CN113341224B - 一种电力***低频振荡信号测量方法及装置 - Google Patents
一种电力***低频振荡信号测量方法及装置 Download PDFInfo
- Publication number
- CN113341224B CN113341224B CN202110639444.XA CN202110639444A CN113341224B CN 113341224 B CN113341224 B CN 113341224B CN 202110639444 A CN202110639444 A CN 202110639444A CN 113341224 B CN113341224 B CN 113341224B
- Authority
- CN
- China
- Prior art keywords
- signal
- complex
- phase
- frequency
- low
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000010355 oscillation Effects 0.000 title claims abstract description 75
- 238000001228 spectrum Methods 0.000 claims abstract description 35
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 30
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims description 44
- 238000005070 sampling Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 abstract description 22
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010010774 Constipation Diseases 0.000 description 1
- 238000003775 Density Functional Theory Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
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
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Frequencies, Analyzing Spectra (AREA)
Abstract
本发明公开一种电力***低频振荡信号测量方法及装置,该方法步骤包括:S1.获取采集到的电力***中的三相电压信号,基于预先构建的低频振荡三相信号模型,将获取到的三相电压信号转换为复信号序列;S2.对步骤S1转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对得到复频谱采用插值方法进行参数估计,估计出复频谱中动态参数,得到最终的低频振荡信号输出。本发明具有实现方法简单、成本低、测量精度及测试效率高且抗干扰性强等优点。
Description
技术领域
本发明涉及电力***参数测量技术领域,尤其涉及一种电力***低频振荡信号测量方法及装置。
背景技术
电网参数的准确估计是电能计量、电能质量检测、继电保护的重要基础。电力***的干扰,例如故障、大负载的开/关、发电机的断开、线路切换等,会导致发电机之间的转子角发生振荡从而导致电网产生低频振荡。如何在低频振荡情况下实现电网参数准确快速测量,对维持电力***稳定运行起着至关重要的作用。
针对电网参数目前常用的测量方法主要有:1、基于正弦信号模型的检测算法;2、周期法及其改进算法,主要包括过零检测法、水平交点法、高次修正函数法和最小二乘多项式曲线拟合法等;3、随机模型算法,主要包括最小二乘法、最小绝对值近似法、牛顿迭代算法和线性滤波算法等。其中基于周期信号模型的检测算法应用最为广泛,主要包括离散傅里叶变换(Discrete Fourier transform,DFT)和快速傅里叶变换类算法及其改进算法。
理想情况下的电网信号为标准正弦信号,以正弦信号模型为基础的电网频率测量方法得到大量应用,其中应用最为广泛的方法就是基于离散傅里叶变换的参数估计方法。在同步采样情况下,仅用一个周波的采样信息就可实现对参数的准确估计。上述传统的测量方法即是基于该理想情况下的电网信号测量。但是在非同步采样情况下,其精度受到频谱泄漏和栅栏效应的影响,需要采用加窗插值等方法进行优化。当电网信号处于动态变化时,由于DFT方法的局限性,相关动态参数无法准确估计。
电力***故障、线路切换、发电机断开与连接以及断开或接入大量负载会导致电力***的波动,进而引发电压或电流低频振荡。低频振荡是三相电力***中的一种平衡现象,在低频振荡的场景下,电网中的电压与电流信号不再是稳态信号,其幅值会产生周期性的波动,如不及时监测与控制,将进一步导致***间产生功率震荡,对传输线路和用电设备造成不良影响,破坏***的安全稳定性,因此如何准确、快速地估计振荡信号的参数对于评估低频振荡的严重性至关重要,而上述传统的测量方法就无法及时准确实现低频振荡信号的测量。
为了实现对低频振荡信号及时准确的测量,现有技术主要采用以下方法:1、将Prony方法与数字滤波相结合,以使得相较于传统Prony方法提高了抗噪性;2、基于卡尔曼滤波的测量方法,由于卡尔曼滤波算法对于动态信号有着较好的跟踪效果,因而可以达到较好抗噪性和测量精度;3、迭代滤波算法,该方法在频率接近工频的情况下能实现高精度的测量,但是在频偏较大与幅值动态变化的情况下误差较大;4、小波变换方法,虽然可以适用于动态信号分析,但是计算量大,会存在实时性不足的问题;5、泰勒傅里叶方法,通过泰勒级数展开简化计算,在稳态情况下精度高,谐波抑制能力强,在动态情况下响应速度快。
但是上述针对低频振荡信号的各类测量方法中,均是利用单相信号来实现参数估计,而在电力***中通常要将三相作为一个整体进行考量,需要考虑三相***的平衡特性,因而上述针对低频振荡信号的各类测量方法仍然无法准确实现电力***中三相信号的测量,尤其是在采样点数较少时,不仅测量精度不高,而且抗噪性能、抗干扰性能差,在大量噪声干扰的情况下甚至难以测量出***中的三相低频振荡信号。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现方法简单、成本低、测量精度高且抗干扰性强的电力***低频振荡信号测量方法及装置。
为解决上述技术问题,本发明提出的技术方案为:
一种电力***低频振荡信号测量方法,步骤包括:
S1.获取采集到的电力***中的三相信号,基于预先构建的低频振荡三相信号模型,将获取到的所述三相信号转换为复信号序列;
S2.对步骤S1转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对所述复频谱采用插值方法进行参数估计,估计出所述复频谱中的动态参数,得到最终的低频振荡信号输出。
进一步的,所述低频振荡三相信号模型中,具体基于幅值、衰减系数、相位以及角频率参数,将低频振荡三相信号分别建模为一组对称的指数衰减正弦信号。
进一步的,所述低频振荡三相信号模型具体为:
其中,ya、yb、yc分别表示采集到的信号的三相,A、τ、φ和ω分别代表幅值、衰减系数、相位和角频率,fs为信号的采样率,n为采样点。
进一步的,所述步骤S1中,通过采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号序列。
进一步的,所述采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号后,还包括将得到正交分量形式的复信号yα和yβ按照下式进行信号重构:
其中,ycomplex为重构后信号,Ts为采样周期。
进一步的,所述步骤S2中采用插值方法进行参数估计时,具体通过先筛选出两根幅度最大的谱线,再利用筛选出的两根谱线估计所述复频谱中动态参数。
进一步的,所述步骤S2包括:
S201.使用长度为N的矩形窗对骤S1转换得到的复信号序列ycomplex(n)加权,并对序列做N点离散傅里叶变换,得到复频谱;
S202.将所述复频谱转换为使用参数λ和ρ构成的线性组合,其中λ=e(τTs+jω),ρ=Aejφ(1-e(τTs+jω)N),Ts为采样周期,τ,φ和ω分别代表衰减系数、相位和角频率;
S203.求解所述参数λ和ρ,筛选出两根幅度最大的谱线k1和k2,并使用筛选出的谱线k1和k2构建形成线性方程组:
其中,Y(k1)、Y(k2)分别为对应谱线k1和k2位置处的离散傅里叶变换后序列;
得到所述参数λ和ρ与幅值频率相位的关系为:
τTs=ln|λ| ω=angle(λ)
其中,A代表幅度。
进一步的,所述筛选出两根幅度最大的谱线包括:先取幅值最大的一根谱线k1,然后按照下式选取幅值次大的谱线k2:
其中Re表示取实部;
当Δ--Δ+>0时,k2=k1+1,Δ--Δ+<0时,k2=k1-1。
一种电力***低频振荡信号测量装置,包括:
复信号转换模块,用于获取采集到的电力***中的三相信号,基于预先构建的低频振荡三相信号模型,将获取到的所述三相信号转换为复信号序列;
参数估计模块,用于对所述复信号转换模块转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对所述复频谱采用插值方法进行参数估计,估计出所述复频谱中的动态参数,得到最终的低频振荡信号输出。
一种计算机装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,所述处理器用于执行所述计算机程序以执行上述方法。
与现有技术相比,本发明的优点在于:
1、本发明通过将电力***中三相信号作为一个整体进行考量,将三相***中的参数估计问题转换为复指数信号的参数估计,同时基于复频谱插值DFT方式实现低频振荡信号的测量,可以降低动态参数估计难度,提高动态参数估计的精度,从而实现对三相信号频率幅值的准确测量。
2、本发明基于复频谱插值DFT方式实现低频振荡信号的测量,可在采样点数较少的情况下实现对频率幅值的准确测量,且具有良好的抗噪性能,可以在采样点数较少、存在噪声干扰的情况下对低频振荡状态下的三相信号参数进行准确的估计。
3、本发明基于复频谱插值DFT方式实现低频振荡信号的测量,动态响应速度快,故障发生前、故障发生时,以及故障清除后均能够准确的实现低频振荡信号测量,且在故障发生时还能够对电压骤降实现快速准确的跟踪。
附图说明
图1是本实施例电力***低频振荡信号测量方法的实现流程示意图。
图2是在具体实施例中得到的频率与幅值估计误差随信噪比变化的结果对比示意图。
图3是在具体实施例中得到的幅值相位估计结果对比示意图。
图4是在具体实施例中得到的综合矢量误差结果对比示意图。
图5是在具体实施例中采用的三机九节点***结构原理示意图。
图6是在具体实施例中采集的a相电压信号波形示意图。
图7是在具体实施例中得到的幅值估计结果比较结果对比示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1所示,本实施例电力***低频振荡信号测量方法的步骤包括:
S1.获取采集到的电力***中的三相信号,基于预先构建的低频振荡三相信号模型,将获取到的三相信号转换为复信号序列;
S2.对步骤S1转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对复频谱采用插值方法进行参数估计,估计出复频谱中的动态参数,得到最终的低频振荡信号输出。
本实施例考虑三相***的平衡特性,将电力***中三相信号作为一个整体进行考量,在获取到电力***中的三相信号后,先将三相信号转换为复信号序列,然后对复信号序列进行离散傅里叶变换,将三相***中的参数估计问题转换为复指数信号的参数估计,可以降低动态参数估计难度,不仅可以在采样点数较少的情况下实现对三相信号频率幅值的准确测量,且具有良好的抗噪性能,可以在噪声干扰的情况下对低频振荡状态下的三相信号参数进行准确的估计,且动态响应速度快,在故障发生时也能准确的跟踪电压变化。
本实施例上述三相信号具体为三相电压电压,当然也可以根据实际需求采用其他类型信号,如三相电流信号等。
考虑到是由于电力***故障、线路切换、发电机断开与连接以及断开或接入大量负载导致电力***的波动,进而引发的电压或电流低频振荡,即在低频振荡或对称故障时,电力***仍然保持对称特性,因而指数衰减的正弦信号可以用来近似拟合低频振荡和对称故障。本实施例利用上述特性,低频振荡三相信号模型中具体基于幅值、衰减系数、相位以及角频率参数,将低频振荡三相信号分别建模为一组对称的指数衰减正弦信号,以准确表征电力***中低频振荡场景下的三相信号特性。
本实施例中低频振荡三相信号模型具体为:
其中,ya、yb、yc分别表示电压信号的三相,A,τ,φ和ω分别代表幅值、衰减系数、相位和角频率,fs为信号的采样率,Ts=1/fs,n为采样点。
可以理解的是,上述低频振荡三相信号模型当然还可以根据实际需求采用其他的模型,可以简单的在上述模型基础上增加调节系数等,也可以在模型中进一步增加其他所需的动态参数等。
本实施例步骤S1中,具体通过采用克拉克变换将获取到的三相信号转换为正交分量形式的复信号序列。将三相信号通过克拉克变换后,可以转换为正交分量形式的复信号序列,复信号序列中包含有幅值、衰减系数、相位和角频率等动态参数,则将三相***中的参数估计问题转换为复指数信号的参数估计问题。相比于三相***中的参数估计问题,复指数信号的参数估计要更为简单,更易于实现准确的估计。
具体的,上述克拉克变换可以采用等幅值克拉克变换方式。对于三相三线***,其三相电流及以任意点为电压参考点的三相电压经克拉克变换后得到的α、β两相瞬时电压uα、uβ和瞬时电流iα、iβ可完全表征此三相三线***,本实施例基于上式(1)给出的三相信号模型,做等幅值克拉克变换可得:
在对称的三相***中,经上述等幅值克拉克变换得到的yα和yβ具有正交的性质,即相位差为90°。
本实施例中,采用克拉克变换将获取到的三相信号转换为正交分量形式的复信号后,还包括将得到正交分量形式的复信号yα和yβ按照下式进行信号重构:
其中,ycomplex为重构后信号,Ts为采样周期。
由此,可以得到一个新的复信号序列,且根据克拉克变换的性质,复信号序列与三相***有着相同的频率、幅值和相位,因此,三相***的参数估计问题即转化成了对复信号ycomplex的参数估计,其中A,τ,φ和ω即为需要求解的动态参数。
本实施例步骤S2中具体对复频谱采用插值方法进行参数估计时,具体通过先筛选出两根幅度最大的谱线,即幅值最大以及幅值最大的两条谱线,再利用筛选出的两根谱线估计复频谱中动态参数,不仅可以有效的实现准确参数估计,且可以大大减少估计计算量,提高参数估计效率。
本实施例中步骤S2详细步骤包括:
S201.使用长度为N的矩形窗对骤S1转换得到的复信号序列ycomplex(n)加权,并对序列做N点离散傅里叶变换,得到复频谱,如式(4)所示。
其中,WN=e-j2π/N,k=0,1,…,N-1,令λ=e(τTs+jω),ρ=Aejφ(1-e(τTs+jω)N);
上述表达式(4)进一步可简化为:
S202.将复频谱转换为使用参数λ和ρ构成的线性组合,其中λ=e(τTs+jω),ρ=Aejφ(1-e(τTs+jω)N),Ts为采样周期,τ,φ和ω分别代表衰减系数、相位和角频率。
由公式(5)可知,λ和ρ通过这两个未知量包含了幅值、相位和频率的参数,因此通过求解λ和ρ通便能得出所有的目标参数。将公式(5)进一步改写为矩阵形式可得:
DFT序列Y(k)可由未知参数λ和ρ的线性组合表示,在N>2的情况下,有两个未知参数和N个可用方程,那么未知参数λ和ρ的值可通过解线性方程的方法求得,则进一步求解参数λ和ρ。
S203.求解参数λ和ρ,筛选出两根幅度最大的谱线k1和k2,并使用筛选出的谱线k1和k2构建形成线性方程组:
其中,Y(k1)、Y(k2)分别为对应谱线k1和k2位置处的复频谱;
利用上述筛选出的谱线k1和k2,对线性方程组进行求解,即可得到未知参数λ和ρ,具体得到参数λ和ρ与幅值频率相位的关系为:
τTs=ln|λ| ω=angle(λ)
其中,A代表幅度。
通常情况下幅值最大和次大两根谱线的选择较为简单,但是如果在信号频率十分接近工频时,峰值谱线左右两侧的谱线幅值很小,次大幅值谱线(k2)的选择会因为噪声的影响导致误判,从而影响估计精度。
假设将信号的实际角频率记为ω,最大幅值谱线位置为k1,则:
由公式(5)和(9)可得:
则任意谱线与Y(k1)存在如下关系式:
记k2=k1+1,k3=k1-1,在δ趋近于0时,由公式(12)可得:
|Y(k3)|2≈|Y(k1)|2[δ(1-|δ|)]2
≈|Y(k2)2[1-4δ2|δ|)] (13)
由公式(13)和(14)可知,在δ趋近于0时,最大幅值谱线两侧的谱线幅值十分接近,在噪声的影响下,直接地比较幅值大小容易造成次大谱线选择的误判。
本实施例具体采用如下方式筛选出两根幅度最大的谱线:先取幅值最大的一根谱线k1,然后按照下式选取次大的谱线k2:
其中Re表示取实部;
当Δ--Δ+>0时,k2=k1+1,Δ--Δ+<0时,k2=k1-1。
本实施例通过上述方式选取次大的谱线k2,能够确保即使是在信号频率十分接近工频时,噪声干扰下仍然能够准确的选取出次大的谱线,避免选取次大谱线时误判,从而进一步提高参数估计精度。
在具体应用实施例中,采用本发明上述方法实现电力***中低频振荡信号测量的详细步骤为:
步骤1)设定采样参数,同步采集三相电压信号ya,yb,yc,。
步骤2)通过克拉克变换,将采集的三相电压信号序列转换为复信号序列ycomplex。
步骤3)以长度为N的矩形窗截取复信号序列ycomplex并做N点DFT得到DFT序列Y(k)。
步骤4)筛选最大和次大谱线,序号记为k1和k2,并根据公式(7)求解未知参数λ和ρ。
步骤5)根据得到的λ和ρ以及公式(8)求解幅值、频率和相位参数。
本实施例上述利用三相***的对称特性,通过克拉克变换将电力***中的三相实信号转换为正交分量形式的复信号,然后对复信号进行离散傅里叶变换,同时通过复频谱插值方法,利用两个幅度最大的谱线样本来估计各项动态参数,可以有效实现电力***中低频振荡信号的测量精度以及测量效率,同时提高测量的抗干扰性能。
为验证本发明上述方法的有效性,对本发明方法进行了仿真验证。首先在稳态情况下进行仿真验证,在不同信噪比(SNR)的条件下对参数估计精度进行评估,同时采用传统的加窗插值法、凯泽窗作为对比,其中加窗类型分别为最大旁瓣衰减窗和汉宁窗。仿真参数设置为:三相信号的基频f=49.5Hz,采样率fs=1.6kHz,幅值A=1,初相位采样窗长设置为N=64,SNR变化范围为10dB到60dB,得到的频率和幅值估计的均方根误差具体如图2所示,其中图2(a)对应频率估计误差,图2(b)对应幅值估计误差。
从图2(a)频率估计的结果可以看出,在白噪声的影响下,随着信噪比的增加,频率和幅值的均方根误差减小,本发明方法要显著优于传统方法,在图2(b)幅值估计结果中可以看出,本发明方法在信噪比增加时误差迅速减小,且均小于传统方法的结果。
本实施例进一步对低频振荡情况下进行仿真分析。在低频振荡的情况下,电网信号的各项参数都处于动态变化,本实施例将通过幅度相位调制信号模拟典型的低频振荡信号,以对本发明方法进行评估,并采用传统的泰勒傅里叶TFT方法作为对比。
考虑到三相***的平衡特性,仿真信号设置具体如下所示:
ya(t)=A(t)cos(2πft+φ(t))
其中:
A0=1,φ0=0.5,A1=0.1,φ1=0.05
fa=fφ=5,τ1=0.5,τ2=0.4
基频频率f=50Hz,采样频率fs=1kHz,信号的信噪比SNR设置为60dB,考虑到在低频振荡的情况下测量结果的实时性,参数估计的延迟最好不要超过一个周波,因此采样窗长设置为N=16。仿真过程采取滑窗的形式,每次滑动1个点,估计各个时刻幅值和相位参数。
得到的参数估计结果如图3所示,其中中间实线对应为真实值,围绕中间实线形成的灰度区域对应为本发明方法的结果,最***三角形标记区域对应为传统TFT方法的结果。从图3的结果明显可以看到本发明方法得出的结果与真实值有较好的一致性,而传统TFT方法由于受到噪声的影响,频率和幅值的估计结果都有较大的波动。
综合矢量误差(TVE)结合了幅值误差和相角误差是对相量误差的综合衡量,TVE能够更全面反映出动态相量估计的准确度,本发明方法与TFT方法得到的TVE具体如图4所示,图中反映了在50个工频周期数内的最大综合向量误差,可以看到本发明的TVE均保持在0.5%以下,TFT方法的TVE最大可达到12%,以此可见本发明方法在低频振荡的场景下有更高、更稳定的估计精度。
本实施例进一步将本发明方法应用在三机九节点***中进行仿真分模拟。三机九节点***如图5所示,三机九节点***具体采用PSCAD软件进行仿真。仿真条件设置如下:继电保护装置R位于7号和5号总线之间的线路中。为了在***中产生低频振荡,在总线7和总线8之间的线路中引入一个三相接地故障,故障在t=1s时开始,并在0.2s后通过断开位于该线路两端的断路器来清除故障,此时该***产生低频振荡,继电保护装置R处可以观测到低频振荡信号。
继电保护装置的采样率设置为2kHz,采样窗长被设置为0.5个工频周期,因此在每个采样窗口中有20个采样点(N=20)。本实施例具体采集继电保护装置R处所采集到的的三相电压信号进行分析,所有数据在MATLAB中处理,信噪比SNR=40dB,其中a相电压信号如图6所示。
分别采用本发明方法与采用TFT方法得到的幅值估计结果如图7所示,其中中间实线对应为真实值,围绕中间实线形成的灰度区域对应为本发明方法的结果,最***正方形标记区域对应为传统TFT方法的结果。通过对比可以看出,本发明方法在故障发生前、故障发生时,以及故障清除后的三种情况下都能够准确的实现幅值的估计,而且在故障发生时能够对电压骤降实现快速准确的跟踪,而TFT方法更易受噪声影响,在采样点数较少的情况下,估计结果存在较大偏差,而且在故障发生时结果出现较大的波动,无法准确跟踪电压的变化。
本实施例电力***低频振荡信号测量装置包括:
复信号转换模块,用于获取采集到的电力***中的三相电压信号,基于预先构建的低频振荡三相信号模型,将获取到的三相电压信号转换为复信号序列;
参数估计模块,用于对复信号转换模块转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对复频谱采用插值方法进行参数估计,估计出复频谱中的动态参数,得到最终的低频振荡信号输出。
本实施例电力***低频振荡信号测量装置与上述电力***低频振荡信号测量方法为一一对应,两者具有相同的原理以及效果,在此不再一一赘述。
本实施例还提供计算机装置,包括处理器以及存储器,存储器用于存储计算机程序,处理器用于执行计算机程序,处理器用于执行计算机程序以执行如上述方法。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (7)
1.一种电力***低频振荡信号测量方法,其特征在于,步骤包括:
S1.获取采集到的电力***中的三相信号,基于预先构建的低频振荡三相信号模型,采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号序列,所述复信号序列中包含有幅值、衰减系数、相位和角频率的动态参数;
S2.对步骤S1转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对所述复频谱采用插值方法进行参数估计,先筛选出两根幅度最大的谱线,再利用筛选出的两根谱线估计出所述复频谱中的动态参数,得到最终的低频振荡信号输出;
所述采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号后,还包括将得到正交分量形式的复信号yα和yβ按照下式进行信号重构:
其中,ycomplex为重构后信号,Ts为采样周期,A、τ、φ和ω分别代表幅值、衰减系数、相位和角频率。
2.根据权利要求1所述的电力***低频振荡信号测量方法,其特征在于,所述步骤S1中:所述低频振荡三相信号模型中,具体基于幅值、衰减系数、相位以及角频率参数,将低频振荡三相信号分别建模为一组对称的指数衰减正弦信号。
4.根据权利要求1~3中任意一项所述的电力***低频振荡信号测量方法,其特征在于,所述步骤S2包括:
S201.使用长度为N的矩形窗对步骤S1转换得到的复信号序列ycomplex(n)加权,并对序列做N点离散傅里叶变换,得到复频谱;
S202.将所述复频谱转换为使用参数λ和ρ构成的线性组合,其中λ=e(τTs+jω),ρ=Aejφ(1-e(τTs+jω)N),Ts为采样周期,τ,φ和ω分别代表衰减系数、相位和角频率,Ts为采样周期,N为离散傅里叶变换点数;
S203.求解所述参数λ和ρ,筛选出两根幅度最大的谱线k1和k2,并使用筛选出的谱线k1和k2构建形成线性方程组:
其中,Y(k1)、Y(k2)分别为对应谱线k1和k2位置处的离散傅里叶变换后序列,WN=e-j2π/N,k=0,1,…,N-1;
得到所述参数λ和ρ与幅值频率相位的关系为:
τTs=ln|λ|ω=angle(λ)
其中,A代表幅度。
6.一种电力***低频振荡信号测量装置,其特征在于,包括:
复信号转换模块,用于获取采集到的电力***中的三相信号,基于预先构建的低频振荡三相信号模型,采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号序列,所述复信号序列中包含有幅值、衰减系数、相位和角频率的动态参数;
参数估计模块,用于对所述复信号转换模块转换得到的复信号序列进行离散傅里叶变换,得到复频谱,对所述复频谱采用插值方法进行参数估计,先筛选出两根幅度最大的谱线,再利用筛选出的两根谱线估计出所述复频谱中的动态参数,得到最终的低频振荡信号输出;
所述采用克拉克变换将获取到的所述三相信号转换为正交分量形式的复信号后,还包括将得到正交分量形式的复信号yα和yβ按照下式进行信号重构:
其中,ycomplex为重构后信号,Ts为采样周期,A、τ、φ和ω分别代表幅值、衰减系数、相位和角频率。
7.一种计算机装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,其特征在于,所述处理器用于执行所述计算机程序以执行如权利要求1~5中任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639444.XA CN113341224B (zh) | 2021-06-08 | 2021-06-08 | 一种电力***低频振荡信号测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110639444.XA CN113341224B (zh) | 2021-06-08 | 2021-06-08 | 一种电力***低频振荡信号测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341224A CN113341224A (zh) | 2021-09-03 |
CN113341224B true CN113341224B (zh) | 2022-05-24 |
Family
ID=77475416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110639444.XA Active CN113341224B (zh) | 2021-06-08 | 2021-06-08 | 一种电力***低频振荡信号测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341224B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114441004A (zh) * | 2021-12-27 | 2022-05-06 | 重庆川仪自动化股份有限公司 | 一种基于实复转换及拉格朗日插值的频率估计方法和*** |
CN114036341B (zh) * | 2022-01-10 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 音乐标签的预测方法、相关设备 |
CN114362229B (zh) * | 2022-03-21 | 2022-06-14 | 广州菲利斯太阳能科技有限公司 | 一种储能逆变器离网并联的控制*** |
CN117874400B (zh) * | 2024-03-13 | 2024-06-04 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 飞行器模型动导数试验数据处理*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1626285A1 (de) * | 2004-08-13 | 2006-02-15 | Rohde & Schwarz GmbH & Co. KG | Verfahren zur Ermittlung der komplexen Spektrallinien eines Signals |
CN101506667A (zh) * | 2006-08-25 | 2009-08-12 | 特克特朗尼克公司 | 改进的复信号插值 |
CN102937668A (zh) * | 2012-11-08 | 2013-02-20 | 电子科技大学 | 一种电力***低频振荡检测方法 |
CN103399203A (zh) * | 2013-08-09 | 2013-11-20 | 重庆大学 | 一种基于复合迭代算法的谐波参数高精度估计方法 |
CN104914306A (zh) * | 2014-12-03 | 2015-09-16 | 许继集团有限公司 | 一种基于两条dft复数谱线的信号幅值测量方法 |
CN104931777A (zh) * | 2014-12-03 | 2015-09-23 | 许继集团有限公司 | 一种基于两条dft复数谱线的信号频率测量方法 |
CN112557751A (zh) * | 2020-12-03 | 2021-03-26 | 东南大学 | 一种基于dft迭代法的谐波参数估计方法 |
-
2021
- 2021-06-08 CN CN202110639444.XA patent/CN113341224B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1626285A1 (de) * | 2004-08-13 | 2006-02-15 | Rohde & Schwarz GmbH & Co. KG | Verfahren zur Ermittlung der komplexen Spektrallinien eines Signals |
CN101506667A (zh) * | 2006-08-25 | 2009-08-12 | 特克特朗尼克公司 | 改进的复信号插值 |
CN102937668A (zh) * | 2012-11-08 | 2013-02-20 | 电子科技大学 | 一种电力***低频振荡检测方法 |
CN103399203A (zh) * | 2013-08-09 | 2013-11-20 | 重庆大学 | 一种基于复合迭代算法的谐波参数高精度估计方法 |
CN104914306A (zh) * | 2014-12-03 | 2015-09-16 | 许继集团有限公司 | 一种基于两条dft复数谱线的信号幅值测量方法 |
CN104931777A (zh) * | 2014-12-03 | 2015-09-23 | 许继集团有限公司 | 一种基于两条dft复数谱线的信号频率测量方法 |
CN112557751A (zh) * | 2020-12-03 | 2021-03-26 | 东南大学 | 一种基于dft迭代法的谐波参数估计方法 |
Non-Patent Citations (2)
Title |
---|
Fast Nearly ML Estimation of the Parameters of Real or Complex Single Tones or Resolved Multiple Tones;Malcolm D. Macleod;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;19980131;第46卷(第1期);全文 * |
电力***谐波检测算法研究;张旭东;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20210115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113341224A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341224B (zh) | 一种电力***低频振荡信号测量方法及装置 | |
Zhan et al. | A Clarke transformation-based DFT phasor and frequency algorithm for wide frequency range | |
Mai et al. | A dynamic synchrophasor estimation algorithm for online application | |
Kusljevic | A simple recursive algorithm for frequency estimation | |
Asiminoaei et al. | A digital controlled PV-inverter with grid impedance estimation for ENS detection | |
CN103454497B (zh) | 基于改进加窗离散傅立叶变换的相位差测量方法 | |
Djurić et al. | Frequency measurement of distorted signals using Fourier and zero crossing techniques | |
Dash et al. | Dynamic phasor and frequency estimation of time-varying power system signals | |
CN111984920B (zh) | 次/超同步谐波参数识别方法、装置、设备和介质 | |
Novanda et al. | Unscented Kalman Filter for frequency and amplitude estimation | |
CN106226590A (zh) | 一种电力***同步相量测量方法 | |
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 | |
Zolfaghari et al. | Evaluation of windowed ESPRIT virtual instrument for estimating Power Quality Indices | |
CN114374210A (zh) | 一种采用改进Prony算法的电力***低频振荡监控方法 | |
Kasztenny | A new method for fast frequency measurement for protection applications | |
Hwang | Improvement of phasor estimation accuracy by prony-based identification of two decaying dc components | |
Ferrero et al. | Employment of interpolated DFT-based PMU algorithms in three-phase systems | |
Nguyen et al. | Application of a z-transform signal model and median filtering for power system frequency and phasor measurements | |
CN114487589A (zh) | 电网宽频信号自适应测量方法、装置及*** | |
Lee et al. | Adaptive phasor estimation for smart electric grid monitoring applications | |
CN114184838A (zh) | 基于sn互卷积窗的电力***谐波检测方法、***及介质 | |
Abdolkhalig et al. | Evaluation of IEC 61850-9-2 samples loss on total vector error of an estimated phasor | |
Elsayed et al. | Distribution Grid Phasor Estimation and μPMU Modeling | |
Vats et al. | Application of phasor & frequency estimation techniques in phasor measurement unit | |
Shan et al. | Parameter Estimation of Power System Oscillation Signal Under Power Swing based on Clarke-DFT |
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 |