。由于每种方法都有各自的优点和缺点,因此,单纯地利用某一种算法无法准确地辨识出参数特性。
现有滤波算法中,卡尔曼滤波法能够很好地辨识带有白噪声信号的参数,但是当***状态突变时,其响应过慢,辨识精度极低。曲线拟合法在***状态突变时有很好的响应,但是处理噪声的能力弱,在采样噪音大的情况下精度低。此外,同时使用不同的参数辨识方法计算量较大,加大了监测设备内部数据处理的难度,容易造成辨识结果的延迟,使控制设备、保护设备的快速性下降。
发明内容
为解决现有电压波形的参数辨识方法中存在的***状态突变时响应速度和辨识精度难以平衡的问题,本申请提供了一种电压波形的参数辨识方法、***。
一种电压波形的参数辨识方法,具体包括以下步骤:
S1、采集监测点的电压信号;
S2、获取与所述监测点电联接的断路器的开关状态;
S3、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S4、如果所述监测点的电压信号的噪音值大于100mv,选择扩展卡尔曼滤波算法;否则,选择曲线拟合法;
S5、重新获取与所述监测点电联接的断路器的开关状态,执行如下循环:
S6、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S7、如果所述监测点的电压信号的噪音值大于100mv,选择重置扩展卡尔曼滤波算法协方差矩阵;否则,选择曲线拟合法;
S8、返回S5。
进一步地,所述监测点的电压信号通过数字采样设备采集获得。
进一步地,所述断路器的数量为多个,且所述多个断路器均与所述监测点电联接。
进一步地,所述参数辨识方法包括卡尔曼滤波算法、扩展卡尔曼滤波算法、曲线拟合法。
本申请还提供了一种电压波形的参数辨识***,包括依次连接的采样设备、断路器、断路器监测装置、控制器、执行单元,其中,
采样设备,用于采集监测点的电压信号;
断路器监测装置,用于监测与所述监测点电联接的断路器的开关状态;
控制器,用于根据所述断路器的开关状态控制执行单元执行相应的参数辨识方法;
执行单元,用于执行相应的参数辨识方法对所述电压波形进行滤波处理。
进一步地,所述采样设备为数字采样设备。
本申请提供的技术方案包括以下有益效果:本申请提供的参数辨识方法,能够根据断路器的开关状态灵活选择不同算法对电压波形的参数进行辨识:在***正常状态下(断路器处于闭合状态)使用卡尔曼滤波算法在保证辨识精度的同时又可以减少CPU占用率;在***出现扰动时(断路器出现断开状态),使用扩展复卡尔曼滤波算法能够快速响应扰动,同时又可以保证辨识精度;在采样电压噪音较低的情况下使用曲线拟合法比扩展复卡尔曼滤波算法响应更迅速,CPU占用率也更低。本申请提供的参数辨识方法,既节省了CPU占用率,在提高***状态响应速度的同时又保证了辨识精度,应用前景广泛。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请提供的一种电压波形的参数辨识方法的流程示意图;
图2为本申请提供的电力***中监测点与各断路器的连接示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式;相反,它们仅是与所附权利要求书中所详述的、本申请的一些方面相一致的装置的例子。
为进一步阐述本申请达成预定目的所采取的技术手段及功效,以下结合附图及实施例对本申请的具体实施方式、结构特征及其功效,详细说明如下。
参见图1所示,为本申请提供的一种电压波形的参数辨识方法的流程示意图,具体包括以下步骤:
S1、采集监测点的电压信号;
S2、获取与所述监测点电联接的断路器的开关状态;
S3、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S4、如果所述监测点的电压信号的噪音值大于100mv,选择扩展卡尔曼滤波算法;否则,选择曲线拟合法;
S5、重新获取与所述监测点电联接的断路器的开关状态,执行如下循环:
S6、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S7、如果所述监测点的电压信号的噪音值大于100mv,选择重置扩展卡尔曼滤波算法协方差矩阵;否则,选择曲线拟合法;
S8、返回S5。
步骤S3中,卡尔曼滤波(Kalman filtering)是一种利用线性***状态方程,通过***输入输出观测数据,对***状态进行最优估计的算法。60年代初,卡尔曼(R.E.Kalman)和布塞(R.S.Bucy)发表了一篇重要的论文《线性滤波和预测理论的新成果》,提出了一种新的线性滤波和预测理由论,被称之为卡尔曼滤波。
卡尔曼滤波用于估计离散时间过程的状态变量Xk,其计算公式如下:
定义观测变量Zk,其计算公式如下:
具体地,卡尔曼滤波算法顺序如下:
预测当前时刻k+1的***状态变量即:
预测当前时刻k+1的***状态误差协方差即:
计算当前时刻k+1的***状态卡尔曼增益即:
更新当前时刻k+1的***状态误差协方差即:
P(k+1|k+1)=[I-Kk+1Hk+1]P(k+1|k) (6)式(3)至式(6)中,K为卡尔曼增益,P为误差协方差。
将采样信号y(t)分解为y(t)=Yccos(wt)+Yssin(wt),令ψ=wΔt,其中,Δt为采样间隔,y(t)为交流电压或电源的瞬时值。
注:采样信号有不同的分解方法,此处仅仅是一种;Qk设置为0,Rk可根据现场噪音设置,P初始值为[10;01](仅适用于上述分解法)。由于不同的采样信号分解方法,将导致不同的矩阵,上述分解法导致整个参数估计过程中仅包括了信号的基波。此外,可以根据需要采用不同的分解方法,并不影响本申请所叙述方法的整体功能。
如果有相关断路器出现断开,那么表示该断路器所在子***出现故障,此时该监测点电压或电流信号会出现扰动,常规参数辨识方法无法快速响应。
步骤S4中,如果所述监测点的电压的噪音值大于100mv,选择扩展卡尔曼滤波算法;如果所述监测点的电压的噪音值不大于100mv,那么控制器在收到断路器断开状态的同时将算法切换为曲线拟合法。
曲线拟合即通过实验获得有限对测试数据(xi,yi),利用这些数据求取近似函数y=f(x)。式中x为输出量,y为被测物理量。与插值不同的是,曲线拟合并不要求y=f(x)的曲线通过所有离散点(xi,yi),只要求y=f(x)反映这些离散点的一般趋势,不出现局部波动。曲线拟合的常用方法一般是基于最小二乘法。
具体地,曲线拟合法的计算顺序如下:
令yk=y(kΔt),其中yk为采样信号y(t)的第k个采样值,ωo为***工频角速度,Δt为采样间隔;
将采样信号y(t)分解为y(t)=Yccos(ω0t)+Yssin(ω0t),其中,y(t)为交流电压或电源的瞬时值;假设采样信号y(t)的3个采样值分别在-Δt,0,Δt被采样,则
y-1=y(-Δt)
y0=y(0)
y1=y(Δt)
根据3个采样信号作出最小二乘估计:
对于任意k时刻有:
具体地,扩展卡尔曼滤波算法的顺序如下:
采样信号通过下面的形式描述:
以上非线性过程可以描述为:
xk+1=f(xk) (13)
yk+1=Hxk+vk (14)
类似于卡尔曼滤波,扩展卡尔曼滤波过程为:
预测k+1时刻的***状态变量即:
预测k+1时刻的***状态误差协方差即:
计算k+1时刻的***状态卡尔曼增益即:
更新k+1时刻的***状态误差协方差即:
P(k+1|k+1)=[I-Kk+1Hk+1]P(k+1|k) (18)
可选地,所述监测点的电压通过数字采样设备采集获得。
可选地,所述断路器的数量为多个,且所述多个断路器均与所述监测点电联接。
可选地,所述参数辨识方法包括卡尔曼滤波算法、扩展卡尔曼滤波算法、曲线拟合法。
本申请还提供了一种电压波形的参数辨识***,包括依次连接的采样设备、断路器、断路器监测装置、控制器、执行单元,其中,
采样设备,用于采集监测点的电压信号;
断路器监测装置,用于监测与所述监测点电联接的断路器的开关状态;
控制器,用于根据所述断路器的开关状态控制执行单元执行相应的参数辨识方法;
执行单元,用于执行相应的参数辨识方法对所述电压波形进行滤波处理。
可选地,所述采样设备为数字采样设备。
由以上方案可知,本申请提供的参数辨识方法中涉及到的算法均可由监测设备的CPU实现,其中扩展复卡尔曼滤波算法是卡尔曼滤波算法的一种变换。因为变换涉及到更复杂的计算过程,所以在***正常状态下使用卡尔曼滤波算法能够保证辨识精度的同时减少CPU占用率。而在***出现扰动时(断路器出现断开状态),使用扩展复卡尔曼滤波算法能够快速响应扰动,同时保证辨识精度。在采样噪音较低的情况下使用曲线拟合法比扩展复卡尔曼滤波算法响应更迅速,CPU占用率也更低。
此外,高噪声情况下如果新的断路器断开,此时监测点电压再次出现扰动,需要重置扩展复卡尔曼滤波算法中的“协方差矩阵”这一参数以激活算法响应扰动。利用断路器开关状态直接重置,省去了计算重置条件的过程,使算法对于进一步的扰动响应更加迅速。
本申请提供的参数辨识方法,能够根据断路器的开关状态灵活选择不同算法对电压波形的参数进行辨识:在***正常状态下(断路器处于闭合状态)使用卡尔曼滤波算法在保证辨识精度的同时又可以减少CPU占用率;在***出现扰动时(断路器出现断开状态),使用扩展复卡尔曼滤波算法能够快速响应扰动,同时又可以保证辨识精度;在采样电压噪音较低的情况下使用曲线拟合法比扩展复卡尔曼滤波算法响应更迅速,CPU占用率也更低。本申请提供的参数辨识方法,既节省了CPU占用率,在提高***状态响应速度的同时又保证了辨识精度,应用前景广泛。
需要说明的是,术语“包括”意在涵盖非排他性的包含,在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域技术人员在考虑本说明书及实践这里申请的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未使用的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由上面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述的参数辨识方法,且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (6)
1.一种电压波形的参数辨识方法,其特征在于,具体包括以下步骤:
S1、采集监测点的电压信号;
S2、获取与所述监测点电联接的断路器的开关状态;
S3、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S4、如果所述监测点的电压信号的噪音值大于100mv,选择扩展卡尔曼滤波算法;否则,选择曲线拟合法;
S5、重新获取与所述监测点电联接的断路器的开关状态,执行如下循环:
S6、如果所述断路器的开关为闭合状态,选择卡尔曼滤波算法;否则,判断所述监测点的电压信号的噪音等级;
S7、如果所述监测点的电压信号的噪音值大于100mv,选择重置扩展卡尔曼滤波算法协方差矩阵;否则,选择曲线拟合法;
S8、返回S5。
2.根据权利要求1所述的参数辨识方法,其特征在于,所述监测点的电压信号通过数字采样设备采集获得。
3.根据权利要求1或2所述的参数辨识方法,其特征在于,所述断路器的数量为多个,且所述多个断路器均与所述监测点电联接。
4.根据权利要求1所述的参数辨识方法,其特征在于,所述参数辨识方法包括卡尔曼滤波算法、扩展卡尔曼滤波算法、曲线拟合法。
5.一种电压波形的参数辨识***,其特征在于,包括依次连接的采样设备、断路器、断路器监测装置、控制器、执行单元,其中,
采样设备,用于采集监测点的电压信号;
断路器监测装置,用于监测与所述监测点电联接的断路器的开关状态;
控制器,用于根据所述断路器的开关状态控制执行单元执行如权利要求1-4任意一项所述的参数辨识方法;
执行单元,用于执行如权利要求1-4任意一项所述的参数辨识方法对所述电压波形进行滤波处理。
6.根据权利要求5所述的参数辨识***,其特征在于,所述采样设备为数字采样设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711139036.8A CN108037350B (zh) | 2017-11-16 | 2017-11-16 | 一种电压波形的参数辨识方法、*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711139036.8A CN108037350B (zh) | 2017-11-16 | 2017-11-16 | 一种电压波形的参数辨识方法、*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108037350A CN108037350A (zh) | 2018-05-15 |
CN108037350B true CN108037350B (zh) | 2020-03-10 |
Family
ID=62093687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711139036.8A Active CN108037350B (zh) | 2017-11-16 | 2017-11-16 | 一种电压波形的参数辨识方法、*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108037350B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108723428B (zh) * | 2018-05-25 | 2020-05-05 | 南京航空航天大学 | 一种基于电机电流的叠层材料在线变参数制孔方法 |
CN110579638B (zh) * | 2019-10-12 | 2020-11-06 | 国网江苏省电力有限公司徐州供电分公司 | 基于卡尔曼滤波的交叉供电***动态电压跌落检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007012456A1 (de) * | 2005-07-26 | 2007-02-01 | Knorr-Bremse Systeme für Nutzfahrzeuge GmbH | Messanordnung zur messung des induktivitäts- und des widerstandswertes eines induktiven sensors |
CN101533058A (zh) * | 2009-04-24 | 2009-09-16 | 东北大学 | 一种电力异常故障数据分析装置及诊断方法 |
CN101676744A (zh) * | 2007-10-31 | 2010-03-24 | 北京航空航天大学 | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 |
CN103617553A (zh) * | 2013-10-22 | 2014-03-05 | 芜湖大学科技园发展有限公司 | 一种电网数据质量综合提升*** |
CN103941072A (zh) * | 2014-05-06 | 2014-07-23 | 重庆大学 | 一种基于实数强跟踪滤波的电力信号突变参数测量方法 |
CN103995180A (zh) * | 2014-06-13 | 2014-08-20 | 重庆大学 | 一种考虑不等式约束的电力***频率估计方法 |
CN105429135A (zh) * | 2015-12-08 | 2016-03-23 | 河南许继仪表有限公司 | 一种非侵入式电力负荷分解的辨识决策方法及*** |
-
2017
- 2017-11-16 CN CN201711139036.8A patent/CN108037350B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007012456A1 (de) * | 2005-07-26 | 2007-02-01 | Knorr-Bremse Systeme für Nutzfahrzeuge GmbH | Messanordnung zur messung des induktivitäts- und des widerstandswertes eines induktiven sensors |
CN101676744A (zh) * | 2007-10-31 | 2010-03-24 | 北京航空航天大学 | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 |
CN101533058A (zh) * | 2009-04-24 | 2009-09-16 | 东北大学 | 一种电力异常故障数据分析装置及诊断方法 |
CN103617553A (zh) * | 2013-10-22 | 2014-03-05 | 芜湖大学科技园发展有限公司 | 一种电网数据质量综合提升*** |
CN103941072A (zh) * | 2014-05-06 | 2014-07-23 | 重庆大学 | 一种基于实数强跟踪滤波的电力信号突变参数测量方法 |
CN103995180A (zh) * | 2014-06-13 | 2014-08-20 | 重庆大学 | 一种考虑不等式约束的电力***频率估计方法 |
CN105429135A (zh) * | 2015-12-08 | 2016-03-23 | 河南许继仪表有限公司 | 一种非侵入式电力负荷分解的辨识决策方法及*** |
Non-Patent Citations (1)
Title |
---|
曲线拟合与卡尔曼滤波器的滤波精度评估;梁民赞 等;《无线电工程》;20131231;第43卷(第3期);第36-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108037350A (zh) | 2018-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Comparative study of harmonic and interharmonic estimation methods for stationary and time-varying signals | |
Chen et al. | Extended real model of Kalman filter for time-varying harmonics estimation | |
CN106405230B (zh) | 频率测量方法和装置 | |
Routray et al. | A novel Kalman filter for frequency estimation of distorted signals in power systems | |
Chang et al. | An accurate time-domain procedure for harmonics and interharmonics detection | |
Kennedy et al. | Power system harmonic analysis using the Kalman filter | |
EP2018694B1 (en) | Detecting faults in power systems | |
Chen | Virtual multifunction power quality analyzer based on adaptive linear neural network | |
Wen et al. | FFT-based amplitude estimation of power distribution systems signal distorted by harmonics and noise | |
Chen et al. | Estimation of frequency components in stator current for the detection of broken rotor bars in induction machines | |
CN108037350B (zh) | 一种电压波形的参数辨识方法、*** | |
Chang et al. | Measurement techniques for stationary and time-varying harmonics | |
CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估***及方法 | |
CN103983847A (zh) | 一种同步相量测量中基于rls的自适应频率跟踪测量方法 | |
US8717040B2 (en) | Method for instantaneously determining rates of distortion of signals on an AC electrical network, and associated device | |
CN106124081B (zh) | 永磁同步电机精确多点实时测温方法及*** | |
CN110954846B (zh) | 一种霍尔电流传感器断线检测方法、计算机可读存储介质及智能设备 | |
CN109586249B (zh) | 变压器励磁涌流判别方法和装置 | |
Ray et al. | Improved recursive newton type algorithm based power system frequency estimation | |
Hossain et al. | Online monitoring of inter-area oscillations and damping of power systems employing prony analysis | |
Yang et al. | A Hilbert transform based method for dynamic phase difference measurement | |
Wijayakulasooriya et al. | Fast non-recursive extraction of individual harmonics using artificial neural networks | |
CN113591801A (zh) | 一种电力信号参数估计方法和装置 | |
JP2014014208A (ja) | 地絡方向継電装置 | |
Khodaparast et al. | Phasor Estimation Based on Modified Recursive Prony |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Fear of Rising Inventor after: Guo Xiaoyu Inventor after: Duan Ruimin Inventor before: Guo Xiaoyu |