数字锁相环在电力系统谐波检测中的应用

分析了非同步采样对谐波测量精度的影响,提出采用数字锁相环来同步被测信号的方法。数字锁相环电路采用VHDL语言和可编程逻辑器件设计实现,并用MAX+plusⅡ软件进行仿真。仿真和测试结果表明,所设计的数字锁相环可以很好地跟踪被测信号,如果模值K设为1,当跟踪至180ms时,频率误差仅为0.01Hz。     

电力网络监控仪中数据采集模块的设计

讨论了一种电力网络监控仪的数据采集模块的设计方法。结合锁相环同步技术改进数据采集模块,加入锁相环频率跟踪电路,实现同步等间隔采样,减小了非同步采样引入的误差;针对快速傅里叶变换(FFT)算法的栅栏效应和频谱侧漏提出了加窗插值FFT算法,并把算法移植到ARM内核的微控制器LPC2138中,精确实现了电网各次谐波幅值频率和总谐波畸变率的计算。     

基于CIC抽取滤波器的谐波分析算法

为消除非同步采样引起的频谱泄漏,提高电网信号的谐波分析精度,提出了基于级联积分梳状(CIC)抽取滤波器的谐波分析算法。在前端AD过采样的情况下,该算法采用逆向搜索的方法实现非同步采样数据的整周期截断,用基于CIC抽取滤波器变频的方法实现信号采样频率与信号基波频率同步,通过快速傅立叶变换(FFT)得到信号频谱,计算基波及各次谐波的幅值和相位。仿真实验结果及误差分析表明,相对于常规的分析方法,该算法具有较高的测量精度。该算法对于非稳态周期信号的谐波分析只需单周期采样,简单易实现,是一种有效的测量方法。     

基于动态采样的锁相放大微弱信号检测

摘要：基于相关检测原理设计了一种数字锁相放大器,重点研究了采样频率与相关运算结果的关系。发现参考信号为方波而采样频率与信号频率成一定关系时,系统相关运算存在固有误差。为减少该误差,首次将动态采样法引入数字锁相放大器设计中,运算发现动态采样的采样频率数越多,奇点产生的误差越少。基于LabVIEW软件对所设计的检测系统进行了仿真测试,测试结果表明该数字锁定放大器在信号幅度为5V、噪声标准差小于等于50时（SNR=-34.04dB）,能有效地检测出频率为500KHz以下的信号,系统检测结果与理论计算值的相对误差基本不超过2%。     

新型锁相环在频率跟踪技术中的研究

在比较电力系统频率跟踪技术中软硬件同步优缺点的基础上,提出了一种基于FPGA的全数字锁相环(ADPLL)电路实现电力系统频率跟踪的技术;将FPGA技术运用于同步跟踪技术中,解决了软硬同步方法中的各个不足之处;全数字锁相环电路采用VHDL语言和FPGA设计,仿真波形和实验结果表明,该电路能够很好地跟踪电网频率的实时变化,相位误差仅为0.1%,频率测量误差仅为0.06%,实现了同频率同相位的锁定;速度快、精度高;对电网的谐波计算有较大的实际意义.     

基于LPC1114的加窗差值FFT算法的谐波检测设计

该文设计了基于LPC1114的谐波检测系统。利用芯片内置的A/D转换器对电压和电流信号进行高精度采样,根据加窗插值FFT算法对采样的数据进行分析,得到电压和电流信号的基波相位差以及各次谐波的幅值和频率。实验结果表明,本设计具有硬件实现简单、检测精度高等优点。     

新型全数字锁相环在无功补偿系统中的应用

在无功补偿控制系统中,采用了新型全数字锁相环技术,其在传统全数字锁相环的基础上加入了自适应模值控制模块;该系统在采样中采用该新技术进行倍频锁相,对采样电压设计了同步6倍频,提供6相触发脉冲,同时设计了同步128倍频,以保证ad在每周期采样128点;给出了该装置的硬件实现方法,同时给出了软件设计的程序流程;仿真与试验结果表明新型全数字锁相环技术可以大大提高锁相速度和精度,进一步提高无功补偿系统的功率因数。     

基于DSP的低压配电网谐波测量仪设计

设计了一种基于DSP的低压配电网谐波测量仪,对各次谐波进行精密测量,采用多通道同步采样AD转换器AD73360减小相位误差,使用同步串行传输数据,利用数据窗口和数据抽取获得FFT变化所需数据进行谐波分析,实验数据表明设计的谐波测量仪精度较高。     

Hanning窗在电力系统谐波分析中的应用

采用FFT算法对电网信号进行谐波分析时很难做到同步采样和整数周期截断,由此造成的频谱泄漏和栅栏效应将影响到谐波分析的结果。本文应用矩形窗和Hanning窗的加窗插值FFT算法分析非同步采样的电力系统谐波,经过MATLAB仿真证明：采用基于Hanning窗的加窗插值FFT算法能够大幅度降低由非同步采样造成的误差,最后给出了实现该算法的C语言程序。     

电力系统谐波分析及仿真研究

该文主要针对电力系统中采用的谐波测量方法而提出的一种基于锁相倍频采集方法,通过锁相环对电力波形进行实时跟踪,既解决了频谱泄漏对谐波测量精度的影响,又实现了快速、准确、实时性地测量.首先从理论上介绍了关于电力系统检测的几种常用方法及其各自的优缺点,重要介绍其中的通过FFT变换的谐波测量方法,并讨论了该方法易产生的缺点--频谱泄漏问题,为了解决这一问题而引入了锁相倍频采集技术,使得采样与电网同步,随电网的变化而变化.解决了电力系统检测中的频谱泄漏这一难题.硬件上采用电力系统常用的AD73360采集芯片, 锁相倍频电路由锁相环CD4046与分频器CD4060一起构成,产生AD73360采集触发信号.并采用Matlab仿真技术进行了分析和验证.     

基于跟踪微分器的基波测量方法研究

电网基波参数特别是基波频率在谐波分析与治理中具有重要的地位,也是电能质量、电能计量以及电力系统控制等领域的重要技术指标。在非同步采样情况下,针对基于频域法测量基波频率存在频谱泄露现象和测算精度不高的问题,提出了基于跟踪微分器(Tracking Differentiator,TD)的基波参数时域测量方法。该方法的主要思想是将检测到的基波信号通过TD来获取基波跟踪信号及其微分跟踪信号,再通过这两个信号的最大幅值即可获取基波的幅值、频率和初相位参数。仿真结果表明,本文方法只需要60%额定工频周期窗口的样本数据即可获得较高精度的基波参数测算值,是一种有效的基波参数测量方法。     

基于NiosⅡ的高性能电网谐波表的研制

电力系统的谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生了严重危害和影响。文中针对现有电网谐波表对谐波检测实时性不高和精度低的问题,提出一种基于NiosⅡ软核和FFTrIP核为核心的电网谐波表的设计方法。设计中FFTP核、键盘、显示等模块通过用户自定义外设组件的形式添加到SOPCBuilder中,同时通过Avalon-ST总线有效地把FFTT1P核与NiosⅡ软核处理器有机地结合起来,实现控制灵活、高速实时的电网谐波表。该设计已在Ahera芯片EP2C35F672C6上进行实现,能够满足100MHz的系统时钟,提高了实时性。     

基于CPLD的多参数室内环境实时监测仪

针对目前室内环境监测仪测量参数相对单一、实时性差、测量准确度低等问题,研发了基于复杂可编程逻辑器件(CPLD)的多参数测量的小型室内环境实时监测仪.CPLD的高集成度优化了电路结构,其并行工作方式同时对9项指标进行多路信号采集,大大地提高了仪器的实时性.实验结果表明:该多参数室内环境实时监测仪测量精度高,实时性好,性能...     

CPLD在超声波流量测量系统中的应用

研究了复杂可编程逻辑器件(CPLD)在超声波流量测量系统中的应用。采用高性能的CPLD代替分立元件,实现了液体流量的高精度测量。实验结果表明:应用CPLD技术产生了准确的驱动控制信号,得到了高精度的传播时间计数值,简化了整个电路的设计,提高了系统的稳定性和抗干扰能力。     

基于DSP的线阵CCD高速精密测量系统的设计

传统的非接触线阵电荷耦合器件(CCD)测量系统,在速度和精度上都无法满足现代测量的要求。提出了以数字信号处理器(DSP)作为信号处理器,以复杂可编程逻辑器件(CPLD)作为时序发生器,结合高速ADC和先进先出(FIFO)存储器的新测量方法。重点介绍了CPLD配合DSP进行高效、灵活的采集控制部分。实验表明:该系统高效、稳定。     

谐波法复杂周期信号周期测量

利用复杂周期信号频谱存在大量等间隔幅度起伏的谐波分量.提出了复杂周期信号的谐波法周期测量.谐波法之FT-Abs-IFT(FAIF)是周期信号频谱包络的反傅里叶变换,输出为频谱包络对应时域信号与周期冲击信号的卷积.其最大值是等幅度或起伏幅度(噪声条件下)的周期冲击信号,通过门限栓测和周期测量得到信号周期(或频率).最后通过与常用周期信号测量方法(同态滤波法、自相关法和AMDF)的仿真比较,表明对于复杂周期信号,谐波法之FAIF测量精度高,误差率低和良好的抗噪性能.     

基于EEMD-GRU网络模型的短期风速预测

为了克服因风速信号固有的震动性、非线性特性引起的预测精度不高的问题, 本文提出了使用集合经验模态分解算法和门控循环单元两种方法相结合的组合模型对风速进行预测. 该模型首先对数据进行归一化处理, 使用孤立森林算法, 剔除异常点, 然后用EEMD (ensemble empirical mode decomposition)方法, 将风速拆分成不同尺度的信号, 消除数据的非平稳性, 将分解得到的相对平稳的分量信号分别送入GRU (gated recurrent unit)模型进行训练, 获得各自的预测结果, 最终风速由所有分量各自预测的结果累加得到. 实验中采用实地采集数据进行实验, 结果证实, EEMD-GRU方法相较于目前主流的EEMD-LSTM、EMD-LSTM等方法, 预测精度有明显提升.     

混沌布谷鸟搜索算法在谐波估计中的应用

针对布谷鸟搜索（CS）算法存在后期收敛速度慢、计算精度不高和陷入局部最优等缺点,提出了混沌布谷鸟（CCS）算法。首先,通过混沌理论初始化种群来增加种群多样性;然后,对局部最优值引入混沌扰动算子来跳出早熟收敛,提高计算精度,进而完成全局优化。对4个单目标基准函数进行仿真测试,对比最优值、最差值、平均值、中位数值及标准差值,结果表明,基于CCS算法比CS算法有更快的收敛速度和更高的收敛精度。在电力系统中谐波问题成分引起电流波形畸变,电网不稳定。精确分析谐波成分是解决谐波污染的重要前提。将性能更好的CCS算法应用于谐波估计,通过比较估计均值及标准偏差,结果显示在分析谐波电流时CCS算法相比粒子群优化（PSO）算法具有更好的性能。     

SDN中基于蚁群优化的网络测量节点选择算法

在软件定义网络（SDN）中,当流传输路径信息获取受限时,现有的测量节点选择算法只能基于网络拓扑的中心性指标进行测量节点选择,存在测量精度较低、测量负载不均衡、运行时间长等问题。将SDN网络中测量节点选择问题抽象为最小顶点覆盖模型,提出一种基于蚁群优化的测量节点选择算法ACO-NS。利用复杂网络的度分布理论缩减状态转移过程中的候选集规模,同时设计一种信息素局部增强-全局挥发机制,增大可行解的信息素浓度,提高算法的准确度和收敛度,并且缩短搜索时间。通过OpenFlow消息在线计算测量节点的负载,采用邻域搜索策略对过载节点进行筛选和替换,以降低过载处理的时间。实验结果表明,与ACO算法相比,该算法的准确度和收敛度分别提高56.7和28.2个百分点,且单位时间内的过载处理开销降低79.8个百分点,具有较高的测量精度。