一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法
【專利摘要】本申請(qǐng)公開了一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法，包括：選取電網(wǎng)的動(dòng)態(tài)采樣信號(hào)序列組成自相關(guān)矩陣；確定自相關(guān)矩陣的有效秩和動(dòng)態(tài)采樣信號(hào)序列的頻率分量數(shù)；建立AR模型，求解所述AR模型的模型參數(shù)；利用Prony算法，確定動(dòng)態(tài)采樣信號(hào)表達(dá)式及復(fù)序列，動(dòng)態(tài)采樣信號(hào)序列由所述復(fù)序列在滿足平方誤差最小條件下表示；將所述模型參數(shù)對(duì)應(yīng)的特征多項(xiàng)式根帶入所述復(fù)序列，求解所述動(dòng)態(tài)采樣信號(hào)序列的各項(xiàng)參數(shù)。本申請(qǐng)并不直接求解Prony算法中的參數(shù)，而是借助AR參數(shù)模型思路，將當(dāng)前時(shí)刻信號(hào)看成由以前各時(shí)刻信號(hào)的線性組合形成，將非線性問(wèn)題轉(zhuǎn)換為線性估計(jì)問(wèn)題，使得計(jì)算過(guò)程更加簡(jiǎn)單且計(jì)算結(jié)果更加精確。
【專利說(shuō)明】一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法
【技術(shù)領(lǐng)域】
[0001]本申請(qǐng)涉及電網(wǎng)諧波分析【技術(shù)領(lǐng)域】，更具體地說(shuō)，涉及一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法。
【背景技術(shù)】
[0002]由于電力電子等非線性設(shè)備在電力系統(tǒng)中的廣泛應(yīng)用，不僅導(dǎo)致諧波和間諧波日益增多，而且還存在具有衰減振蕩分量，嚴(yán)重影響了電力系統(tǒng)的安全運(yùn)行。分析諧波、間諧波以及衰減振蕩參數(shù)對(duì)電力系統(tǒng)有重要意義。
[0003]目前的諧波分析主要采用傅氏方法，將信號(hào)看成由一系列不衰減的正弦頻率成分組成，因而無(wú)法給出動(dòng)態(tài)信號(hào)中衰減振蕩參數(shù)，同時(shí)在傅氏分析中的頻譜泄漏和柵欄效應(yīng)也會(huì)造成無(wú)法檢測(cè)頻率相近的接諧波的問(wèn)題。自回歸AR (Auto Regressive)參數(shù)譜估計(jì)方法通過(guò)建立參數(shù)模型逼近真實(shí)過(guò)程，較大提高了頻率分辨率，可用于間諧波的頻率分析中，但其無(wú)法給出諧波的幅值和相位參數(shù)。普羅尼Prony算法將動(dòng)態(tài)信號(hào)看成由一系列具有任意幅值、相位、頻率和衰減因子的衰減正弦分量組成，因而特別適合具有衰減振蕩分量的非平穩(wěn)過(guò)程研究。同時(shí)由于采用參數(shù)模型而克服了傅氏分析中頻率分辨率受限于窗長(zhǎng)的缺陷，因而還可用于間諧波檢測(cè)中。但是，直接求解Prony算法中的幅值、相位頻率和衰減因子參數(shù)將導(dǎo)致求解一個(gè)非線性最小二乘問(wèn)題，其難度大且數(shù)值穩(wěn)定性差。
[0004]因此，急需一種電網(wǎng)諧波分析中動(dòng)態(tài)信號(hào)參數(shù)的獲取方案，能快速準(zhǔn)確的獲取電網(wǎng)諧波中的動(dòng)態(tài)信號(hào)參數(shù)。

【發(fā)明內(nèi)容】

[0005]有鑒于此，本申請(qǐng)?zhí)峁┝艘环N動(dòng)態(tài)信號(hào)參數(shù)的獲取方法，用于快速準(zhǔn)確的獲取電網(wǎng)諧波中的動(dòng)態(tài)信號(hào)參數(shù)。
[0006]為了實(shí)現(xiàn)上述目的，現(xiàn)提出的方案如下:
[0007]一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法，包括:
[0008]選取電網(wǎng)的動(dòng)態(tài)采樣信號(hào)序列，由所述動(dòng)態(tài)采樣信號(hào)序列組成自相關(guān)矩陣；
[0009]確定所述自相關(guān)矩陣的有效秩，根據(jù)所述有效秩確定所述動(dòng)態(tài)采樣信號(hào)序列的頻率分量數(shù)；
[0010]建立AR模型，求解所述AR模型的模型參數(shù)；
[0011]利用Prony算法，將所述動(dòng)態(tài)采樣信號(hào)序列表示為一組衰減振蕩的正弦分量；
[0012]確定所述動(dòng)態(tài)采樣信號(hào)序列的復(fù)序列，所述動(dòng)態(tài)采樣信號(hào)序列由所述復(fù)序列在滿足平方誤差最小條件下表示；
[0013]將所述模型參數(shù)對(duì)應(yīng)的特征多項(xiàng)式根帶入所述復(fù)序列，求解所述動(dòng)態(tài)采樣信號(hào)序列的各項(xiàng)參數(shù)，所述各項(xiàng)參數(shù)包括幅值、相位、衰減和頻率。
[0014]優(yōu)選地，所述自相關(guān)矩陣的階數(shù)Pe滿足以下公式:N/4〈pe〈N/3，其中N為采樣點(diǎn)的個(gè)數(shù)。[0015]優(yōu)選地，所述確定所述自相關(guān)矩陣的有效秩，根據(jù)所述有效秩確定所述動(dòng)態(tài)采樣信號(hào)序列的頻率分量數(shù)具體為:
[0016]利用SVD方法對(duì)所述自相關(guān)矩陣進(jìn)行分解:
[0017]將所述自相關(guān)矩陣分解為:Re=USVT，其中&代表所述自相關(guān)矩陣，U是peXpe維正交矩陣，V是(pe+l) X (pe+l)維正交矩陣，S是peX (pe+l)維非負(fù)對(duì)角陣；
[0018]取所述對(duì)角陣S的前ρ個(gè)奇異值構(gòu)成的對(duì)角陣的最佳逼近
【權(quán)利要求】
1.一種動(dòng)態(tài)信號(hào)參數(shù)的獲取方法，其特征在于，包括:選取電網(wǎng)的動(dòng)態(tài)采樣信號(hào)序列，由所述動(dòng)態(tài)采樣信號(hào)序列組成自相關(guān)矩陣；確定所述自相關(guān)矩陣的有效秩，根據(jù)所述有效秩確定所述動(dòng)態(tài)采樣信號(hào)序列的頻率分量數(shù)；建立AR模型，求解所述AR模型的模型參數(shù)；利用Prony算法，將所述動(dòng)態(tài)采樣信號(hào)序列表示為一組衰減振蕩的正弦分量；確定所述動(dòng)態(tài)采樣信號(hào)序列的復(fù)序列，所述動(dòng)態(tài)采樣信號(hào)序列由所述復(fù)序列在滿足平方誤差最小條件下表示；將所述模型參數(shù)對(duì)應(yīng)的特征多項(xiàng)式根帶入所述復(fù)序列，求解所述動(dòng)態(tài)采樣信號(hào)序列的各項(xiàng)參數(shù)，所述各項(xiàng)參數(shù)包括幅值、相位、衰減和頻率。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述自相關(guān)矩陣的階數(shù)匕滿足以下公式:N/4〈pe〈N/3，其中N為采樣點(diǎn)的個(gè)數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定所述自相關(guān)矩陣的有效秩，根據(jù)所述有效秩確定所述動(dòng)態(tài)采樣信號(hào)序列的頻率分量數(shù)具體為:利用SVD方法對(duì)所述自相關(guān)矩陣進(jìn)行分解:將所述自相關(guān)矩陣分解為:Re=USVT，其中&代表所述自相關(guān)矩陣，U是peXpe維正交矩陣，V是(pe+l) X (pe+l)維正交矩陣，S是peX (pe+l)維非負(fù)對(duì)角陣；取所述對(duì)角陣S的前 ρ個(gè)奇異值構(gòu)成的對(duì)角陣Σρ作的最佳逼近々 ie=iffprT = ￡/ ^ ^|rT,其中 s^diagh” ％...，％);判斷所述動(dòng)態(tài)采樣信號(hào)序列是否包含噪聲；若所述動(dòng)態(tài)采樣信號(hào)序列不包含噪聲，則計(jì)算≤i≤Pe-1，將I取得最大值時(shí)對(duì)應(yīng)的i確定為有效秩Pdf p/2的整數(shù)部分確定為所述頻率分量數(shù)P ；若所述動(dòng)態(tài)采樣信號(hào)序列包含噪聲，則根據(jù)信噪比和的局部最大值確定有效秩P，將Ρ/2的整數(shù)部分確定為所述頻率分量數(shù)Ρ'。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述建立AR模型的過(guò)程具體為:將所述動(dòng)態(tài)采樣信號(hào)序列表示為:=卜其中C為模型階數(shù)，Α-二 Iw(n)是零均值白噪聲序列，ak為C階AR模型的模型參數(shù)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述求解所述AR模型的模型參數(shù)的過(guò)程具體為:判斷所述動(dòng)態(tài)采樣信號(hào)序列是否包含噪聲；若所述動(dòng)態(tài)采樣信號(hào)序列不包含噪聲，取AR模型的階數(shù)C為所述有效秩P ；若所述動(dòng)態(tài)采樣信號(hào)序列包含噪聲，取AR模型的階數(shù)C為所述自相關(guān)矩陣的階數(shù)；使用協(xié)方差算法，求出所述模型參數(shù)ak。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述利用Prony算法，將所述動(dòng)態(tài)采樣信號(hào)序列表示為一組衰減振蕩的正弦分量具體為:將所述動(dòng)態(tài)采樣信號(hào)序列表示為:
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述確定所述動(dòng)態(tài)采樣信號(hào)序列的復(fù)序列具體為:



將所述復(fù)序列表示為:
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述平方誤差最小條件具體為:

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述將所述模型參數(shù)對(duì)應(yīng)的特征多項(xiàng)式根帶入所述復(fù)序列，求解所述動(dòng)態(tài)采樣信號(hào)序列的各項(xiàng)參數(shù)具體為: 由所述模型參數(shù)ak構(gòu)成特征多項(xiàng)式，求解其特征多項(xiàng)式的根zk，zk即對(duì)應(yīng)為所述復(fù)序列表達(dá)式中的Zni ； 將Zm帶入所述復(fù)序列表達(dá)式中，利用最小二乘法確定參數(shù)bm ；


10.根據(jù)權(quán)利要求9所述的方法，其特征在于，在所述求解所述動(dòng)態(tài)采樣信號(hào)序列的各項(xiàng)參數(shù)之后還包括: 根據(jù)求解的結(jié)果，判斷頻點(diǎn)數(shù)是否等于所述頻率分量數(shù)P,，若是則結(jié)束，否則選取幅值較大的前P個(gè)分量。
【文檔編號(hào)】G01R23/16GK103630742SQ201310690114
【公開日】2014年3月12日 申請(qǐng)日期:2013年12月16日 優(yōu)先權(quán)日:2013年12月16日
【發(fā)明者】歐習(xí)洋, 劉然, 侯興哲, 鄭可, 付志紅, 張淮清, 紀(jì)靜, 吳華, 孫洪亮 申請(qǐng)人:國(guó)家電網(wǎng)公司, 國(guó)網(wǎng)重慶市電力公司電力科學(xué)研究院, 重慶大學(xué)