基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法技术方案

本发明专利技术公开了一种基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法，该检测方法为：采用卡尔曼滤波算法检测电压扰动信号，将电压有效值作为状态变量，利用卡尔曼状态变量的实时更新来确定电压有效值信息，确定电压扰动的时刻，获取电压上升或跌落的幅度信息，以便实时检测交叉供电系统的电压扰动情况。本发明专利技术考虑到电压跌落时电网往往畸变大、谐波含量，因而在建立复合电压模型时加入谐波分量；考虑到电压暂降检测中会产生角频率跟踪的偏差，将多重渐消因子引入到检测算法中，使电压信号的每一维状态通过不同的渐消因子渐消，提高检测方法的精度。

【技术实现步骤摘要】
基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法
本专利技术涉及电网动态电压补偿装置(DVR)
，具体的说是涉及一种基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法。
技术介绍
电能是一种清洁、经济实用、易于传输并且方便与其它形式能量相互转换的能源，在日常经济生活中有着不可替代的作用。电能是一种由供电部口向电力用户提供、并由双方共同保证质量的特殊商品。与其它商品一样，用户对电能的质量也有要求。随着国民经济的发展，电能质量越来越受到供用电双方的普遍重视一方面，随着电气化程度的提高，更多的用户采用了对电能特性变化敏感的高科技设备，电能质量的下降会影响这些设备的正常工作。另一方面，电弧炉、轴钢机等非线性、冲击性负荷的大量使用对电网安全稳定运行造成了危害，电能质量问题越来越突出。近年来，由电能质量问题造成的经济损失和化会影响越来越严重。因此，控制和改善电能质量对电力系统安全可靠运行有着重要的意义。为保证供电可靠性，可通过配置交叉供电DVR方式对电压暂降进行治理。准确地检测出电压暂降特征量是对暂降电压进行动态补偿的前提和先决条件。卡尔曼滤波作为一种重要的信号处理方法，可有效地动态跟踪系统的状态，在电能质量分析中，卡尔曼滤波主要用于频率跟踪、电压闪变、电压暂降等场合。
技术实现思路
本专利技术的目的是提出一种基于卡尔曼滤波的交叉供电系统电压跌落检测方法，采用卡尔曼滤波算法检测电压扰动信号，将电压有效值作为状态变量，利卡尔曼状态变量的实时更新来确定电压有效值信息，确定电压扰动的时刻，获取电压上升或跌落的幅度信息，以便实时检测电网的扰动情况。为了实现本目的，本文提供了一种基于卡尔曼滤波的交叉供电系统电压跌落检测方法，具体包括以下步骤：建立一个复合电压信号模型，其中，理想化无噪声离散化单一频率的单相电压信号可表达为：式中：k＝1,2,3...,N为采样点数；Ak为电压幅值；ωk为角频率；为相位角；Δt为采样间隔。建立一个三维电压信号状态向量，定义为这样，电压信号的状态方程和量测方程分别描述为：Xk+1＝f(Xk)+Wk(3)Zk+1＝h(Xk+1)+Vk+1(4)式中：f(Xk)和h(Xk+1)分别为系统的状态函数和量测函数；Xk+1和Zk+1分别为3维系统状态向量和1维量测向量；Wk和Vk+1分别为系统过程噪声和量测噪声。其中h(Xk)＝x1k(6)系统过程噪声Wk和量测噪声Vk+1两者为不相关的零均值高斯白噪声，对应的协方差矩阵分别Qk和Rk。统计特性满足：式中：Qk为系统过程噪声Wk听的对称非负定方差矩阵；Rk为系统量测噪声Vk的对称正定方差矩阵；δkj为Kronecker-δ函数。在建立的复合电压模型基础上，利用卡尔曼滤波算法递推地估计出电压信号的状态向量，过程如下：步骤1：初始化，选择状态估计的初值和P0。对k+1＝1,2,3,...，向下执行步骤2：计算状态一步预测值和预测协方差矩阵式中：系统状态的Jacobi矩阵步骤3：计算残差值γk+1步骤4：根据残差值γk+1求出渐消因子λk+1，并计算引入渐消因子λk+1后的预测协方差矩阵步骤5：计算增益矩阵Kk+1式中：系统状态的Jacobi矩阵步骤6：量测更新，计算状态估计值和估计误差协方差矩阵Pk+1，完成一个周期的状态估计过程步骤7：根据状态估计值提取出时变的电压信号幅值和相位与以往的技术相比，本
技术实现思路
具有如下有益效果：考虑到电压跌落时电网往往畸变大、谐波含量，因而在建立复合电压模型时加入谐波分量；考虑到电压暂降检测中会产生角频率跟踪的偏差，将多重渐消因子引入到检测算法中，使电压信号的每一维状态通过不同的渐消因子渐消，提高检测方法的精度。附图说明为了更加清晰地描述本专利技术的具体实施例，下面将对本专利技术实施方案所需使用的附图作简单介绍。图1为基于卡尔曼的交叉供电系统电压跌落检测流程图。具体实施方式为使本专利技术实施的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的零部件或具有相同或类似功能的零部件。所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面结合附图对本专利技术的实施例进行详细说明。如图1所示，基于卡尔曼滤波的交叉供电系统电压电压跌落检测算法流程，在建立的复合电压模型基础上，利用卡尔曼滤波算法递推地估计出电压信号的状态向量，过程如下：步骤1：初始化，选择状态估计的初值和P0。对k+1＝1,2,3,...，向下执行步骤2：计算状态一步预测值和预测协方差矩阵式中：系统状态的Jacobi矩阵步骤3：计算残差值γk+1步骤4：根据残差值γk+1求出渐消因子λk+1，并计算引入渐消因子λk+1后的预测协方差矩阵步骤5：计算增益矩阵Kk+1式中：系统状态的Jacobi矩阵步骤6：量测更新，计算状态估计值和估计误差协方差矩阵Pk+1，完成一个周期的状态估计过程步骤7：根据状态估计值提取出时变的电压信号幅值和相位建立电压模型方法为：一个理想化无噪声离散化单一频率的单相电压信号表达为：式中：k＝1,2,3...,N为采样点数；Ak为电压幅值；ωk为角频率；为相位角；Δt为采样间隔；建立一个三维电压信号状态向量，定义为这样，电压信号的状态方程和量测方程分别描述为：Xk+1＝f(Xk)+WkZk+1＝h(Xk+1)+Vk+1式中：f(Xk)和h(Xk+1)分别为系统的状态函数和量测函数；Xk+1和Zk+1分别为3维系统状态向量和1维量测向量；Wk和Vk+1分别为系统过程噪声和量测噪声；其中h(Xk)＝x1k系统过程噪声Wk和量测噪声Vk+1两者为不相关的零均值高斯白噪声，对应的协方差矩阵分别Qk和Rk；统计特性满足：式中：Qk为系统过程噪声Wk听的对称非负定方差矩阵；Rk为系统量测噪声Vk的对称正定方差矩阵；δkj为Kronecker-δ函数。综上，本专利技术提出一种基于卡尔曼滤波的交叉供电系统电压跌落检测方法，采用卡尔曼滤波算法检测电压扰动信号，将电压有效值作为状态变量，利卡尔曼状态变量的实时更新来确定电压有效值信息，确定电压扰动的时刻，获取电压上升或跌落的幅度信息，以便实时检测电网的扰动情况。本专利技术考虑到电压跌落时电网往往畸变大本文档来自技高网...

【技术保护点】
1.基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法，其特征在于，该检测方法为：采用卡尔曼滤波算法检测电压扰动信号，将电压有效值作为状态变量，利用卡尔曼状态变量的实时更新来确定电压有效值信息，确定电压扰动的时刻，获取电压上升或跌落的幅度信息，以便实时检测交叉供电系统的电压扰动情况。/n

【技术特征摘要】
1.基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法，其特征在于，该检测方法为：采用卡尔曼滤波算法检测电压扰动信号，将电压有效值作为状态变量，利用卡尔曼状态变量的实时更新来确定电压有效值信息，确定电压扰动的时刻，获取电压上升或跌落的幅度信息，以便实时检测交叉供电系统的电压扰动情况。


2.根据权利要求1所述的基于卡尔曼滤波的交叉供电系统动态电压跌落检测方法，其特征在于，检测方法具体如下：
在建立的电压模型基础上，利用卡尔曼滤波算法递推地估计出电压信号的状态向量，过程如下：
步骤1：初始化，选择状态估计的初值和P0。
对k+1＝1,2,3,...，向下执行；
步骤2：计算状态一步预测值和预测协方差矩阵






式中：系统状态的Jacobi矩阵
步骤3：计算残差值γk+1



步骤4：根据残差值γk+1求出渐消因子λk+1，并计算引入渐消因子λk+1后的预测协方差矩阵



步骤5：计算增益矩阵Kk+1



式中：系统状态的Jacobi矩阵
步骤6：量测更新，计算状态估计值和估计误差协方差矩阵Pk+1，完成一个周期的状态估计过程：



...

【专利技术属性】
技术研发人员：沈兴来，姜华，白金花，郭胤，李磊，周利，孙书芬，
申请(专利权)人：国网江苏省电力有限公司徐州供电分公司，国家电网有限公司，
类型：发明
国别省市：江苏;32