一種基波分量的提取方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及提取基波分量領(lǐng)域，特別涉及一種基波分量的提取方法及裝置。
【背景技術(shù)】
[0002] 在電力系統(tǒng)微機保護算法中，如何有效濾除故障信號中的暫態(tài)噪聲并快速準(zhǔn)確地 提取出電參量是國內(nèi)外學(xué)者研究熱點問題。目前普遍采用全波和半波Fourier算法求取故 障信號的基波分量進行故障判斷。全波和半波Fourier無法濾除信號中的衰減直流分量和 非整數(shù)次諧波分量，對頻率偏移比較敏感，對測量噪聲抑制能力差，計算時間長，響應(yīng)速度 慢。Girgis等人將Kalman濾波引入到微機保護領(lǐng)域，以期望提高濾波算法的精度和速度。 Kalman濾波將各次諧波視為噪聲，將衰減直流分量作為狀態(tài)變量進行估計，能夠有效抑制 各次諧波和衰減直流分量，且算法只需要當(dāng)前周期的采樣值，計算量和儲存量小，能夠?qū)崟r 在線計算。
[0003] 但是，傳統(tǒng)的Kalman濾波普遍采用的線性狀態(tài)空間方程沒有考慮恒定直流分量 以及頻率偏移，影響濾波算法的估計精度和對頻率偏移的適應(yīng)性。建立含有直流偏移量和 基波角頻率的非線性狀態(tài)模型，對狀態(tài)方程線性化后采用線性的強跟蹤Kalman濾波器估 計狀態(tài)，由于采用了線性化過程，降低了濾波器的估計精度，使得估計的基波分量的精度較 低。
[0004] 公開于該【背景技術(shù)】部分的信息僅僅旨在增加對本發(fā)明的總體背景的理解，而不應(yīng) 當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基波分量提取方法，克服現(xiàn)有的提取算法對頻率和直 流偏移量突變適應(yīng)性差，使得估計的基波分量的精度較低的缺點。
[0006] 為實現(xiàn)上述目的，本發(fā)明提供了一種基波分量提取方法，包括以下步驟：1)采集 電力系統(tǒng)中的故障信號；2)以故障信號中的基波分量、基波角頻率和直流偏移量作為狀態(tài) 變量構(gòu)建所述故障信號的非線性狀態(tài)空間模型；3)利用小波多尺度將所述故障信號分解 得到N層平滑信號和N層細(xì)節(jié)信號；4)利用第N層平滑信號更新無跡卡爾曼濾波器的觀測 值，利用第N層細(xì)節(jié)信號獲得所述無跡卡爾曼濾波器的觀測噪聲方差；5)啟動無跡卡爾曼 濾波器在步驟2)中建立非線性狀態(tài)空間模型上估計出基波分量的幅值與相角。
[0007] 本發(fā)明的另一目的在于提供一種基波分量提取裝置，克服現(xiàn)有的提取裝置對頻率 和直流偏移量突變適應(yīng)性差，使得估計的基波分量的精度較低的缺點。
[0008] 為實現(xiàn)上述目的，本發(fā)明提供了一種基波分量提取裝置，包括：采集模塊，用于采 集電力系統(tǒng)中的故障信號；建模模塊，用于以故障信號中的基波分量、基波角頻率和直流偏 移量作為狀態(tài)變量構(gòu)建所述故障信號的非線性狀態(tài)空間模型；分解模塊，用于利用小波多 尺度將所述故障信號分解得到N層平滑信號和N層細(xì)節(jié)信號；更新模塊，用于利用第N層平 滑信號更新無跡卡爾曼濾波器的觀測值，利用第N層細(xì)節(jié)信號獲得所述無跡卡爾曼濾波器 的觀測噪聲方差；無跡卡爾曼濾波器，用于在非線性狀態(tài)空間模型上估計出基波分量的幅 值與相角。
[0009] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：
[0010] 1.本發(fā)明中的方法及裝置，以故障信號的直流偏移量、基波角頻率和基波分量作 為狀態(tài)變量，建立無跡卡爾曼濾波器（Unscented Kalman Filter，UKF)的非線性狀態(tài)方程 和觀測方程。然后采集故障信號進行多尺度分析得到平滑信號和細(xì)節(jié)信號，利用平滑信號 更新無跡卡爾曼濾波器的觀測值，減少故障信號暫態(tài)噪聲的干擾，提高了濾波算法的收斂 速度；利用細(xì)節(jié)信號實時在線計算測量噪聲的方差，提高了濾波算法的收斂精度；并通過 無跡卡爾曼濾波器估計出基波分量的幅值與相角，因無跡卡爾曼濾波器不需要對非線性系 統(tǒng)進行線性化，具有更高的估計精度。
[0011] 2.該方法能實時估計出故障信號的直流偏移量和基波頻率，對頻率和直流偏移量 突變具有良好的適應(yīng)性。
[0012] 3.估計出的基波分量結(jié)合繼電保護原理對故障進行判斷，能夠?qū)崿F(xiàn)電力系統(tǒng)故障 的檢測和選相功能。
[0013] 本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變 得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明 書、權(quán)利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
[0014] 下面通過附圖和實施例，對本發(fā)明的技術(shù)方案做進一步的詳細(xì)描述。
【附圖說明】
[0015] 附圖用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實 施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中：
[0016] 圖1是根據(jù)本發(fā)明基波分量提取方法的流程示意圖。
[0017] 圖2是根據(jù)本發(fā)明電力系統(tǒng)輸電線路故障模型圖。
[0018] 圖3是根據(jù)本發(fā)明基波分量提取方法實施效果圖。
[0019] 圖4是根據(jù)本發(fā)明提取基波頻率的效果圖。
[0020] 圖5是根據(jù)本發(fā)明提取直流偏移量的效果圖。
[0021] 圖6是根據(jù)本發(fā)明基波分量提取裝置的結(jié)構(gòu)圖。
【具體實施方式】
[0022] 下面結(jié)合附圖，對本發(fā)明的【具體實施方式】進行詳細(xì)描述，但應(yīng)當(dāng)理解本發(fā)明的保 護范圍并不受【具體實施方式】的限制。
[0023] 如圖1所示，根據(jù)本發(fā)明【具體實施方式】的基波分量提取方法，包括以下步驟：
[0024] 步驟SlOO :采集電力系統(tǒng)中的故障信號s (t);
[0025] 建立如圖2所示的電力系統(tǒng)，采集故障f處的故障信號s(t)。
[0026] 步驟S102 :以故障信號s (t)中的基波分量、基波角頻率和直流偏移量作為狀態(tài)變 量構(gòu)建所述故障信號的非線性狀態(tài)空間模型；
[0027] 在該步驟中，假設(shè)電力系統(tǒng)的電壓或電流信號s(t)只包含直流分量和基波分量， 其離散時間表達(dá)式為：
[0028] sk= A〇ik+Aljksin(〇kkTs+0 ljk) (I)
[0029] 式中：TS為采樣周期，A。,A直流偏移量，A lik為基波幅值，9 lik為基波相角，《 A 基波角頻率。定義系統(tǒng)狀態(tài)變量 x4,k= A liksin(?kkTs+ 0 lik)，x3,k= A likcos(?kkTs+ 0 lik)， X2ik= ?k，Xlik= Aak。假設(shè)第k個采樣周期到第k+1個采樣周期，信號沒有發(fā)生突變，可認(rèn) 為八。,15+產(chǎn)八。, 15，八1,15+產(chǎn)八1,15，《 15+產(chǎn)《15，01,15+產(chǎn)01, 15。貝11在第1^+1個采樣周期的狀態(tài)變 量x3,k+1可近似為：
[0030] x3jk+1= A lik+1sin(〇k+1kTs+〇k+1Ts+ 0 l k+1)
[0031] ^ AljkSin (〇kkTs+〇Js+ 0 l k) (2)
[0032] = x3i kcos (x2_ Js) +x4i ksin (x2_ Js)
[0033] 同理，狀態(tài)變量x4,k+1可近似為：
[0034] x4，k+產(chǎn)-x 3，ksin (x2，kTs)+x4，kcos (x2，kTs) (3)
[0035] 考慮過程噪聲Wk+1，得到系統(tǒng)狀態(tài)方程用式X k+1= f(Xk)+Wk+1表示，其中：
[0038] 實際的電壓或電流信號還包含諧波分量和測量噪聲，將這些量的總和視為觀測噪 聲V k。則在式（1)的基礎(chǔ)上，得到系統(tǒng)觀測方程用式Zk=h(Xk)+Vk表示，其中：Z k= [sk]， h(Xk) = [I 0 I 0]Xko
[0039] 步驟S104:利用小波多尺度形態(tài)學(xué)將故障信號s(t)分解得到N層平滑信號 }和 N 層細(xì)目號(sd，'9d"..，5'd };
[0040] 其中，在小波多尺度形態(tài)學(xué)分析中，平滑信號和細(xì)節(jié)信號存在以下關(guān)系：
[0041] s：=s；+1+^ (6)
[0042]式中：i = 1，2, ? ? ?，N_1。
[0043] 步驟S106:利用第N層平滑信號sas更新無跡卡爾曼濾波器的觀測值，利用第N層 細(xì)節(jié)信號4在線計算觀測噪聲方差；
[0044] 形態(tài)學(xué)濾波具有低通濾波效應(yīng)，經(jīng)過形態(tài)分解后的平滑信號測量噪聲大大減少， 且分解層數(shù)越高噪聲越少。因此，選擇第N層平滑信號4更新無跡卡爾曼濾波器的觀測值， 利用第N層細(xì)節(jié)信號#在線計算觀