[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

说明书

技术领域

本发明属于电力系统领域，涉及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。

背景技术

参数估计对于现代电力系统的运行有着重要意义。本发明所述的参数估计主要包括幅值、频率和相位的估计，三者的估计结果分别反映了电力系统信号的变化的范围、变化的快慢以及信号开始时的情况，因此幅值、频率和相位的估计对于确定电力系统信号内部信息具有决定性作用。通常而言，在电力系统的参数估计中，频率估计是目前要解决的核心和难点。电力系统数字化保护中，继电器采用基于频率的信号处理算法，从采样得到的电压信号或电流信号中，可估计系统状态信息。在电能质量监控领域，电力信号的电压幅值和相位检测皆是基于频率测量而进行的。在分布式发电系统并网过程中，根据频率测量值可分析供电设备与电网之间的动态能量平衡关系。但是电力系统中电力电子装置的广泛使用，可控硅转换装置和高频逆变器注入非正弦电流信号，导致电力信号受到谐波和噪声信号的破坏而失真。因此快速并准确测量失真电压(电流)信号频率成为当前电力系统研究热点。

目前，国内外比较常用的方法有快速傅里叶变换，最小二乘法、牛顿递归法、自适应陷波滤波法、最小均方误差法、正交分量滤波法等方法。这些方法各具特点，只能针对某一特定的工程问题，在强噪声和谐波干扰条件下，大多表现不尽如人意。而卡尔曼滤波法能够克服噪声和谐波的影响，准确地估计信号的频率、相位和幅值。因此针对非线性系统正弦波频率估计，提出扩展复数卡尔曼滤波器应用于畸变电压信号的频率和幅值跟踪。然而由于扩展卡尔曼滤波在系统达到工况时，失去了对幅值和频率等电气参数突变工况的跟踪能力。为此提出了采用滞环比较的方法重置误差协方差阵，然而滞环比较的上下限阈值仅根据噪声的强度取经验值，自适应能力差。随着强跟踪滤波器思想的提出，采用强跟踪滤波器对电力系统失真信号参数估计，综合解决了滤波发散和跟踪突变能力不强等问题，但是在数值计算过程中，次优渐消因子的计算和分析比较需在复数域中完成，计算过程复杂，特别是针对高维过程。

因此，目前需要一种能够既降低运算复杂程度，又满足在线应用的实时性和有效性，并能提供快速准确跟踪的方法。

发明内容

有鉴于此，本发明的目的在于提供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，此算法利用三次采样正弦波关系模型对信号的平滑能力，以及强跟踪滤波器的自适应能力，改进了对信号突变跟踪的鲁棒性。另外，由于此算法考虑了实数型强跟踪滤波器，避免了复数型强跟踪滤波器的复杂运算过程。从而避免了复杂的方差重置规则设计，保证了此方法在线应用的实时性和有效性。

为达到上述目的，本发明提供如下技术方案：

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，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。

进一步，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。

进一步，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。

进一步，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。

进一步，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。