基于快速S变换和卡尔曼滤波算法的电能质量分析系统研究

发布时间：2017-08-15 09:23

  本文关键词：基于快速S变换和卡尔曼滤波算法的电能质量分析系统研究

  更多相关文章： 电能质量 快速S变换 扩展卡尔曼滤波 实时分析 DSP

【摘要】：随着我国电网的发展和社会的进步,越来越多的大容量分布式电源、大功率电力电子装置接入电网,给电网电能质量问题带来了前所未有的挑战,电力供应的质量问题也正日益受到关注。保证供电可靠性和电能质量已被提升到了国家电网核心责任的高度。因此,开展对电能质量信号分析等问题的研究具有重要的理论和实践意义。深入研究电能质量问题需要有效的算法来提取出电能扰动波形的特征量。本文就这一问题介绍了一种快速S变换法,它是经典S变换法的改进算法,能够消除经典S变换结果中的冗余信息,因而减小了计算复杂度和计算所需的存储空间。快速S变换法的计算复杂度与快速傅里叶变换相当,能够实时在线运行。本文用该算法和小波变换对电力系统主要的暂态扰动信号进行分析,对比分析结果表明该算法能够有效提取出电能扰动波形的特征量,而快速S变换比小波变换有更好的抗噪声性能。为了能够更加稳定、快速和准确的提取出电能扰动信号的瞬时幅值、瞬时频率和瞬时相位等特征参数,本文提出了基于扩展卡尔曼滤波的改进算法。该算法将快速S变换法与传统卡尔曼滤波算法相结合,将快速S变换法提取出的信号特征量引入到卡尔曼滤波算法中,改善了原算法跟踪快速突变信号的性能,提高了原算法计算突变信号特征参数的抗噪声能力。本文通过MATLAB仿真实验验证了该算法的有效性。最后设计了一个由DSP硬件电路和计算机软件组成的系统。通过DSP硬件电路采样信号发生器产生的电能质量波形,接着按TCP协议将数据打包并上传到计算机上,然后由计算机按本文介绍的两个算法完成电压信号的特征量提取和特征参数计算。实验表明本文提出的方法能够实现电能质量信号的实时分析。
【关键词】：电能质量 快速S变换 扩展卡尔曼滤波 实时分析 DSP
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM711
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-16
• 1.1 选题的背景和意义9-10
• 1.2 国内外研究概况10-14
• 1.2.1 电能质量事件特征参数计算方法11-13
• 1.2.2 电能质量事件分类方法13
• 1.2.3 电能质量分析仪器的实现13-14
• 1.3 本文的主要工作14-16
• 2 基于快速S变换算法的电能质量信号时频域分析16-36
• 2.1 S变换的理论基础16-17
• 2.2 S变换的性质17-18
• 2.3 离散S变换算法18-19
• 2.4 快速S变换算法19-25
• 2.4.1 时频分布的采样原理20-23
• 2.4.2 算法的计算复杂度和存储空间要求23-25
• 2.5 快速S变换算法对电能质量信号的分析25-35
• 2.5.1 时频分析方法对电压暂态扰动的分析对比25-31
• 2.5.2 系统抗噪声设计31-32
• 2.5.3 时频分析算法抗噪声性能比较32-35
• 2.6 本章小结35-36
• 3 基于改进卡尔曼滤波算法的电能质量信号特征参数计算36-55
• 3.1 线性卡尔曼滤波算法的原理36-39
• 3.2 卡尔曼滤波算法结果意义讨论39-40
• 3.3 扩展卡尔曼滤波算法40-42
• 3.4 电力系统电压信号的扩展卡尔曼滤波模型42-43
• 3.5 对扩展卡尔曼滤波算法的改进43-47
• 3.5.1 抗噪声性能的改进44-45
• 3.5.2 跟踪电压幅值突变性能的改进45-47
• 3.6 改进的扩展卡尔曼滤波算法对电能质量信号的分析47-54
• 3.6.1 对暂态电能质量波形的跟踪47-50
• 3.6.2 对稳态电能质量波形的跟踪50-54
• 3.7 本章小结54-55
• 4 实时分析算法的设计与实现55-62
• 4.1 信号采样和数据发送的硬件实现55-58
• 4.2 算法的计算机软件实现58-61
• 4.3 本章小结61-62
• 5 总结与展望62-64
• 5.1 全文小结62-63
• 5.2 本文不足与工作展望63-64
• 致谢64-66
• 参考文献66-72
• 附录1 IEEE 34节点分布式系统部分参数72-75
• 附录2 抽样率变换滤波器参数75-76

【相似文献】

中国期刊全文数据库 前10条

1 兰义华;任浩征;张勇;赵雪峰;;一种基于“当前”模型的改进卡尔曼滤波算法[J];山东大学学报(工学版);2012年05期

2 张哲;陈德树;;卡尔曼滤波算法与富氏算法的分析比较[J];电力系统自动化;1990年04期

3 万建伟,皇甫堪,梁甸农;基于推广卡尔曼滤波算法的声测定位技术[J];国防科技参考;1997年04期

4 夏建涛,任震,陈立,景占荣;极坐标下卡尔曼滤波算法的研究[J];西北工业大学学报;2000年03期

5 高磊,崔鑫水;一种自适应协方差矩阵旋转变换卡尔曼滤波算法及其应用[J];航天控制;2004年03期

6 高磊;一种反馈修正推广卡尔曼滤波算法及其应用[J];航天控制;2004年05期

7 刘剑锋;庄志洪;刘中;;卡尔曼滤波算法在最佳起爆角估计中的应用[J];弹箭与制导学报;2005年S1期

8 阮建国;陈炯;;一种适于快速实现的卡尔曼滤波算法的改进[J];电测与仪表;2009年02期

9 陈陌寒;巴晓辉;何璐;陈杰;;复杂信号环境下的鲁棒卡尔曼滤波算法[J];科学技术与工程;2011年17期

10 李莉;宋志强;;转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J];仪器仪表用户;2011年04期

中国重要会议论文全文数据库 前9条

1 刘栋;王惠林;;卡尔曼滤波算法在目标定位系统中的应用[A];第九届全国光电技术学术交流会论文集（上册）[C];2010年

2 周红波;耿伯英;;基于目标跟踪的无偏转换测量卡尔曼滤波算法研究[A];2007中国控制与决策学术年会论文集[C];2007年

3 陈婧;谢磊;李备;;水路交通中的卡尔曼滤波算法综述[A];第七届中国智能交通年会论文集[C];2012年

4 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

5 曾翠娟;杜传利;;动态GPS自适应卡尔曼滤波算法的FPGA实现[A];第13届全国计算机、网络在现代科学技术领域的应用学术会议论文集[C];2007年

6 李鹏;宋申民;陈兴林;;自适应平方根无迹卡尔曼滤波算法[A];2009年中国智能自动化会议论文集（第八分册）[控制理论与应用（专刊）][C];2009年

7 程慧俐;王纪文;张洪钺;;在未知噪声统计情况下的一种新的自适应卡尔曼滤波算法[A];1994中国控制与决策学术年会论文集[C];1994年

8 刘健;刘忠;玄兆林;;纯方位目标运动分析的自适应扩展卡尔曼滤波算法[A];2005年全国水声学学术会议论文集[C];2005年

9 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

中国博士学位论文全文数据库 前5条

1 孙景荣;X射线脉冲星导航及其增强方法研究[D];西安电子科技大学;2014年

2 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

3 冯波;线性滤波估计算法研究及在惯性导航系统中的应用[D];北京理工大学;2014年

4 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年

5 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 庞瀛洲;关于电池BMS系统SOC估测算法的研究[D];长安大学;2015年

2 张冬梅;基于改进卡尔曼滤波算法的SOC估计方法研究[D];西南交通大学;2015年

3 林燕平;长基线导航系统滤波算法的研究与实现[D];沈阳理工大学;2015年

4 唐鹏;基于ADS-B数据监视性能评估技术研究[D];中国民航大学;2015年

5 陈辰;基于卡尔曼滤波算法的短期风电功率预测[D];新疆大学;2015年

6 马康健;基于分布式共识的无线传感器网络目标跟踪技术研究[D];哈尔滨工业大学;2016年

7 周暄承;可穿戴计算中能效提高策略研究[D];南京邮电大学;2016年

8 杜振新;基于无迹卡尔曼滤波算法的动力电池剩余电量估算[D];长安大学;2016年

9 张弛;基于无迹卡尔曼滤波算法的某民航发动机性能衰退分析[D];中国民航大学;2016年

10 张兵;基于突变扰动的SOC估算研究[D];重庆邮电大学;2016年

，

本文编号：677400