基于改进粒子滤波的风电系统并网侧谐波估计

受各类非线性特征影响,风力发电系统并网侧会随机产生大量谐波,对风电安全并网和电网稳定运行造成影响。为了准确检测谐波并确保相关设备稳定工作,提出了一种基于误差模型改进粒子滤波的谐波估计方法。该方法在标准粒子滤波的基础上,利用预测值和观测值间的误差进行粒子补偿,并计算其协方差矩阵;根据粒子权重和协方差进行重采样参数调整,以克服粒子多样性丧失导致的滤波发散的问题。基于实际观测结果,通过比较无迹卡尔曼滤波、传统粒子滤波和改进粒子滤波的谐波估计效果开展了实验,结果表明改进粒子滤波方法可以更准确地估计电网谐波幅值和相位。相比于标准粒子滤波,3次谐波的最大估计误差降低了67.07%,并且收敛速度更快,具有较高的理论研究意义和工程应用价值。

基于改进金枪鱼优化粒子滤波算法的谐波估计

新能源快速发展和电力电子设备不断应用,在推动整个电力系统快速发展的同时,也加重了影响电能质量的谐波污染问题。对谐波的准确估计是有效解决谐波污染的前提,针对目前电力系统的谐波估计精度不高、适用性低、抗干扰性较弱等问题,提出了改进金枪鱼群优化粒子滤波算法(TSO-PF)。首先引入Tent混沌映射初始化粒子种群,使其个体分布更均匀;随后将金枪鱼的螺旋觅食和抛物线觅食两种狩猎行为引入粒子滤波算法中,通过加入高斯扰动因子和水波动态自适应因子改进策略,提升金枪鱼优化算法的寻优能力,并指导粒子向高似然区域移动,提高粒子的多样性;最后对IEEE-14节点系统进行仿真,结果表明,所提的算法具有较好的鲁棒性、精度和抗干扰能力。

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。

基于优化无迹Kalman滤波的电网动态谐波估计

提出一种基于粒子群优化的无迹卡尔曼滤波(particle swarm optimized unscented Kalman filter,PSOUKF)的电网动态谐波估计方法,利用包含种群分类与动态学习因子的改进粒子群优化算法,优化无迹卡尔曼滤波算法(unscented Kalman filter,UKF)的状态噪声协方差和观测噪声协方差,使系统噪声对电网动态谐波估计结果的影响得到充分考虑,克服了传统UKF算法将这两种方差视为常数导致的动态谐波估计精度低的缺陷.仿真结果表明,PSOKUF算法比卡尔曼滤波(Kalman filter,KF)算法和传统的UKF算法更有效,在没有增加计算复杂度的情况下,能够提高动态谐波估计精度.

混沌布谷鸟搜索算法在谐波估计中的应用

针对布谷鸟搜索(CS)算法存在后期收敛速度慢、计算精度不高和陷入局部最优等缺点,提出了混沌布谷鸟(CCS)算法。首先,通过混沌理论初始化种群来增加种群多样性;然后,对局部最优值引入混沌扰动算子来跳出早熟收敛,提高计算精度,进而完成全局优化。对4个单目标基准函数进行仿真测试,对比最优值、最差值、平均值、中位数值及标准差值,结果表明,基于CCS算法比CS算法有更快的收敛速度和更高的收敛精度。在电力系统中谐波问题成分引起电流波形畸变,电网不稳定。精确分析谐波成分是解决谐波污染的重要前提。将性能更好的CCS算法应用于谐波估计,通过比较估计均值及标准偏差,结果显示在分析谐波电流时CCS算法相比粒子群优化(PSO)算法具有更好的性能。

可再生能源系统并网过程的新型谐波估计方法

针对电网的谐波干扰,提出了一种在锁相环(PLL)中有效估计和消除电网谐波的方法。这种谐波估计算法的设计主要用于电网连接的新能源系统(RES),采用负反馈,在使用虚拟阻抗和下垂控制的基础上来估计每一个高次谐波成分。这种方法先消除没有估算之前的电网电压谐波,然后将滤波后的信号通过分频控制来得到电网电压分量的相位差,然后通过d,q坐标系即可运用很少的运算精确估计出电网电压的谐波,仿真和实验结果表明该算法实现非常快,且能对公用电网的相位、谐波进行精确估计。

基于无迹粒子滤波的电网动态谐波估计

提出一种基于无迹粒子滤波(unscented particle filter,UPF)算法的电网动态谐波估计方法.通过无迹卡尔曼滤波算法得到电网动态谐波状态量的估计值和协方差,运用这些结果改进传统粒子滤波算法的重要密度函数,采用粒子滤波算法得到电网动态谐波的最优估计值.该方法克服了无迹卡尔曼滤波算法(unscented Kalman filter,UKF)对噪声要求为高斯分布的限制和传统粒子滤波(particle filter,PF)算法易退化的缺点,保留了UKF对非线性问题的较好处理和PF强抗干扰性能力.仿真结果表明,在高斯噪声和非高斯噪声情况下,UPF算法得到的电网动态谐波幅值、相位的估计值都更接近真实值.

基于CPSO-RLS的电力系统谐波估计融合算法

针对非线性动态负载引起的谐波检测难的问题,提出了一种新的估计电力系统谐波的算法。该算法首先利用混沌粒子群算法(CPSO)的全局搜索性,对未知参数进行优化估计,然后将CPSO算法优化的值作为RLS算法模型的初始权值;最后借助RLS算法进行谐波的有效提取。通过实验仿真,与CPSO算法相比,谐波振幅估计精度最大提高7%,相角估计精度最大提高1.24%。仿真结果表明,该算法在保证收敛速度的同时具有更高的估计精度。

非整圆轮廓的谐波估计方法研究

基于RSM(响应表面法)方法建立圆轮廓的谐波模型,分析了模型的病态特征,提出了改善模型病态的方法,最后通过插值和迭代的方法将RSM模型的求解与FFT计算方法联系起来,得到了满足要求的非整圆谐波特征的估计.

一种新的二维谐波估计方法

研究了二维谐波信号相关矩阵后 ,提出了一种称之为“矩阵束的二维谐波估计 (MP2D)”算法 ,该算法既不需要求解二维特征多项式的根 ,也不需要在二维频率空间搜索谱峰 ,算法具有高效性。仿真实验表明 ,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。

零均值独立噪声背景下的二维谐波估计方法

关于信号频谱特性研究,为了提高有用信号的平稳性和精确的结果,通过定义一种特殊的四阶矩谱,提出了一种新的二维谐波频率估计方法,方法对噪声的分布和颜色无需作任何限制,而且表现出更好的计算有效性。作为一个副产品,还可以直接从频谱中估计出噪声的方差。进行仿真,结果表明能得到平稳和精确的结果,证明方法对零均值独立乘性与加性噪声背景下的二维谐波估计问题是非常有效的。

基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法。利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计。为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计。结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计。

基于精确相位HNM的语音谐波估计方法

文章介绍了一种利用精确相位HNM估计汉语语音谐波的方法。利用该方法估计的谐波比普通HNM提供的零相位法更接近实际语音谐波,从而能够提高合成语音的自然度和语音质量。

量化噪声对插值fast Fourier transform谐波估计的影响

插值fast Fourier transform(FFT)算法是对谐波频率、幅度和相位三参数进行精确估计的常见方法.信号中的噪声无疑会影响插值FFT算法的谐波估计结果.有文献讨论过信号中的白噪声对插值FFT算法谐波估计结果的影响,尚没有文献讨论过A/D(analog-to-digital)量化噪声对插值FFT算法谐波估计结果的影响.本文首先对插值FFT谐波估计算法做了简单介绍,接着对A/D量化噪声的特点进行了分析研究.在此基础上,仔细研究了量化噪声对插值FFT谐波估计方法的影响程度——给出了计算模型、进行了大量仿真计算、得出了量化噪声对谐波频率、幅度和相位3参数估计结果影响程度的结论.相信所得结论对电路设计中的A/D器件、信号调理器件等的选型有指导意义.

一类基于群智能优化算法的谐波估计方法

准确地估计谐波是抑制电网中谐波的先决条件,提出了基于群智能优化算法与最小二乘法相结合的谐波估计方法,该类方法首先应用群智能优化算法中的粒子群算法、差分进化算法、人工蜂群算法、遗传算法及细菌觅食算法分别对谐波的相位进行估计,然后由最小二乘法完成对谐波幅值的估计;最后将该类方法应用在测试信号谐波估计中,仿真结果表明了这些方法可以有效的对谐波进行估计;此外,还对比分析这五种群智能优化算法与FFT谐波估计的运算时间,收敛状况以及估计误差,比较的结果表明了该方法比传统的方法具有更好的效果。

基于PSONM和LS的电力系统谐波估计方法研究

提出了一种改进的粒子群优化算法PS0NM法,和最小二乘法相结合的电力系统谐波参数的估计方法。在传统的粒子群算法中引入单纯形机制增强了该算法的局部搜索能力,提高了收敛速度。该方法将电力系统中谐波的相角、频率和幅值视为寻优变量,利用改进PS0对各次谐波分量的非线性参数即相角和频率进行估计,然后利用最小二乘法对谐波分量的线性参数即幅值进行计算,直到达到最大迭代次数,迭代结束。在MATLAB中搭建了一个典型的仿真模型,进行仿真验证,并将仿真结果与传统的快速傅立叶变换法进行对比。结果表明,所提出的方法能够对电力谐波的幅值和相角进行准确估计,而且估计精度受高斯白噪声影响小,其性能优于FFT法。

基于共轭梯度分解算法的电网谐波估计

快速准确地对电网信号的谐波进行检测与估计,对提高现代电力系统的工作效率有重要意义。传统的快速傅立叶变换(FFT)方法速度较快,但精度不高。近年来,很多学者将谐波估计归结为一个线性极小二乘问题,并用奇异值分解(SVD)算法求解。这类方法虽然提高了精度,但奇异值分解的计算量较大,尤其大规模问题,不能达到"即时"的要求。文中基于共轭梯度分解(CGD)方法对电网中的信号进行谐波估计,不仅降低了SVD算法的计算量,同时提高了FFT的精度,并能应用到严重畸变的定期信号的估计上。初步实验结果验证了该方法的有效性。

粒子群优化自适应最小二乘法的电网谐波估计

研究基于粒子群优化自适应最小二乘法的电网谐波估计方法,针对自适应最小二乘(Recursive Least Square, RLS)算法对初始值敏感的问题,本文利用粒子群(Particle Swarm Optimization, PSO)算法得到最优化的电网谐波参数即状态向量的权重初始值,再利用自适应最小二乘法(RLS)对电网谐波参数进行参数估计。对静态和动态的电压信号进行仿真分析,并比较了不同的噪声环境下参数估计效果,最后还应用本文所提方法对电网动态子谐波和间谐波进行了仿真分析。仿真结果表明,与可变约束最小二乘方法(VCLMS),遗传算法(GA)优化参数估计方法相比,本文所提方法估计效果更优。

基于递推预测误差最小的时变电力谐波估计

提出了递推预测方法,可同时快速地跟踪各谐波分量的频率、幅值和相位。基于瞬时频率的概念,推导出可用于描述时变谐波信号的动态系统方程,其中幅值和相位是状态变量,而频率是时变参数变量。利用Newton类优化过程并通过递推最小化预测误差,所有状态和参数变量可以联合估计。大量数值仿真算例证实了该方法的有效性。

最小二乘谐波估计对GNSS坐标时间序列多路径效应提取能力的研究

在对比分析单元谐波估计与多元谐波估计这2种最小二乘谐波估计方法的数学原理及实现方法基础上,基于实际监测点的GNSS坐标时间序列,通过实验对比2种方法在提取多路径效应方面的效果。结果表明,单元谐波估计和多元谐波估计均能较好地提取多路径效应;在未发生数据中断的情况下,相比于单元谐波估计,多元谐波估计的去噪效果更明显,E、N、U三方向的剔除率分别有2.67%、2.50%、4.48%的改善;但在数据中断严重的情况下,单元谐波估计的去噪效果更好,相比于多元谐波估计,单元谐波估计在E、N、U三方向的剔除率分别有2.42%、4.65%、0.05%的提高。