基于数学形态学和改进Prony算法的谐波与间谐波参数估计

由于传统Prony算法对谐波与间谐波的检测易受噪声影响,为了提高参数估计精度,准确提取谐波和间谐波的频率、幅值和相位,提出了一种基于数学形态学和改进Prony算法的谐波与间谐波参数估计方法.该方法主要思路是先用数学形态学构建形态滤波器去除噪声,可以克服传统Prony算法对噪声敏感的不足;然后再将去噪拟合后的谐波信号进行改进Prony分析.该方法针对原始Prony方法优化了实际阶数和线性参数的求解过程,对比小波消噪求解谐波各参数的方法优化了去噪效果.通过MATLAB对谐波信号进行编程分析,发现该方法在噪声情况下仍能得到较高精度的谐波与间谐波幅值、频率和相位参数估计,验证了该方法的可行性和有效性.     

基于SVD-MMVDR和Prony算法的间谐波参数估计

提出了一种基于SVD-MMVDR算法与普罗尼(Prony)算法相结合的谐波间谐波参数估计方法。SVD-MMVDR算法具有频率分辨力高,所需数据少的特点,可以准确地计算出信号源中谐波及间谐波的个数和频率值,然后利用Prony算法中的总体最小二乘法估计出谐波间谐波的幅值和初相角。仿真以及电弧炉模拟系统试验证明,基于SVD-MMVDR算法与Prony算法的谐波间谐波参数估计方法切实可行,在存在噪声的情况下,该方法也能够准确地计算出谐波和间谐波的频率、幅值和相角。     

基于加窗插值和Prony的电力系统间谐波算法

邻近谐波或基波的间谐波,是导致电压闪变的直接原因,准确检出该成分,对于改善电能质量具有重要意义.考虑真实电网宽带多频的信号特性,分析了加窗插值算法和谱估计法局限性,提出基于加窗插值和Prony的间谐波检测法.先通过加窗插值求解各个信号参数,进而采用频率分析定位临近谐波和间谐波所在频率区间,最后对时域滤波后的残差分量用Prony算法计算.Matlab仿真表明该方法频率分辨率和精度优于加窗插值,相对传统Prony法不需要估算信号个数,能有效消除伪谱的影响.     

基于改进VMD去噪的Prony-GSO联合谐波检测方法

针对传统Prony谐波检测方法在噪声条件下存在局限性,文章提出了一种能够在较大噪声条件下准确进行谐波检测的方法。通过对采样信号进行自适应的VMD分解,利用平均周期能量进行噪声模态的选择并予以剔除,将剩余模态重组后得到适合Prony算法的平稳信号,然后对平稳信号进行Prony谐波分析得到初步的谐波特征信息,最后对谐波特征信息进行循环筛选与GSO寻优,得到最终的谐波与间谐波特征信息。利用该方法进行谐波检测仿真实验,仿真结果表明,该方法有效提高了Prony算法在较大噪声条件下的辨识准确度,具有自适应性,能够自动筛选真实频率成分,具有高效、精确的优点。     

基于多路信号联合去噪的Prony谐波检测法

针对传统Prony算法易受噪声干扰且同一区域内多路电能质量信号存在相关性的特点,文中提出了一种基于多路信号联合去噪的Prony谐波检测算法,实现在较强噪声条件下的谐波准确检测。首先,采用中心频率法和轨迹相似度法改进多元变分模态分解（MVMD）算法;其次,利用改进的MVMD算法联合分解相关联的多路信号,提取出主导模态分量并重组为适宜Prony分析的稳定信号;最后,对稳定信号进行Prony分析得到初步的谐波参数,通过阈值筛选和人工鱼群全局寻优,得到准确的谐波检测参数。仿真实验表明,改进的MVMD去噪算法的输出信噪比为37.3,高于VMD去噪法（33.2）和小波去噪法（32.8）,去噪效果更优;文中算法谐波检测结果的误差总体小于传统Prony算法,具有谐波检测准确度高、同时计算多路信号的特点。     

谐波和间谐波三参数识别的SSI-LS方法

为精确检测谐波和间谐波的三参数,提出了基于随机子空间辨识(Stochastic Subspac Identification,SSI)与最小二乘(Least Square)法的谐波和间谐波三参数检测方法.运用奇异值差值法确定SSI-LS算法的阶数;利用SSI算法直接对原始含噪信号精确检测出各谐波和间谐波分量的频率;当信噪比大于20 dB时,应用最小二乘法对各谐波和间谐波分量进行幅值和相位的估计,从而实现了谐波和间谐波的三参数识别.分别针对含有噪声和直流分量的谐波和间谐波数值仿真信号和频率相近且幅值相差百倍的谐波和间谐波信号作谐波和间谐波的三参数识别.仿真分析表明该方法抗噪声能力强、检测精度高、计算速度快,尤其是对信号中各谐波和间谐波分量的相位检测精度高、对频率相近且幅值相差百倍的谐波和间谐波信号具有较高的分辨率,为电力系统谐波和间谐波的精确检测提供了新的思路与方法.     

基于Prony算法的谐波和间谐波频谱估计

电力系统中,准确有效的确定信号中的各次谐波分量及间谐波信号,对于改善电能质量有着重要意义.在分析间谐波特性基础上,提出了一种基于Prony算法的信号分解法.该方法将指数变换的时频特性与谐波信号特性描述相结合,可以提供各种分量的特征指标,如频率、幅值、相位等,并利用最小二乘法得到高精度的拟合.经过电弧炉模拟系统试验证明,Prony 算法在谐波和间谐波信号分析中,可提供有效、准确的分析结果.     

谐波和间谐波三参数识别的SSI-LS方法

为精确检测谐波和间谐波的三参数,提出了基于随机子空间辨识（Stochastic Subspace Identification, SSI）与最小二乘（Least Square）法的谐波和间谐波三参数检测方法。运用奇异值差值法确定SSI-LS算法的阶数;利用SSI算法直接对原始含噪信号精确检测出各谐波和间谐波分量的频率;当信噪比大于20 dB时,应用最小二乘法对各谐波和间谐波分量进行幅值和相位的估计,从而实现了谐波和间谐波的三参数识别。分别针对含有噪声和直流分量的谐波和间谐波数值仿真信号和频率相近且幅值相差百倍的谐波和间谐波信号作谐波和间谐波的三参数识别。仿真分析表明该方法抗噪声能力强、检测精度高、计算速度快,尤其是对信号中各谐波和间谐波分量的相位检测精度高、对频率相近且幅值相差百倍的谐波和间谐波信号具有较高的分辨率,为电力系统谐波和间谐波的精确检测提供了新的思路与方法。     

基于Synchrosqueezing小波变换的谐波和间谐波检测方法

非线性电力元件的广泛使用使电力系统的谐波和间谐波污染越来越严重。为准确计算谐波和间谐波的参数特征,以有效克服噪声影响,提出基于Synchrosqueezing小波变换的谐波和间谐波的一种检测方法。首先对电力系统信号进行连续小波变换;然后确定同步挤压阈值,对连续小波变换结果进行同步挤压,并利用同步挤压结果计算电力信号主频率;最后,设置提取频率区间,将电力信号分解为一组内蕴模态类函数分量(IMT),并结合Hilbert变换及最小二乘拟合,精确计算噪声背景下谐波和间谐波的幅值与频率。通过模拟信号和实测信号对所提方法有效性进行了分析,实验结果表明,与Prony和HHT方法相比,本文方法通过同步挤压有效抑制了噪声干扰,谐波和间谐波的检测精度有较好的提高。     

电网谐波与间谐波检测的分段Prony算法

将Prony算法应用于谐波与间谐波检测时,存在采样参数及模型阶数难以确定的问题;另外由于现代电网谐波与间谐波频率范围广,直接进行Prony分析的辨识结果往往不精确。针对这些问题提出了一种分段Prony算法,首先依据信噪比和均方差来确定模型阶数;然后根据谐波与间谐波的频率范围进行频段划分,确定各频段的采样频率及采样时间;最后根据各段采样参数进行分段Prony分析,并综合各段分析结果,得出各频段谐波与间谐波的频率、幅值、衰减因子及初相位。仿真算例验证了该算法的有效性。     

基于改进多信号Prony算法的低频振荡在线辨识

提出了适合低频振荡在线辨识的改进多信号Prony算法。首先通过小波变换消除各信号的噪声，然后消去直流分量，建立多信号的样本函数矩阵，通过奇异值–总体最小二乘法对Prony算法进行改进，分离信号空间和噪声子空间，确定信号的阶数，最后利用最小二乘法进行辨识。利用传统Prony算法、改进单信号Prony算法和改进多信号Prony算法对理想信号、仿真信号以及实际录波信号进行了分析，分析结果表明利用改进多信号Prony算法同时对多信号进行分析能够提高辨识的精度，缩短运算时间，辨识阶数及辨识结果均优于传统算法，适合于低频振荡的在线辨识。     

基于改进多信号矩阵束算法的电力系统低频振荡识别

提出了适用于电力系统低频振荡模态识别的改进多信号矩阵束算法。利用奇异值分解（Singular value decomposition,SVD）分离信号和噪声子空间,确定阶数并消除信号噪声。通过建立多信号归一化的样本函数矩阵对矩阵束算法进行改进,辨识电力系统模态。利用原始Prony法、谐波恢复的Prony法和改进的多信号矩阵束法,对理想信号和仿真系统进行分析。结果表明多信号矩阵束法的辨识精度较高,具有一定的抗噪能力,并且通过对多信号归一化的处理避免了不同类型信号叠加时较小信号的湮没,适用于低频振荡在线识别。     

基于EMD和Prony算法的次同步扭振模态参数辨识

从瞬时转速测量数据中有效提取次同步扭振信号,并准确地辨识模态参数,仍有一定的技术难度。提出了通过EMD预处理提取次同步扭振信号,并进行重采样处理,再通过Prony算法辨识次同步扭振模态参数的方法。采用该方法对某电厂扭振实测数据进行了应用分析,并与基于传统滤波器以及小波滤波器的Prony分析结果进行比较。研究表明所提方法能够有效提高次同步扭振模态参数辨识的精度。     

基于差分正交匹配追踪和Prony算法的低频振荡模态辨识

根据实测数据对电力系统低频振荡模态进行辨识,有助于实现电力系统有效的阻尼控制,从而提高电网的稳定性。文中介绍了利用Prony算法辨识低频振荡模态参数的原理,针对Prony算法对噪声干扰敏感以及模型阶数辨识困难导致出现伪模态的缺点,提出了一种基于差分正交匹配追踪(DOMP)和Prony算法相结合的低频振荡模态参数辨识方法。EPRI-36节点系统和实际系统相量测量单元数据算例的仿真结果表明,所述方法能够准确地辨识出系统低频振荡模态参数。通过与Prony算法结果对比验证表明,该方法辨识结果更加准确,能够满足低频振荡模态参数辨识要求。     

基于 EMD 和 Prony 算法的同步电机参数辨识

Prony 算法是一种线性系统时域模态参数识别方法,对分析数据的噪声非常敏感,对输入信号要求较高.鉴于此,将经验模式分解(empirical mode decomposition,EMD)与Prony 算法相结合的方法应用到同步电机参数辨识中.利用EMD 的分解能力,对采集到的同步电机三相突然短路电流进行时空滤波和平稳化处理,除去高频噪声 IMF 分量,然后用 Prony 准确辨识出同步电机的瞬态和超瞬态参数.仿真试验结果表明该方法具有精度高、抗噪性强等特点.     

基于模糊滤波和Prony算法的低频振荡模式在线辨识方法

考虑到Prony算法对输入信号要求较高、对分析数据的噪声非常敏感，提出一种模糊滤波和Prony算法相结合的电力系统在线低频振荡模式的辨识方法。该方法以广域测量信号作为输入，通过简单的模糊逻辑推理快速对输入信号进行滤波，利用Prony算法对滤波后的数字信号进行分析后在线获得电力系统低频振荡的模式。以华中电网支路302245上的有功功率振荡分析为例，通过对模糊滤波前后的输入信号进行比较以及对传统Prony算法和考虑模糊滤波的Prony算法分别进行低频振荡模式辨识的比较，表明了前置滤波的重要性以及所提出的方法能相对精确地进行振荡模式辨识，验证了其有效性。     

基于Prony算法的高压电网故障与扰动信号的特征分析

高压电网的故障与扰动信号中含有大量的暂态分量,这些分量的幅值、频率、衰减因子和初相等参数可以用Prony算法得到。提出Prony算法的一种改进方案,使用"后向线性预测"和"QR分解"技术,实现较传统算法更高的运算效率和抗噪性能,较好地解决了传统算法分析结果中由于噪声干扰,信号的真实频率成分难于提取的问题。算例显示,所提出的Prony算法改进方案可以大大缩短计算耗时和提高分析的可靠性。     

基于改进矩阵束的高压直流次同步振荡检测

矩阵束是一种可以用来进行振荡模态参数辨识的算法。鉴于传统的矩阵束算法在有噪声情况下模态阶数辨识效果不理想,提出将信息熵引入矩阵束进行改进,进而将改进的矩阵束算法用于高压直流的次同步振荡模态的辨识。然后与改进Prony法和矩阵束算法对比分析,证明了基于信息熵的矩阵束算法的有效性。仿真结果表明,此算法可以快速、准确地辨识出次同步振荡模态参数,且该算法抗噪声能力强,可用于电力系统次同步振荡在线检测。     

改进的Prony算法在多正弦信号频率估计中的应用研究

针对噪声背景下经典Prony算法对多正弦信号频率估计受限的问题,提出一种抗噪性强的改进Prony算法。通过建立一种新的累积关系,提出的算法可以在低信噪比情况下,仅利用适当数量的新序列值线性重构稀疏和,从而较为精确地估计出信号的频率。对提出的算法与经典Prony算法的性能作出仿真实验对比。实验结果表明,在信号中嵌入噪声时,经典Prony算法在估计信号频率时失去效用,而新算法依旧可以有效估计信号频率。所以,提出的算法抗噪能力较强,性能相对稳定,精度较高,在多正弦信号频率估计中表现出更好的实用性。