[发明专利]一种基于实数强跟踪滤波的电力信号突变参数测量方法

权利要求书

1.一种基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：

包括以下步骤：

步骤一：获取滤波目标信号；

步骤二：确定滤波目标信号特征；

步骤三：针对滤波目标信号，建立滤波模型，此模型为连续三次采样正弦波电压的等式关系模型，从而得到相应的状态方程、观测方程，以及离散滤波目标信号；

步骤四：根据实数型强跟踪滤波器递推规则，得到实数型强跟踪滤波器的离散算法公式；

步骤五：对离散滤波目标信号进行滤波和参数估计，得到相应的电力信号参数。

2.根据权利要求1所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：步骤一具体包括，通过电压互感器获取电力系统中的失真信号，并将该失真信号调制为弱电信号制，从而得到滤波目标信号y。

3.根据权利要求2所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：步骤二中，所述的滤波目标信号特征为，该信号为电力系统的所有正弦失真信号，包括三相或单相、电流或电压。

4.根据权利要求3所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：步骤三具体包括如下步骤：首先，将连续非线性的电力系统失真信号转换为离散时间信号y_k；之后，根据滤波目标信号的特征，采用连续三个采样时刻的电压等式关系构建滤波模型，包括状态方程和观测方程需要注意的是，当谐波和衰减直流分量导致信号失真时，建模所采用的等式关系以及构建得到的模型都需改变。

5.根据权利要求4所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：步骤四具体包括，在经典扩展卡尔曼滤波器算法公式的基础上，在递推状态预报误差协方差时引入次优渐消因子λ_k+1，保证每一步递推过程中，保持了不同时刻的残差序列处处正交；其工程意义在于,当存在模型不确定性或者电力信号参数突变时,在线调整增益矩阵K_k+1可使残差ε_k+1始终保持高斯白噪声的性质；该滤波器充分利用了残差序列中的有效信息,对电力信号参数变动具有较强的鲁棒性,而且在整个递推过程中所有的数据的数据类型均为实数型，从而得到实数型强跟踪滤波器的具体算法公式。

6.根据权利要求5所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：步骤五中利用实数型强跟踪滤波器进行滤波和参数估计采用以下步骤：

a.输入离散滤波目标信号y_k，设定遗忘因子ρ和弱化因子β，并根据该信号各项参数得到状态预报以及给定初始的预报误差协方差(此时设定离散时间k为1)；

b.计算得到输出残差ε_k+1；

c.通过此时的预报误差协方差进一步计算得到该时刻卡尔曼增益K_k，以及通过将此时的输出残差ε_k+1和遗忘因子ρ相结合运算得到该时刻的实际输出残差序列的协方差V_k+1；并进一步根据获得的卡尔曼增益K_k计算得出该时刻观测噪声协方差以及利用实际输出残差序列的协方差V_k+1和弱化因子β等数据，运算得到该时刻的次优渐消因子λ_k+1；

d.根据当前的卡尔曼增益K_k和状态预报以及输入信号y_k等数据，计算得出该时刻的状态估计值接着利用前面几步得到的观测噪声协方差和次优渐消因子λ_k+1等数据运算得出当前的估计误差协方差

e.时间参数k增加一个单位，之后重复b～d的步骤，直到滤波时间结束。

7.根据权利要求6所述的基于实数强跟踪滤波器的电力系统失真信号突变参数估计测量方法，其特征在于：所述方法还包括以下步骤：为了甄别该方法的精准性，采用标准偏差STD和差异系数COV对其精准性进行评判；另外，为了确定该方法满足实时应用，通过获得该方法每个时刻的计算时间来间接知道该方法的复杂程度，从而确定其是否满足实时应用要求。