基于改进TLS-ESPRIT与自卷积窗的谐波与间谐波检测算法

随着光伏发电系统大规模接入电网,不可避免地带来了严重的谐波污染问题。为了有效监测光伏并网系统输出电流的谐波、间谐波,提出了一种基于改进快速最小二乘法-旋转不变法(total least squares-estimation of signal parameters via rotational invariance technique,TLS-ESPRIT)与2阶Blackman-Harris自卷积窗相结合的检测方法。首先对待测信号进行三次采样并利用快速TLS-ESPRIT算法检测频率。随后对检测结果基于简化K-means聚类算法进行分析,提取出真实的谐波分量。最后结合2阶Blackman-Harris自卷积窗对信号进行加窗插值计算,准确估算出其幅值、相位信息,实现了谐波、间谐波的高精度检测。仿真算例和现场数据测试结果表明,所提方法相较于传统方法具有更高的谐波、间谐波检测精度,且抗干扰能力更强。

基于改进平方检测与自适应TLS-ESPRIT的电压闪变参数检测方法

针对新型电力系统下电压闪变包络难以准确提取、闪变参数难以实时估计的问题,通过改进的平方检测法准确提取电压闪变包络,基于相邻奇异值比构建自适应TLS-ESPRIT算法,提取包络信号的频率信息,推导自适应TLSESPRIT算法的闪变频率算式,计算闪变幅值信息,据此提出基于改进平方检测与自适应TLS-ESPRIT的闪变参数检测方法,开发基于虚拟仪器的电压闪变参数检测实验平台。仿真实验表明,所提算法在噪声与谐波干扰下,能有效估计电压闪变参数,并能有效克服单频、多频调幅波调制与电网基频波动的影响。对比传统电压闪变参数检测算法,所提算法计算简单、闪变参数检测误差小。

基于SURE小波消噪和归一化奇异熵TLS-ESPRIT法的低频振荡辨识

在对低频振荡信号特征参数的提取过程中往往会存在噪声干扰和辨识算法定阶不准确的问题。针对此问题,提出了Stein的无偏似然估计(SURE)小波阈值消噪和总体最小二乘-旋转不变技术(TLS-ESPRIT)相结合的方法,用于提取振荡模态的参数。首先利用SURE小波阈值消噪技术实现对振荡信号的预处理,提升信号的信噪比,而后将处理后的信号作为新的主导信号利用TLS-ESPRIT算法进行振荡参数的辨识。在辨识算法的关键定阶问题上,提出的归一化奇异熵的定阶方法能使信号模态阶数的估计值更加接近真实值。通过对数值信号算例和PSASP中EPRI8机36节点系统算例进行仿真,并与传统算法进行对比,验证了该改进方法的可行性和精确性。

基于TLS-ESPRIT的改进空间平滑相干信号DOA估计算法

由于噪声的存在,现有的相干信号波达方向估计算法在低信噪比、小快拍数和小信号间隔条件下,性能下降严重。针对这一问题,本文提出一种基于总体最小二乘法——旋转不变子空间(Total Least Squares-Estimating Signal Parameter via Rotational Invariance Techniques,TLS-ESPRIT)算法的改进前后向空间平滑方法,对相干信源波达方向(Direction of Arrival,DOA)进行估计。该方法利用了信号的强相关性和噪声的弱相关性,通过时空相关协方差矩阵重构平滑后的阵列协方差矩阵,并将得到的新协方差矩阵应用于TLS-ESPRIT算法进行DOA估计。通过与其他几种传统的解相干算法建模仿真对比,该算法在相干源之间的DOA距离较近、信噪比(Signal Noise Ratio,SNR)较低和快拍数较小的情况下可以更好地估计波达方向,且具备更高的分辨率和精度。

基于EEMD和TLS-ESPRIT的谐波间谐波检测方法

总体平均经验模态分解(EEMD)可以在噪声环境下对信号进行准确的分解,克服了EMD分解过程中产生频率混叠和虚假模态的缺陷。总体最小二成旋转不变技术(TLS-ESPRIT)算法本身具有很好的消噪能力,用TLS-ESPRIT算法可以准确地辨识出信号的参数。结合两者的优点,提出了基于EEMD和TLS-ESPRIT的谐波、间谐波检测方法,结合EEMD分解后的各阶分量的能量来确定电网中真实的谐波、间谐波分量。仿真结果验证了所提方法的可行性和有效性。

基于快速TLS-ESPRIT的间谐波检测算法

提出改进的快速TLS-ESPRIT(全局最小二乘子空间旋转不变)算法,其在TLS-ESPRIT算法的基础上,通过降低奇异值分解维数,减小了计算量,并对计算结果不产生影响,可高精度地辨识电力系统中任意组合谐波和间谐波的频率、幅值和相位参数信息。在采样间隔10μs、采样2000点的实验条件下,用仿真信号(含均方差为1的白噪声)和实际牵引变电站监测信号进行间谐波分析试验,结果表明,该方法具有良好的频率分辨率和抗噪声能力,能够在较短的数据窗内有效地辨识出信号中的主要谐波和间谐波分量,计算误差小于0.5%;并且算法仅对周期信号敏感,不受频谱泄漏影响,实用性强。

TLS-ESPRIT算法在低频振荡分析中的应用

提出了一种新的电力系统低频振荡模式辨识方法,即基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法。该算法是一种基于子空间的高分辨率信号分析方法,直接以测量数据构成的数据矩阵为基础,把信号空间分解为信号子空间和噪声子空间,能够高精度地辨识电力系统低频振荡的模式,进而可以为设计阻尼控制器提供依据。文中首先简要介绍了TLS-ESPRIT算法的基本理论,然后通过合成信号、4机2区域系统和新英格兰10机39节点系统3个算例,验证了该算法的正确性和有效性,对实现低频振荡在线/离线监测具有应用价值。

TLS-ESPRIT法在电压闪变参数估计中的应用

传统闪变检测方法以准确提取调幅波包络线为前提,过程复杂,运算量大。将TLS-ESPRIT法直接用于闪变检测,提出将电压闪变信号通过三角函数分解转化成间谐波信号,构成数据矩阵并进行奇异值分解(SVD),通过总体最小二乘法(TLS)求解旋转方程得到频率,用最小二乘法(LS)估计幅值,并由信号转化等式求得电压闪变信号的频率和幅值。针对被间谐波污染的闪变信号,提出根据双边带特性,检测间谐波频率并进行处理。仿真结果表明:直接检测闪变信号,估计信号参数,实现过程简单,运算量小,且TLS-ESPRIT法抗噪能力强,有效提高了低信噪比条件下闪变信号的检测精度。

TLS-ESPRIT在电力系统信号高精度频谱估计中应用

提出一种电力系统信号频谱估计方法,即基于总体最小二乘法-旋转不变技术的信号参数估计方法(TLS-ESPR IT)。它是基于子空间的信号分析方法,具有较高的频率分辨率。直接以测量数据构成的Hankel数据矩阵为基础,避免求取信号的相关矩阵,简化了计算。把信号空间分解为信号子空间和噪声子空间,能够使用较短的采样数据高精度地辨识信号的频谱信息。用包含谐波分量和间谐波分量的测试信号以及CIGRE直流输电标准测试系统进行仿真,结果验证了该方法在电力系统频谱估计中的有效性。

基于TLS-ESPRIT算法的附加励磁阻尼控制抑制次同步振荡

基于TLS-ESPRIT算法进行次同步振荡研究,将发电机机械阻尼系数取为0,以时域仿真的角速度偏差信号构成的数据矩阵为基础,用TLS-ESPRIT算法高精度地辨识出次同步振荡中各模态的频率及其对应的衰减系数,并与现场测得的模态阻尼相比较,判断次同步振荡的稳定性。该方法在难以获得弹簧-质量块模型阻尼系数的情况下依然可以判断次同步振荡稳定性,并且适用于多机系统分析。进一步提出了基于TLS-ESPRIT算法的附加励磁阻尼控制(SEDC)设计策略,以IEEE第二标准模型SYS-2为研究对象,设计了SEDC的具体参数。仿真结果表明,所设计的SEDC能有效抑制次同步振荡。

TLS-ESPRIT算法在次同步谐振在线监测中的应用

针对传统的监测次同步谐振(SSR)的方法很难做到一次性得到振荡的有用信息并判断振荡的发展趋势的不足,提出了一种电力系统次同步谐振在线监测新方法——基于TLS-ESPRIT算法的频率-幅值-衰减系数法。该方法直接分析发电机轴系的瞬时转速,可以快速、精确地得到轴系振荡中存在的频率、幅值及其衰减系数,进而判断SSR是否发生及其发展趋势。并且由于子空间技术的存在,使其具有极好的抗噪能力。得到的结果经过理论分析可以达到监测次同步谐振的目的,实验算例结果表明该方法是切实可行的。

基于奇异熵TLS-ESPRIT算法的微电网小信号稳定性分析

针对微电网的小信号稳定性进行了研究。基于奇异熵和TLS-ESPRIT算法,提出了一种能直接从微电网运行数据中提取其小信号稳定模态的方法。该方法利用有效信号和噪声在奇异熵方面的显著差异来准确识别信号模态的阶数,有效抑制噪声干扰,并利用TLS-ESPRIT算法精确提取信号模态信息。仿真结果表明,所提方法较传统的Prony算法在计算复杂度和精度方面都具有明显的优势,且该方法能有效识别微电网在并网或孤网运行模式下的小信号稳定模态。

基于TLS-ESPRIT辨识的多直流控制敏感点研究

多直流输电系统的出现及发展,使得通过直流附加控制抑制低频振荡的方法更加复杂也更加灵活,附加直流控制地点选择与振荡抑制效果息息相关,可定义低频振荡控制敏感点为附加控制器对系统不同振荡模态的最佳安装位置。提出了通过TLS-ESPRIT方法辨识各直流扰动情况下发电机加权功角曲线,得到振荡模态对应于各条直流的多直流控制因子,通过多直流控制因子确定振荡模态的控制敏感点,附加控制器的参数通过综合性能指标进行整定,在控制敏感点附加直流调制将获得最优的控制效果。以川渝电网振荡模态为算例对四川电网多直流输电系统进行了仿真验证,结果表明了控制敏感点的准确性。

基于奇异值分解和TLS-ESPRIT的电能质量扰动信号检测方法

为了能有效地改善电能质量,准确地对电能质量扰动信号的发生及结束时间以及其特征参数进行检测是其前提。文章提出将奇异值分解与TLS-ESPRIT算法相结合来对暂态电能质量扰动进行检测。首先利用基于奇异值分解的方法对暂态电能质量信号进行定位,可以得到较为准确的定位效果。然后以定位点为界,向前及向后各取一个周期的采样信号,对得到的信号利用TLS-ESPRIT算法进行计算,可以估算得到信号的幅值、频率等特征参数。利用这些参数可进一步对扰动类型进行判别。仿真实验结果表明,该方法仅需较短的采样信号,对电压暂降、电压暂升、频率偏差、谐波、谐波加暂降、暂态振荡等多种电能质量扰动信号有较高精度的检测效果。

基于改进形态滤波与TLS-ESPRIT算法的电力系统低频振荡模态辨识

针对广域测量低频振荡辨识过程中的噪声干扰和定阶问题,提出一种高精度低频振荡模态辨识方法。该方法基于粒子群优化算法(PSO-GA)设计广义形态滤波器的加权参数,改进后的滤波器可以较好去除噪声;将低频振荡信号通过该滤波器滤波后再使用改进总体最小二乘法-旋转不变技术(TLS-ESPRIT)算法进行模态辨识,可以准确获得各个模态参数。对于辨识算法的定阶问题,把奇异值差值与最大奇异值比值引入到TLS-ESPRIT算法中,采用该方式进行系统定阶,不仅计算量和受主观因素影响小,而且还可以提高辨识效率以及辨识的准确性。通过系统模型仿真以及电网实际案例证明提出的方法能够较快速准确地辨识低频振荡参数,且在抗噪性及辨识精度方面有较大的优势。

基于数学形态学滤波技术和TLS-ESPRIT算法的低频振荡模式辨识研究

针对传统Prony方法对噪声敏感和辨识精度不高的局限性,提出一种新的低频振荡模式辨识方法,实现了在有噪声干扰情况下低频振荡模式的准确辨识。该方法基于数学形态学设计出一种多结构元素的并行复合形态滤波器,可有效滤除多种噪声,保留更多的有用信息。对消噪后的信号采用基于总体最小二乘法-旋转不变技术的信号参数估计(TLS-ESPRIT)算法进行辨识,从而获取低频振荡各个模式参数。通过算例仿真,说明所提出的方法是可行和有效的。

基于功率和相位联合估计TLS-ESPRIT算法的极化干涉SAR数据分析

在推导各散射信号功率计算方法的基础上,提出基于功率和干涉相位联合估计的TLS-ESPRIT方法。因为干涉图像中的各主散射波和干涉相位能被分别估计,所以该算法可以利用同一分辨单元中不同散射机制后向散射信号功率的不同,将干涉相位分类实现散射中心分离。该方法通过提取两个占优势的相位得到两个高度,从而分别检测出森林的植被层和地表,特别是当散射波不相关并有不同的极化特性时,该方法有较好的性能,从而提高植被高度参数的估计精度。详细阐述该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行分析处理,验证算法的有效性。

采用小波分析和TLS-ESPRIT的DOA估计算法

在阵列信号精度优化算法的研究中,针对传统波达方向(Direction of Arrival,DOA)估计算法在低信噪比条件下性能表现不佳的问题,本文提出了一种采用小波分析与TLS-ESPRIT相结合的DOA估计联合算法。该算法首先对强噪声背景下阵列天线所接收的观测信号进行小波分析,选取高频小波系数置零的强制消噪方式进行降噪处理;继而将预处理后的观测矩阵用TLS-ESPRIT方法进行DOA估计。理论分析和仿真结果均表明:在相同快拍数和阵元数的情况下,较之传统的DOA估计方法,联合算法具有更低的信噪比门限,并且能实现更为准确的DOA估计。

基于TLS-ESPRIT法的线路故障暂态分量特征提取

传统的线路故障暂态分析建模复杂,暂态分量特征量求取精度较低,将TLS-ESPRIT(总体最小二乘-基于旋转不变技术的信号参数估计)法应用于线路故障暂态分量的特征量提取,对暂态分量中的频率、幅值、衰减系数等参数进行辨识。该方法抗噪能力强,计算量小,可用于现场暂态信号分析,且可通过提取的特征量实现对现场电量的重构。通过仿真验证了TLS-ESPRIT算法在输电线路发生短路故障时提取暂态分量特征的可行性。

冲击噪声下的改进TLS-ESPRIT算法研究

在冲击噪声背景和相干信源下,基于高斯白噪声的DOA估计算法完全失效,为了解决该问题,本文提出了一种改进的TLS-ESPRIT算法。本算法的原理是结合分数低阶矩阵知识,将空间平滑理论应用于TLS-ESPRIT算法之中。本文算法无需进行空间谱搜索,因而大大地减少了计算量。计算机仿真实验证明,在冲击噪声背景和多径干扰下,新算法能够精确地估计信源的波达方向。