基于实值MUSIC算法的电力谐波分析方法

现代谱估计方法逐渐被应用于电力谐波及间谐波的超分辨率检测与分析,其中的多重信号分类方法(MUSIC)算法最具代表性。然而,常规谱MUSIC算法在分析电力谐波时必须将实值信号转换为复频率信号,因而计算复杂度较高;此外,其伪频谱的峰值搜索过程也存在着类似栅栏效应,导致其频率分析精度有限。为了改善谱MUSIC算法对电力谐波的分析精度,本文基于子空间分析理论提出了针对实值周期信号的谱MUSIC频率检测方法,推导并给出了其伪谱函数的表达式。在此基础上,还利用Newton-Raphson算法对伪谱峰值进行迭代求精,进一步提高了谐波频率的估计精度。仿真结果表明:实值MUSIC伪谱更能有效区分真实谐波谱峰与噪声伪峰,同时本文方法的计算复杂度远远低于原有复值谱MUSIC算法,而频率估计精度与求根MUSIC算法接近,非常有利于电力谐波参数的准确获取。

基于实值Root-MUSIC和Prony算法的间谐波参数估计

提出一种实数形式的求根多重信号分类(Root-MUSIC)算法,其无需将实值转换为复频率,从而降低了计算复杂度。由Root-MUSIC多项式的根估计出信号频率,同时由这些根采用普罗尼(Prony)法中的最小二乘法估计出信号的幅值和相位。与传统先估计频率、再由其他算法估计幅值和相位的方法相比,所提方法减少了大量计算步骤。仿真结果表明,用所提方法估计的间谐波参数精度高,在存在噪声的情况下也能准确估计出谐波和间谐波频率、幅值和相位。

基于MUSIC方法在电力系统谐波恢复中的研究

电力谐波的危害不容忽视,我们根据谐波结果分析探讨并采取相应防护措施是极为重要的。本文在现代谱估计方法的基础上详细叙述了多重信号分类方法的理论,提出采用MUSIC算法恢复谐波。仿真结果表明,本方法对于恢复谐波具有良好的效果。