野值影响下基于事件触发机制的谐波检测方法技术

本发明专利技术属于配电网技术领域，具体公开了一种野值影响下基于事件触发机制的谐波检测方法，以解决目前针对野值和通信资源受限影响下谐波检测精度不高的技术问题。本发明专利技术方法包括如下步骤：首先，针对含有直流衰减分量的谐波信号采用了一种动态检测模型，以提高谐波检测的精度；其次，为了降低系统性能对野值的敏感性并达到节省网络通信资源的目的，设计了一种融合野值检测的事件触发器；在此基础上，将事件触发机制引入卡尔曼滤波器，并充分考虑非触发误差对滤波性能的影响，以最小化误差协方差矩阵的上界为目标，获得滤波器的增益。本发明专利技术方法对于直流衰减分量及谐波的参数具有较高的检测精度。的检测精度。的检测精度。

【技术实现步骤摘要】
野值影响下基于事件触发机制的谐波检测方法


[0001]本专利技术属于配电网
，涉及一种野值影响下基于事件触发机制的谐波检测方法。

技术介绍

[0002]近年来，具有波动性大、干扰性强的电力电子装置在电力系统中被广泛使用，分布式电源并退网现象频繁发生，由此引发的谐波问题已经引起学者们的广泛关注。谐波作为一种经典的扰动形式而广泛存在，严重影响着电网的稳定运行。因此，进行快速、准确、有效地谐波检测，对于提高配电网的电能质量具有的重要意义。目前已经提出了多种方法以解决谐波的检测问题。按照不同的角度可分为频域分析法、时频域分析法、参数估计法等。
[0003]其中，快速傅里叶变换(FFT)是谐波检测领域常用的一种频域分析法，但在应用过程中容易发生频谱泄露和栅栏效应，因此很多研究中提出了改进的FFT方法。时频域分析法可以同时在时域和频域对谐波信号进行检测，例如：现有文献曾提出首先利用经验小波变换对基波和谐波进行划分，然后利用Hilbert变换对谐波的参数进行检测，其最终结果容易受到小波基函数和分解层数的影响。卡尔曼滤波(Kalman filter, KF)作为一种参数估计方法，适用于平稳和非平稳过程，凭借算法简单、精度高等特性已成为故障预测、目标跟踪等领域最基本、最重要的方法之一。到目前为止，KF在谐波检测领域已经被广泛研究。
[0004]在实际应用过程中，KF的过程噪声协方差矩阵会对滤波性能造成直接影响。针对这一问题，现有技术文献曾提出一种动态追踪模型，与传统模型不同的是，该动态追踪模型重点关注了状态变量之间的相关性，从理论上推导出了过程噪声协方差矩阵，改进了传统模型中过程噪声协方差矩阵为单位阵的缺陷，进一步提高了检测精度。
[0005]另外，在电网的实际运行过程中，电压信号除了含有周期分量以外，还存在主要以指数形式衰减的非周期分量，这会对电能质量产生较大影响。因此考虑电网中直流衰减分量和谐波同时存在的情况，建立一种具有针对性的动态检测模型具有重要的实际工程意义。
[0006]众所周知，网络通信资源十分有限。大量量测数据的传输会造成传感器能量的浪费且极大地增加通信信道的压力。在已有的通信机制中，事件触发机制是解决这一问题的有效方案，通过设计合理的触发函数，该机制可以减少传输过程中的冗余数据，从而节省通信资源。
[0007]值得一提的是，在复杂环境干扰下PMU采集到的测量数据可能会产生突发性误差，即测量野值。考虑到其幅值较大的特点，野值与最新传输值之间的差值很有可能大于预先设定的事件触发阈值，使得野值通过事件触发机制传输到滤波器中，严重降低滤波性能。因此，综合考虑通信资源受限和测量野值的影响，设计一种传输机制，在节约通信资源的同时，能够降低野值对滤波性能的影响，是目前本领域技术人员面临的一个重要挑战。

技术实现思路

[0008]本专利技术的目的在于提出一种野值影响下基于事件触发机制的谐波检测方法，以提高野值和通信资源受限影响下谐波的检测精度。
[0009]本专利技术为了实现上述目的，采用如下技术方案：野值影响下基于事件触发机制的谐波检测方法，包括如下步骤：步骤1. 建立谐波动态检测状态空间模型和量测模型；将通过传感器采样得到的电力谐波模拟信号转换为含有直流衰减分量的离散谐波信号；根据含有直流衰减分量的离散谐波信号表达式，设置系统状态变量；给定噪声和野值的假设条件，并计算过程噪声协方差矩阵；建立谐波动态检测状态空间模型和量测模型；步骤2. 建立融合野值检测的事件触发器，将传感器的量测值传输至数据处理中心；具体为：通过构造触发函数以及野值检测函数，判断当前时刻量测值是否满足事件触发条件；若满足事件触发条件，则当前时刻量测值通过通信网络传输至数据处理中心；在数据处理中心设置触发探测器以及滤波器；其中，触发探测器根据通信网络传输过来的数据判断是否发生了事件触发，滤波器用于量测值并估计谐波信号的幅值和相角；若发生了事件触发，则触发探测器赋值为1，将包含有效信息的当前时刻量测值传输到滤波器；否则，触发探测器赋值为0，利用最新时刻传输值代替当前时刻量测值；步骤3. 建立基于融合野值检测事件触发机制的卡尔曼滤波器；建立卡尔曼滤波器结构；根据已建立的谐波动态检测状态空间模型，计算一步预测值和预测误差协方差矩阵，计算估计误差协方差矩阵及其上界；通过最小化估计误差协方差矩阵及其上界的迹得到卡尔曼滤波器的增益参数；最后利用卡尔曼滤波器获得谐波状态的估计值，得到谐波信号的幅值和相角估计值。
[0010]本专利技术具有如下优点：如上所述，本专利技术针对野值和通信资源受限影响下的谐波检测问题，提出了一种野值影响下基于事件触发机制的谐波检测方法。该方法首先针对含有直流衰减分量的谐波信号，采用了一种动态检测模型；然后根据测量野值的特征，利用脉冲函数对野值进行建模，设计了一种融合野值检测的事件触发机制，对量测数据进行筛选，从而只将有效信息传输到滤波器中，在保证检测精度的同时减小了通信信道的压力。在此基础上，本专利技术还考虑了非触发误差和相关噪声对滤波性能的影响，同时从触发和不触发两种角度来推导滤波器的增益。此外，本专利技术还给出了具体的仿真实验，通过利用仿真实验验证了本专利技术所提出方法的有效性。
附图说明
[0011]图1为本专利技术实施例中野值影响下基于事件触发机制的谐波检测方法的过程示意图。
[0012]图2为本专利技术实施例中建立谐波检测模型的示意图。
[0013]图3为本专利技术实施例中融合野值检测的事件触发机制的设计过程示意图。
[0014]图4为本专利技术实施例中基于融合野值检测事件触发机制的卡尔曼滤波器的过程示意图。
[0015]图 5为野值存在时含有直流衰减分量、谐波和噪声的电压信号波形图。
[0016]图6为KF算法和本专利技术方法（OD
‑
ETM
‑
KF）对x
1,k
进行检测的效果对比图。
[0017]图7为KF算法和本专利技术方法（OD
‑
ETM
‑
KF）对x
2,k
进行检测的效果对比图。
[0018]图8为KF算法和本专利技术方法（OD
‑
ETM
‑
KF）对A
1,k
进行检测的效果对比图。
[0019]图9为本专利技术方法（OD
‑
ETM
‑
KF）下基波幅值的检测效果图。
[0020]图10为本专利技术方法下相角检测效果图。
[0021]图11为本专利技术方法在三次谐波幅值的均方根误差示意图。
[0022]图12为本专利技术方法在三次谐波相角的均方根误差示意图。
[0023]图13为本专利技术方法在五次谐波幅值的均方根误差示意图。
[0024]图14为本专利技术方法在五次谐波相角的均方根误差示意图。
[0025]图15为本专利技术方法直流衰减分量的均方根误差示意图。
[0026]图16为本专利技术方法事件触发率及基波幅值和相角的均方根误差随触发阈值的变化图。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.野值影响下基于事件触发机制的谐波检测方法，其特征在于，包括如下步骤：步骤1.建立谐波动态检测状态空间模型和量测模型；将通过传感器采样得到的电力谐波模拟信号转换为含有直流衰减分量的离散谐波信号；根据含有直流衰减分量的离散谐波信号表达式，设置系统状态变量；给定噪声和野值的假设条件，并计算过程噪声协方差矩阵；建立谐波动态检测状态空间模型和量测模型；步骤2.建立融合野值检测的事件触发器，将传感器的量测值传输至数据处理中心；具体为：通过构造触发函数以及野值检测函数，判断当前时刻量测值是否满足事件触发条件；若满足事件触发条件，则当前时刻量测值通过通信网络传输至数据处理中心；在数据处理中心设置触发探测器以及滤波器；其中，触发探测器根据通信网络传输过来的数据判断是否发生了事件触发，滤波器用于量测值并估计谐波信号的幅值和相角；若发生了事件触发，则触发探测器赋值为1，将包含有效信息的当前时刻量测值传输到滤波器；否则，触发探测器赋值为0，利用最新时刻传输值代替当前时刻量测值；步骤3.建立基于融合野值检测事件触发机制的卡尔曼滤波器；建立卡尔曼滤波器结构；根据已建立的谐波动态检测状态空间模型，计算一步预测值和预测误差协方差矩阵，计算估计误差协方差矩阵及其上界；通过最小化估计误差协方差矩阵及其上界的迹得到卡尔曼滤波器的增益参数；最后利用卡尔曼滤波器获得谐波状态的估计值，得到谐波信号的幅值和相角估计值。2.根据权利要求1所述的野值影响下基于事件触发机制的谐波检测方法，其特征在于，所述步骤1具体为：步骤1.1.首先给出含有直流衰减分量的谐波信号表达式，如公式(1)所示；y
k
=∑
ni=1
A
i
sin(iwkT+φ
i
)+A
c
e
‑
akT
(1)其中，y
k
表示理想情况下的谐波信号量测值，n表示谐波分量的最高阶数；A
i
和φ
i
分别表示第i次谐波信号的幅值和相角，i=1,2,
…
,n，w为角频率，A
c
e
‑
akT
为直流衰减分量，A
c
和a为常数，k和T分别表示采样时刻和采样周期；步骤1.2.设置系统状态变量x
k
，如公式(2)所示；x
k
=[x
1,k
x
2,k
…
x
2n
‑
1,k
x
2n,k
x
c,k
]
T
(2)其中，x
2i
‑
1,k
=A
i
sin(iwkT+φ
i
)，x
2i,k
=A
i
iwcos(iwkT+φ
i
)，x
c,k
=A
c
e
‑
akT
；步骤1.3.给定噪声和野值的假设条件，并计算过程噪声协方差矩阵；设过程噪声ω
k
=[ω
1,k
,ω
2,k
,
…
,ω
n,k
,ω
c,k
]
T
和量测噪声v
k
；其中，ω
i,k
表示第i次谐波信号的过程噪声，ω
c,k
表示直流衰减信号的过程噪声；ω
i,k
以及ω
c,k
的表达式如下所示；；；其中，ω
i
(τ)表示均值为0，且方差为σ
i2
=A
i2
/2π的正弦信号的高斯噪声；ω
c
(τ)表示均值为0，且方差为σ
c2
=A
c2
/2π的直流衰减信号的高斯噪声；ω
i
,
k
、ω
c,k
和v
k
满足不等式(3)；
||ω
i,k
|| ≤ε
i
，|ω
c,k
| ≤ε
c
，|v
k
| ≤υ
ꢀꢀ
(3)其中，ε
i
、ε
c
和υ为给定的正标量，分别对应表示ω
i
,
k
、ω
c,k
和v
k
的上界；得到，||v
k
|| ≤υ；ε是一个标量，表示||ω
k
||的上界；过程噪声ω
k
和测量噪声v
k
相关，统计特性如下：E{ω
k }=0，E{v
k
}=0，E{x
k
ω
k }=0，E{x
k
v
k }=0；Q
k
=E{ω
k
ω
lT }= Q
k
δ
k,l
，R
k
=E{v
k
v
lT }= R
k
δ
k,l
，S
k
=E{ω
k
v
lT }= S
k
δ
k,l
；其中，x
k
表示k时刻的系统状态，ω
l
和v
l
分别表示l时刻的过程噪声和量测噪声，δ
k,l
为克罗内克函数，S
k
为相关噪声协方差矩阵，R
k
为测量噪声协方差矩阵；Q
k
=diag{Q
k(1,1)
,Q
k(2,2)
,
…
,Q
k(n,n)
,Q
c.k
}为过程噪声协方差矩阵；；；其中，κ为具有可调范围的参数；定义m
k
为间歇发生的野值，描述为：；式中，m
j,k
为第j个野值的幅值，t(j)表示第j个野值出现的时刻；野值出现的时间间隔η和幅值m
j,k
满足η＞q，||m
j,k
||＞ζ；其中，η=min{θ
j
}
j≥1
为野值出现的最小时间间隔，θ
j
=t(j+1)－t(j)，q和ζ为已知正标量；步骤1.4. 考虑过程噪声、量测噪声以及野值的影响，建立谐波动态检测状态空间模型和量测模型，分别如公式(4)和公式(5)所示；x
k+1 = F x
k
+ ω
k
ꢀꢀꢀꢀꢀꢀꢀ
(4)y
k+1
= C x
k+1
+ v
k+1
+ m
k+1
ꢀꢀꢀꢀꢀ
(5)其中，x
k+1
和y
k+1
分别表示k+1时刻的系统状态和量测值，v
k +1
和m
k+1
分别表示k+1时刻的量测噪声和野值；F=diag{F1,F2,
…
,F
n
,F
c
}为状态转移矩阵；，F
c
=e
‑
aT
；C=[1 0 1 0
ꢀ…ꢀ
1 0 1]∈R1×
(2n+1)
为观测矩阵。3.根据权利要求2所述的野值影响下基于事件触发机制的谐波检测方法，其特征在于，所述步骤2具体为：步骤2.1. 利用当前时刻量测y
k
、最新时刻传输值y
ks
以及预设触发阈值γ，设计触发函数h(k)，判断当前时刻量测是否为“不必要量测”；触发函数h(k)如公式(6)所示；h(k)=(y
k
－y
ks
)(y
k
－y
ks
)
T
－γ(6)其中，ks表示第s个触发时刻，满足k0＜k1＜
…
＜ks＜
…
； 若h(k)<0，则当前时刻量测为“不必要量测”且不被传输；否则，进行下一步判断；
步骤2.2. 利用...

【专利技术属性】
技术研发人员：白星振，李顾辉，丁明玉，李晶，姚夫华，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：