一种基波分量的提取方法及装置制造方法及图纸

本发明专利技术公开了一种基波分量提取方法，包括以下步骤：1)采集电力系统中的故障信号；2)以故障信号中的基波分量、基波角频率和直流偏移量作为状态变量构建所述故障信号的非线性状态空间模型；3)利用小波多尺度将所述故障信号分解得到N层平滑信号和N层细节信号；4)利用第N层平滑信号更新无迹卡尔曼滤波器的观测值，利用第N层细节信号获得所述无迹卡尔曼滤波器的观测噪声方差；5)启动无迹卡尔曼滤波器在步骤2)中建立非线性状态空间模型上估计出基波分量的幅值与相角。该方法不仅能够快速准确地估计出信号的基波分量，还能够实时估计出故障信号的直流偏移量和基波频率。

【技术实现步骤摘要】

本专利技术涉及提取基波分量领域，特别涉及一种基波分量的提取方法及装置。
技术介绍
在电力系统微机保护算法中，如何有效滤除故障信号中的暂态噪声并快速准确地 提取出电参量是国内外学者研究热点问题。目前普遍采用全波和半波Fourier算法求取故 障信号的基波分量进行故障判断。全波和半波Fourier无法滤除信号中的衰减直流分量和 非整数次谐波分量，对频率偏移比较敏感，对测量噪声抑制能力差，计算时间长，响应速度 慢。Girgis等人将Kalman滤波引入到微机保护领域，以期望提高滤波算法的精度和速度。 Kalman滤波将各次谐波视为噪声，将衰减直流分量作为状态变量进行估计，能够有效抑制 各次谐波和衰减直流分量，且算法只需要当前周期的采样值，计算量和储存量小，能够实时 在线计算。 但是，传统的Kalman滤波普遍采用的线性状态空间方程没有考虑恒定直流分量 以及频率偏移，影响滤波算法的估计精度和对频率偏移的适应性。建立含有直流偏移量和 基波角频率的非线性状态模型，对状态方程线性化后采用线性的强跟踪Kalman滤波器估 计状态，由于采用了线性化过程，降低了滤波器的估计精度，使得估计的基波分量的精度较 低。 公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应 当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
本专利技术的目的在于提供一种基波分量提取方法，克服现有的提取算法对频率和直 流偏移量突变适应性差，使得估计的基波分量的精度较低的缺点。 为实现上述目的，本专利技术提供了一种基波分量提取方法，包括以下步骤：1)采集 电力系统中的故障信号；2)以故障信号中的基波分量、基波角频率和直流偏移量作为状态 变量构建所述故障信号的非线性状态空间模型；3)利用小波多尺度将所述故障信号分解 得到N层平滑信号和N层细节信号；4)利用第N层平滑信号更新无迹卡尔曼滤波器的观测 值，利用第N层细节信号获得所述无迹卡尔曼滤波器的观测噪声方差；5)启动无迹卡尔曼 滤波器在步骤2)中建立非线性状态空间模型上估计出基波分量的幅值与相角。 本专利技术的另一目的在于提供一种基波分量提取装置，克服现有的提取装置对频率 和直流偏移量突变适应性差，使得估计的基波分量的精度较低的缺点。 为实现上述目的，本专利技术提供了一种基波分量提取装置，包括：采集模块，用于采 集电力系统中的故障信号；建模模块，用于以故障信号中的基波分量、基波角频率和直流偏 移量作为状态变量构建所述故障信号的非线性状态空间模型；分解模块，用于利用小波多 尺度将所述故障信号分解得到N层平滑信号和N层细节信号；更新模块，用于利用第N层平 滑信号更新无迹卡尔曼滤波器的观测值，利用第N层细节信号获得所述无迹卡尔曼滤波器 的观测噪声方差；无迹卡尔曼滤波器，用于在非线性状态空间模型上估计出基波分量的幅 值与相角。 与现有技术相比，本专利技术具有如下有益效果： 1.本专利技术中的方法及装置，以故障信号的直流偏移量、基波角频率和基波分量作 为状态变量，建立无迹卡尔曼滤波器（Unscented Kalman Filter，UKF)的非线性状态方程 和观测方程。然后采集故障信号进行多尺度分析得到平滑信号和细节信号，利用平滑信号 更新无迹卡尔曼滤波器的观测值，减少故障信号暂态噪声的干扰，提高了滤波算法的收敛 速度；利用细节信号实时在线计算测量噪声的方差，提高了滤波算法的收敛精度；并通过 无迹卡尔曼滤波器估计出基波分量的幅值与相角，因无迹卡尔曼滤波器不需要对非线性系 统进行线性化，具有更高的估计精度。 2.该方法能实时估计出故障信号的直流偏移量和基波频率，对频率和直流偏移量 突变具有良好的适应性。 3.估计出的基波分量结合继电保护原理对故障进行判断，能够实现电力系统故障 的检测和选相功能。 本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变 得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明 书、权利要求书、以及附图中所特别指出的结构来实现和获得。 下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。【附图说明】 附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实 施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中： 图1是根据本专利技术基波分量提取方法的流程示意图。 图2是根据本专利技术电力系统输电线路故障模型图。 图3是根据本专利技术基波分量提取方法实施效果图。 图4是根据本专利技术提取基波频率的效果图。 图5是根据本专利技术提取直流偏移量的效果图。 图6是根据本专利技术基波分量提取装置的结构图。【具体实施方式】 下面结合附图，对本专利技术的【具体实施方式】进行详细描述，但应当理解本专利技术的保 护范围并不受【具体实施方式】的限制。 如图1所示，根据本专利技术【具体实施方式】的基波分量提取方法，包括以下步骤： 步骤SlOO :采集电力系统中的故障信号s (t); 建立如图2所示的电力系统，采集故障f处的故障信号s(t)。 步骤S102 :以故障信号s (t)中的基波分量、基波角频率和直流偏移量作为状态变 量构建所述故障信号的非线性状态空间模型； 在该步骤中，假设电力系统的电压或电流信号s(t)只包含直流分量和基波分量， 其离散时间表达式为： sk= A〇ik+Aljksin(〇kkTs+0 ljk) (I) 式中：TS为采样周期，A。,A直流偏移量，A lik为基波幅值，9 lik为基波相角，《 A 基波角频率。定义系统状态变量 x4,k= A liksin(?kkTs+ 0 lik)，x3,k= A likcos(?kkTs+ 0 lik)， X2ik= ?k，Xlik= Aak。假设第k个采样周期到第k+1个采样周期，信号没有发生突变，可认 为八。,15+产八。, 15，八1,15+产八1,15，《 15+产《15，01,15+产01, 15。贝11在第1^+1个采样周期的状态变 量x3,k+1可近似为： x3jk+1= A lik+1sin(〇k+1kTs+〇k+1Ts+ 0 l k+1) ^ AljkSin (〇kkTs+〇Js+ 0 l k) (2) = x3i kcos (x2_ Js) +x4i ksin (x2_ Js) 同理，状态变量x4,k+1可近似为： x4，k+产-x 3，ksin (x2，kTs)+x4，kcos (x2，kTs) (3) 考虑过程噪声Wk+1，得到系统状态方程用式X k+1= f(Xk)+Wk+1表示，其中： 实际的电压或电流信号还包含谐波分量和测量噪声，将这些量的总和视为观测噪 声V k。则在式（1)的基础上，得到系统观测方程用式Zk=h(Xk)+Vk表示，其中：Z k= ， h(Xk) = Xko 步骤S104:利用小波多尺度形态学将故障信号s(t)分解得到N层平滑信号 }和 N 层细目号(sd，'9d"..，5'd }; 其中，在小波多尺度形态学分析中，平滑信号和细节信号存在以下关系： s：=s；+1+^ (6)式中：i = 1，2, ? ? ?，N_1。 步骤S106:利用第N层平滑信号sas更新无迹卡尔曼滤波器的观测值，利用第N层 细节信号4本文档来自技高网...

【技术保护点】
一种基波分量提取方法，其特征在于，包括以下步骤：1)采集电力系统中的故障信号；2)以故障信号中的基波分量、基波角频率和直流偏移量作为状态变量构建所述故障信号的非线性状态空间模型；3)利用小波多尺度将所述故障信号分解得到N层平滑信号和N层细节信号；4)利用第N层平滑信号更新无迹卡尔曼滤波器的观测值，利用第N层细节信号获得所述无迹卡尔曼滤波器的观测噪声方差；5)启动无迹卡尔曼滤波器在步骤2)中建立非线性状态空间模型上估计出基波分量的幅值与相角。

【技术特征摘要】

【专利技术属性】
技术研发人员：吕思颖，黎丹，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45