【技术实现步骤摘要】
本专利技术涉及电力系统信号测量领域，具体涉及一种基于变分模态分解的宽频信号估计方法。
技术介绍
1、近年来，随着区域电网互联工程的快速发展和各类分布式电源的大规模并网，我国已形成世界上屈指可数的超大规模复杂电网。并且，随着新能源发电、特高压直流、柔性输电工程的大范围建设和运行，以及海量电力电子设备的并网，新能源系统由于其高度电力电子化特征逐渐在电源结构中占据主导地位。与传统电力系统相比，新型电力系统电网虽然更加绿色、高效，但安全稳定性却面临重大挑战，尤其是电网谐波谐振问题越来越突显。配电台区作为电力系统的重要组成部分之一，直接影响终端用户的生产生活，随着分布式发电、分布式储能电动汽车等新型直流源荷的加入，传统电网受到了较大影响，各类振荡现象频发。
2、将含有一个及以上频率范围在0-2500hz以内的振荡信号的电压/电流信号称为宽频信号，通过研究这类宽频信号可以获得配电台区中产生的宽频振荡信号、谐波含量等相关信息，为后续电能计量、振荡定位与抑制的研究奠定坚实基础。
3、目前，常用的电力信号监测算法有傅里叶变换、小波变换和esprit算法等。但同时，这些方法也具有相应的缺点，例如：傅里叶变换存在频谱泄露、测量精度不高等问题；小波变换的求解精度依赖于小波基的选取，选取不当，则测量误差增大；而esprit算法，虽然具有频率求解准确、不受频率分辨率的影响等优点，但当基波动态变化或者有噪声存在时，幅值和相角的测量精度会下降。
4、因此，如何提供一种基于变分模态分解的宽频信号估计方法，是本领域技术人员亟需解
技术实现思路
1、有鉴于此，本专利技术提供了一种基于变分模态分解的宽频信号估计方法，通过将变分模态分解算法和动态相量模型结合使用，充分考虑到了宽频信号的动态特性，有效提高了信号测量精度。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于变分模态分解的宽频信号估计方法，包括以下步骤：
4、通过离散采样获取电网中的宽频信号；
5、对所述宽频信号进行处理，并根据处理结果对变分模态分解算法进行初始化；
6、利用初始化后的变分模态分解算法提取所述宽频信号中各模态分量的波形信息，以及对应的中心频率；
7、根据所述各模态分量的波形信息和中心频率建立基于泰勒级数展开的宽频信号动态相量模型；
8、基于所述宽频信号动态相量模型，利用频率追踪方法对所述中心频率进行修正；
9、根据修正后的中心频率，通过最小二乘方法对所述宽频信号动态相量模型进行求解，得到各模态分量的相量值及参数信息。
10、本专利技术利用多频率的动态相量模型建立宽频信号动态向量模型，并将其与变分模态分解算法结合起来，既考虑到了宽频信号各分量的动态变化情况，也降低了噪声影响，有效提高了信号测量精度。
11、进一步的，通过对所述宽频信号进行处理，根据处理结果对变分模态分解算法进行初始化，具体过程为：
12、确定变分模态分解算法的初始输入参数为分解模态数和惩罚因子；
13、对所述宽频信号进行快速傅里叶变换处理，获取频点数，并根据所述频点数确定分解模态数；
14、考虑环境噪声情况，设定惩罚因子值。
15、进一步的，利用初始化后的变分模态分解算法提取所述宽频信号中各模态分量的波形信息，以及对应的中心频率，具体过程为：
16、对所述宽频信号进行变分模态分解，对分解得到的模态分量进行处理，得到有约束变分问题；
17、将所述有约束变分问题转化为无约束问题进行求解；
18、对求解结果进行傅里叶逆变换，并去除噪声模态，得到各模态分量的波形信息，以及对应的中心频率；
19、其中，所述有约束变分问题的表达式为：
20、
21、式中，δ(n)为狄拉克函数；j为复数表示；*为卷积运算；xi(n)为第i个模态分量的采样信号；为对模态分量进行希尔伯特变换得到的单边频谱；ωi为第i个模态分量对应的角频率，{ωi}＝{ω0,…,ωm}为中心频率的集合；表示所有模态分量的波形总和；x(n)为原始宽频信号；i+1为分解模态数；为梯度的平方范数；
22、所述无约束问题的求解公式为：
23、
24、式中，kk为迭代次数，为第i个模态分量波形的第kk次迭代值，为第i个模态分量波形迭代的最终值，sgn(·)为符号函数，α为惩罚因子，ω为初始角频率，为第i个模态分量角频率的第kk次迭代值，为第i个模态分量所有波形迭代值的和，为拉格朗日因子的第kk次迭代值。
25、对求解结果进行傅里叶逆变换，并去除噪声模态，得到各模态分量的波形信息，以及对应的中心频率，具体过程为：
26、对求解结果进行傅里叶逆变换的公式为：
27、
28、
29、式中，为第i个模态分量中心频率迭代的最终值；
30、去掉噪声模态，得到各模态分量的波形信息集以及对应的中心频率集ωf＝[ωf1,…,ωfi]。
31、进一步的，根据所述各模态分量的波形信息和中心频率建立基于泰勒级数展开的宽频信号动态相量模型，具体过程为：
32、根据所述各模态分量的波形信息和中心频率建立宽频信号模型：
33、
34、
35、式中，x(t)为频率分量的相量值，x(t)为宽频信号的数学表示，(·)*为共轭符号，ai(t)为第i个模态分量的低频带限相量，为旋转调制相量，i为信号中含有的模态分量数，fi为第i个模态分量对应的中心频率，δfi为第i个模态分量的频率偏差；
36、将ai(t)展开为泰勒级数，并代入宽频信号模型，最终得到离散化信号，涉及到的公式如下：
37、
38、
39、
40、ωi＝2πfi/fs
41、式中，为ai(t)的k阶导数；k为泰勒级数的最高阶数；δ为泰勒级数高阶误差；fs为采样频率，δωi为第i个模态分量的角频率偏差值；
42、对x(n)进行变分模态分解：
43、
44、进一步的，基于所述宽频信号动态相量模型，利用频率追踪方法对所述中心频率进行修正，具体过程为：
45、基于所述宽频信号动态相量模型，分别对变分模态分解得到的各模态分量及对应的中心频率进行滤波：
46、
47、式中，xi(tm,ωfi)为第i个模态分量在tm时刻使用ωfi滤波的结果，n为窗长，h(n)为窗函数序列，m是数据窗口序号，tm为第m个数据窗口中心时间，tref为参考时刻，lm是tref到tm的采样距离，ωfi为滤波角频率；
48、取m个窗可得：
49、
50、
51、
52、式中，为前一半窗所求滤波函数的和，ii和ij为序号，为第ii个窗的滤波函数本文档来自技高网...
【技术保护点】
1.一种基于变分模态分解的宽频信号估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于变分模态分解的宽频信号估计方法，其特征在于，通过对所述宽频信号进行处理，根据处理结果对变分模态分解算法进行初始化，具体过程为：
3.根据权利要求1所述的一种基于变分模态分解的宽频信号估计方法，其特征在于，利用初始化后的变分模态分解算法提取所述宽频信号中各模态分量的波形信息，以及对应的中心频率，具体过程为：
4.根据权利要求3所述的一种基于变分模态分解的宽频信号估计方法，其特征在于，对求解结果进行傅里叶逆变换，并去除噪声模态，得到各模态分量的波形信息，以及对应的中心频率，具体过程为：
5.根据权利要求4所述的一种基于变分模态分解的宽频信号估计方法，其特征在于，根据所述各模态分量的波形信息和中心频率建立基于泰勒级数展开的宽频信号动态相量模型，具体过程为：
6.根据权利要求5所述的一种基于变分模态分解的宽频信号估计方法，其特征在于，基于所述宽频信号动态相量模型，利用频率追踪方法对所述中心频率进行修正，具体过程为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。