一种基于自回归模型的间谐波谱估计的改进算法

间谐波的频率是基频的非整数倍，频谱随时间而变化，具有随机性，因此间谐波是随机信号。该文首先介绍平稳随机信号的AR模型和Burg算法的基本原理，然后分析Burg算法在处理正弦信号时出现谱峰偏移的原因。在此基础上该文提出了一种基于AR模型的间谐波谱估计改进算法。该算法通过直接求解在预测误差功率最小意义下的较低阶AR模型系数，再递推计算高阶系数，减小了谱估计的谱峰偏移。仿真结果表明，该算法明显改善了谱估计的性能，而且只要用比较短的数据即可得出较好的间谐波谱估计。     

基于AR谱估计和频谱分析的间谐波检测方法

自回归(Autoregressive,AR)谱估计方法频率分辨率高,但不易对间谐波幅值和相位实现精确计算;基于DFT的频谱分析方法能在辨识出各分量频率的基础上计算得到高精度的间谐波参数,但频率分辨率低。为此提出了一种结合这2种方法优势的算法来检测间谐波。首先采用基于最优窗加权修正的Burg算法估计出信号所含分量的大致频率,然后结合软件同步采样后的FFT频谱来分析计算各分量参数。同步采样时基波和谐波无泄漏,可以根据同步采样FFT谱线中只与间谐波有关的谱线来计算间谐波,此时间谐波谱线之间的相互干扰可通过利用间谐波谱线求解与间谐波参数有关的方程组来克服。最后对间谐波所靠近的基波和谐波谱线进行修正,就能保证谐波和间谐波参数精度都较高。实验证明,这种基于AR谱估计和频谱分析的间谐波检测方法能在分辨率和精度上得到兼顾。     

基于最优窗Burg算法的电力系统间谐波谱估计

Burg算法适合于电力系统间谐波谱估计,但存在谱峰偏移和谱线分裂的缺点,影响其谱估计效果.本文在误差分析的基础上提出了基于最优窗Burg算法的间谐波谱估计新方法.首先通过在平均频率误差方差最小的意义下来获得最优窗,再将加窗后的预测误差平均功率最小化来求取反射系数,最终求得信号的功率谱.仿真结果表明,与传统的Burg算法...     

基于最优加权Burg谱估计的间谐波智能分析方法

为改善Burg算法的频率分辨率和谱线分裂现象,提出一种最优加权Burg谱估计的间谐波智能分析方法。首先在平均频率误差方差最小意义下获得最优权函数,通过使加权的二阶前后向预测误差平均功率最小化来获得二阶滤波器系数,然后采用Levinson递推获得一阶反射系数,进而得到谐波和间谐波的个数及频率初值。同时,提出各间谐波频率学习率的自适应调整算法,最后应用改进的Adaline神经网络精确分析谐波和间谐波的频率、幅值和相位。仿真结果表明所提算法的谱估计性能优于传统的Burg算法,计算复杂度远低于特征空间法,具有分辨率高、精度高、鲁棒性强的优点。     

引入竞争机制的改进AR谱估计间谐波分析方法

随着我国各种大功率电力电子负载的广泛应用,导致了公用电网谐波污染日益严重,使得对应的电能质量问题受到越来越多的关注,因此准确分析间谐波特征对提高电能质量具有重要意义.提出了一种具有竞争机制的改进混合遗传粒子群算法(HGAPSO),通过引入一系列淘汰及精英学习的竞争策略使粒子群算法(PSO)具有更快的搜索速度以及更强的全局搜索能力,从而显著提高自回归(AR)谱估计中的参数估计精度.通过AR谱估计获取检测信号中的间谐波阶数及频率初值,并基于间谐波信号模型对谐波进行转换,将转换后的幅值编码于改进HGAPSO中对间谐波的幅值和相位进行参数估计.仿真结果表明,该算法较HGAPSO,PSO和遗传算法(GA)能够获得较高精度的间谐波参数值,同时具有更强的抗干扰能力.     

基于TLS-ESPRIT和PRONY算法的间谐波分析

提出一种总体最小二乘法——旋转不变技术信号参数估计(TLS-ESPRIT)和Prony算法相结合的间谐波分析方法。通过TLS-ESPRIT算法估计电网信号中谐波和间谐波的个数及频率,然后应用Prony算法估计幅值和相位。仿真结果表明:该方法无需数据同步采样,克服了传统Prony算法易受噪声影响的缺点,频率分辨率高,能够在较低信噪比下准确估计出谐波和间谐波参数。     

基于AR谱估计和插值FFT的间谐波检测方法

现有插值FFT算法是由已知仿真信号频率成分附近的谱线来修正FFT的结果,而实际信号的间谐波和谐波分布往往无法事先确定,这将给插值修正带来不便.提出AR模型谱估计与双峰谱线修正算法相结合的间谐波检测方法.根据信号的AR谱分布进行插值修正,同时提出由谱估计确定Blackman-Harris窗插值修正所需最小数据长度的方法,并采用多项式逼近的方法导出Blackman-Harris窗插值算法的简单修正公式,在减少FFT计算量的同时保证了结果的高精度.仿真结果表明了该方法的有效性.     

基于AR谱估计和插值FFT的间谐波检测方法

现有插值FFT算法是由已知仿真信号频率成分附近的谱线来修正FFT的结果,而实际信号的间谐波和谐波分布往往无法事先确定,这将给插值修正带来不便。提出AR模型谱估计与双峰谱线修正算法相结合的间谐波检测方法。根据信号的AR谱分布进行插值修正,同时提出由谱估计确定B lackm an-Harris窗插值修正所需最小数据长度的方法,并采用多项式逼近的方法导出B lackm an-Harris窗插值算法的简单修正公式,在减少FFT计算量的同时保证了结果的高精度。仿真结果表明了该方法的有效性。     

基于MSWF和改进Adaline神经网络的间谐波分析

为降低计算复杂度,将多级维纳滤波器(MSWF)应用于电力系统间谐波分析,提出基于MSWF和改进自适应神经网络的间谐波分析方法。利用MSWF的前向递推实现信号子空间和噪声子空间的快速估计,不需要估计数据的协方差矩阵及其特征值分解,减小了计算量。应用新的最小描述长度准则和TLS-ESPRIT算法确定谐波、间谐波的个数及频率。为提高收敛速度,应用基于递归最小二乘学习算法的自适应神经网络分析谐波和间谐波的幅值和相位。Matlab仿真结果验证了所提算法的有效性。该方法计算复杂度低,分辨率高,精度高,收敛快。     

基于AR模型的间谐波检测算法的研究

间谐波是频率介于两个谐波之间的信号.电力系统中间谐波问题日益突出,准确检测间谐波参数具有重要意义.由于传统的FFT算法在检测间谐波方面有一定的局限性,针对该局限性,提出了适合间谐波检测的基于AR模型的现代谱估计方法.介绍了AR模型谱估计的两种递推算法,Burg算法和改进协方差算法,并研究讨论了模型阶数选取、算法谱分辨率及谱抗噪声能力等问题,最后通过一系列仿真,证明该方法能够在较短的采样时间里准确检测出间谐波分量,在同样的采样频率和采样长度下,比FFT算法具有更高的精确度和频率分辨率,而且具有一定的抗噪声能力,在谐波检测方面有着很好的应用前景.     

增强型自适应神经网络谐波分析方法的应用研究

通过对比当前几种主流谐波分析方法的优缺点,提出了较为理想的增强型自适应神经网络模型,并重点讨论了学习算法中频率学习率以及频率延迟率调整策略对于算法收敛性能的影响,给出了较为合适的参数优化设定值,并通过仿真实验验证了增强型自适应神经网络模型具有较高的谐波分析精度以及较快的学习收敛速度,并且无需同步采样以及长周期采样,是一种比较理想的谐波分析方法。     

基于TLS-ESPRIT算法和自适应神经网络的间谐波分析

提出一种基于总体最小二乘法-旋转不变技术信号参数估计(TLS-ESPRIT)算法的间谐波参数估计方法。首先通过TLS-ESPRIT算法准确估计电网信号中谐波和间谐波的个数及频率,然后应用自适应神经网络来估计其幅值和相位。自适应神经网络用于谐波分析时,不需要事先进行训练,具有实现简单快速的优点。仿真结果表明该算法无需数据同步采样、频率分辨率高、抗干扰性强、谐波和间谐波参数估计准确。     

基于BP神经网络和线性神经网络的间谐波分析方法

传统的线性神经网络,其激励函数是固定函数,所以不能对间谐波的频率进行调整,而基波频率微小的偏差将导致谐波检测出现较大的误差。笔者在采用BP神经网络的高精度基波检测的基础之上,采用激励函数参数可调的线性神经网络来分析间谐波。理论分析和仿真结果都表明,无论有没有噪声,文中提出的方法都具有较高的检测精度,自适应能力较强,其中检测与偶数次谐波比较接近的间谐波的优势更明显。     

基于ANCT和Adaline两种自适应谐波电流检测模型的分析

介绍了两种自适应谐波电流检测模型的基本原理,即基于自适应噪声对消技术（ANCT）的谐波电流检测模型和基于Adaline的自适应谐波电流检测模型,并分析了两种模型在相同自适应算法的条件下的检测性能,缺陷和适用范围,以及不同自适应算法对相同模型的检测性能的影响。分析结果表明：在相同算法条件下,两种模型的收敛速度一致,后者的稳态误差小（理论上可以为0）但计算量大,前者只适用于信噪比很大的情况下并且其检测结果主要作为有源电力滤波器（APF）的参考信号,而后者的检测结果还有其他用途（如谐波分析,保护和控制等）;同时,不同的自适应算法对同一模型检测性能的影响由算法本身决定。数值仿真验证了该理论分析的正确性。     

基于谱估计的三相逆变器故障诊断

逆变器中的开关元件故障是造成变频调速系统可靠性低的主要原因,研究了基于谱估计和神经网络的逆变器故障检测与诊断方法.通过理想无故障逆变器与实际逆变器输出电压信号的比较,得到了谱残差估计方程,利用复参数最小二乘估计方法获得了逆变器电压信号的实时谱残差估计,提出了简单的故障决策机制,实现了逆变器实时故障检测.对谱残差进行适当处理得到了相对谱残差,结合多层感知器神经网络实现了逆变器的故障分离.仿真结果验证了本文方法的有效性.     

基于快速傅立叶变换和多重信号分类法的间谐波频率估计

在电力系统中,间谐波检测是抑制间谐波的重要环节,准确有效地确定信号中的间谐波分量,对于改善电能质量有重要意义.FFT能够实现整数次谐波检测,对于非整数次谐波的检测存在着频率泄漏和栅栏效应,而MUSIC法需要在整个频域内进行谱峰搜索,影响其实用性.本文将FFT和MUSIC算法相结合,利用FFT缩小搜索域,再利用MUSIC进行频率细化,即克服了FFT的频率泄漏和栅栏现象,同时缩短谱峰搜索时间,可以更有效地估计出间谐波的频率,仿真试验说明了此方法的有效性及频率估计的精确度.     

基于谱图论和图卷积神经网络的直流电网节点电压估计研究

深度学习在电力系统领域应用已非常广泛,潮流计算是电力系统重要的基础性任务之一,传统算法依赖于迭代求解,不适用于快速估计场合。直流电网的潮流求解实质上是节点电压求解问题,为此,提出了一种基于谱图论和图卷积神经网络(graph convolution neural network,GCN)的直流电网电压估计模型。通过网络拓扑拉普拉斯矩阵的特征向量实现时域直流电网到谱域直流电网的空间正交变换,从而完成时域电气量信息与网络结构信息之间的数据融合,并配合图卷积网络实现对数据特征的有效提取,进而完成从初始谱域电气量到稳态时域电气量之间的映射。仿真结果表明,所提模型能够较好地实现从初始电气量到稳态节点电压的映射,具有较高的电压估计准确度。     

用Adaline网络实现电力线载波机的同频带全双工通信

分析了电力线载波机(PLC)的回波信号干扰问题,并指出了由此带来的电力线信道利用率低的问题。提出了一种利用Adaline网络(自适应线性神经网络)抵消回波信号的方法。利用神经网络强大的自适应能力、学习能力进行回波抵消,可使电力线载波机在同频带内实现全双工通信。由此即可提高信道利用率,因而此方法具有相当高的实用价值。结合ESB900系列数字式电力线载波机,探讨了在数字式电力线载波机上如何具体实现同频带内全双工通信,并利用M atlab对其可行性进行了仿真。