（19期已排版）基于无迹卡尔曼滤波的行波波头辨识

行波测距的关键问题是行波到达时刻的准确标定。然而系统在过零点发生故障或者经高阻接地短路时,故障行波信号比较微弱,利用奇异性判断行波突变的方法会出现很大的误差。为了准确捕捉故障暂态行波,文中提出了一种新的行波辨识方法,通过分析行波传输特性,构建行波波头数学模型,利用无迹卡尔曼滤波的状态估计能力,对行波波头进行辨识,从而获得行波到达故障检测装置的时刻。仿真结果可以看出,在信噪比较低的情况下,该方法依然能够辨识行波波头,具有很好的工程实用性。     

形态学与HHT检测相结合的行波波头准确标定方法

由于长输电线路高阻故障和线路色散等因素使得故障行波波头高频成分衰减较大,提出并实现了一种将形态学与 Hilbert-Huang 变换(HHT)相结合的行波检测及其波头到达时刻准确标定方法.行波暂态信号经形态学滤波之后,再对其做经验模态分解(EMD)提取其高频部分IMF1和IMF2分量,藉此实现对行波波头到达时刻的精确标定.若由于线路雷电冲击电晕和线路参数频变等因素引起行波波头较大衰减,使得故障行波反射波头在IMF1表现不明显时,则可采用IMF2分量对其反射波头到达时刻进行准确标定.该方法对行波波头的时间标定可以精确到采样点.电磁暂态仿真数据和实际工程数据验证表明,该方法正确、有效,并已应用于故障行波分析与测距装置.     

基于卡尔曼滤波误差的电能质量扰动检测

检测电压或电流波形畸变时刻对扰动波形捕捉、电能质量扰动类型分类、暂态数据压缩等都有重要意义。为了更准确地检测电压或电流波形畸变发生时刻,提出了由线性卡尔曼滤波器的误差序列来实时检测电能质量扰动的时域方法。它根据误差序列的突然变化来确定扰动发生的时刻。此模型下卡尔曼滤波器增益系数K、误差协方差矩阵P与测量数据无关,可以离线计算,计算量小。基于PSCAD/EM TDC和M atlab的仿真表明此方法能准确定位电压跌落/上升及电容器投切等引起的暂态过程的起止时刻,并且对系统频率偏移有鲁棒性。误差序列的计算可以在两采样点之间完成,可用廉价的DSP芯片实现电能质量的实时检测。     

基于ARIMA的矿山电网故障暂态行波波头辨识及故障测距

由于矿山电网含有大量的整流设备及非线性负载,运行时含有稳定的高次谐波分量和高频噪声,同时矿山电网多为短距离线路,故障后产生的暂态信号与原有高次谐波混叠严重,给行波故障测距带来了极大的困难。通过分析矿山电网故障行波的时域特征,提出基于整合移动平均自回归模型(ARIMA)对行波波头到达前的高频周期信号进行预测,并结合波头到达时刻的真实波形得到波形残差,同时对残差进行平稳性校验,通过行波波头到达时刻前后残差平稳性的不同确定准确的波头到达时刻,进而实现行波故障测距。利用低压电缆网络仿真实现矿山电网故障,仿真结果表明:与小波变换与经验模态分解相比,所提方法能够准确辨识行波波头,且不易受故障状况和噪声的影响,能有效提升行波可行性及精度,尤其适用于含有整流设备及非线性负载矿山电网故障测距。     

基于暂态行波分析的配电线路故障精确定位算法研究

传统的配网故障诊断方法存在单相接地故障选线与定位不可靠,通信及电源可靠性不高等问题,已很难迅速、有效地精准定位故障区域.鉴于此,提出一种基于暂态行波的配电线路故障算法,同时结合实例进行分析,验证了算法的有效性.     

基于EMD和卡尔曼滤波的振荡信号检测

针对振荡信号,可以定量计算振荡信号的参数,同时定位振荡发生的起始时刻。振荡的随机性使其常常叠加于基波信号之上,EMD分解能将叠加于基波信号上的振荡信号提取出来,从而使得卡尔曼状态空间方程简化而可靠。在建立卡尔曼状态空间时,利用Z变换建立迭代关系,使得含指数变化项的振荡信号的状态更新变得简单。利用该方法可以快速精确地检测出振荡的频率和衰减指数,最后利用振荡发生起始点处的采样值可以快速确定振荡的最大幅值。卡尔曼滤波能容纳一定程度的噪声,可以利用卡尔曼滤波将噪声的影响有效降低,通过仿真实验可以看到该方法能有效检测振荡信号的实时参数,并确定振荡的有效区间,误差均较小。最后通过比较几种检测振荡信号的方法,证明了本方法的优势。     

动态GPS卡尔曼滤波中的神经网络算法研究

GPS导航系统噪声具有非先验性,而传统的卡尔曼滤波器要求假设动态模型和观测模型的噪声统计特性已知,因此传统卡尔曼滤波导航定位的方法定位精度不高.本文提出采用前向神经网络辅助调节卡尔曼滤波器,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其具有自适应能力以应付动态环境的扰动,其中自适应利用神经网络的BP算法得以实现.仿真研究表明:该算法优于普通的卡尔曼滤波器.     

不同步双端数据修正波速的单端行波测距算法研究

为了降低当前行波故障测距方法存在的同步精度要求高、通信量大、无法确定实际波速等缺点,并提高测距系统的容错率和可靠性,提出一种不同步双端数据修正波速的单端行波定位方法。通过分析行波折射和反射的极性变化,并引入零模、线模波速差原理辅助判据,确立接收扰动下的单端入射波和对端反射波的时间差,进一步根据双端的这个时间差修正波速,最后利用修正波速和单端时间差可精确实现故障定位。本算法综合单端易于时间精确同步和双端修正波速的优点,降低了双端行波故障测距方法对高精度双端时间同步要求,同时双端仅交换单端时间差信息,降低了通信的依赖性。仿真比较结果显示所提出的方法具有很高的定位精度,受时间同步和波速的影响小。     

双端行波定位算法的研究

近年来把故障系统的行波信号应用于继电保护的研究非常活跃。并取得了可喜的成果。特别是行波在故障测距中的应用,发展了很多行波测距算法．包括利用单端数据和双端数据的算法。它们主要基于以下理论：在电力系统发生故障后,在故障点将产生向两端运行的暂态行波．暂态行波在传播过程中遇到不均匀介质时．将发生折射和反射,在故障点和母线处暂态行波会发生反射和透射．这样就可以利用2个波头之间的时间差来完成故障定位。本文主要就双端行波定位如何计算进行探讨。     

基于卡尔曼滤波的GNSS系统联合定位技术研究

针对在复杂的城市环境中或室内的情况下,单系统卫星信号因受到周围建筑物的遮挡,导致可见性不佳的问题,设计了用联合定位系统对单点进行定位,并分别用卡尔曼滤波算法以及联邦卡尔曼滤波算法对定位结果进行处理.为了验证该结论,采用MC20中的GPS/BDS双模定位接受模块采集定位数据,用集思宝UG905采集的数据作为定位点的基准数...     

基于卡尔曼算法的有源滤波器谐波检测方法

提出了有源滤波器谐波检测的一种新方法。这种方法是以卡尔曼算法为核心,利用状态方程和递推方法对当前过程状态进行实时估计。MATLAB仿真证明基于卡尔曼算法的有源滤波器谐波检测方法实时性好,与FFT变换法相比精确度有一定的提高。     

基于增量误差的卡尔曼滤波算法全区间荷电状态估计

在电池管理系统领域，精确的荷电状态SOC（state-of-charge）估计是众多状态估计中最基础的技术之一。但在一些特定的SOC区间段内，便于实际应用的等效电路模型并不能很好地等效电池的特性，故基于传统卡尔曼滤波算法的SOC估计会出现精度下降的问题。提出一种基于增量误差的卡尔曼滤波算法，通过离线分析等效电路模型在各个SOC区间段内的性能优劣，得到各个SOC区间的噪声协方差控制表；将噪声协方差应用于对应的SOC区间段内，从而实现对全区间SOC的精确估计。实验表明在SOC低于20%的区间内，采用基于增量误差的卡尔曼滤波算法可以大大提高SOC估计精度。     

不同温度的双卡尔曼滤波算法电池组SOC估计

动力锂电池组的荷电状态SOC(state of charge)是整个电池管理系统的重要参数,能直接反映电动汽车剩余可行驶里程,因此如何精确地估计电池组的SOC值是至关重要的。由于电池组各单体电池的不一致性,以及电动汽车在行驶过程中的复杂环境,所以在电池组内单体电池负载电压的最小值Vmin模型的基础上运用统计学的方法,对模型中的各参数进行有关温度因素的拟合,并通过模拟汽车的实际行驶环境,在不同温度下进行实验,从而得到改进的Vmin模型;结合双卡尔曼滤波算法,实现对整个电池组的SOC估计。仿真和实验结果表明该方法对电池组SOC的估计精度有优越性。     

基于卡尔曼滤波研究与应用

阐述了卡尔曼滤波的特点;针对目前卡尔曼滤波在电力系统中的实际应用,以在短路事故发生后的极短时间内发现并切断电路为例,给出了用卡尔漫滤波解决实际问题的实用方法:     

基于扩展卡尔曼滤波算法的异步电机转速辨识性能评估

利用扩展卡尔曼滤波器（EKF）,将转子转速看成一个状态量,通过测量电机定子侧的端电压和电流在线估计电动机转子速度。通过较全面的仿真实验对比分析,研究了采样周期、滤波器参数和电机参数对转速在线估计性能指标的影响。对比结果发现,该方法进一步优化了用扩展卡尔曼滤波器对电动机转速的辨识。     

基于RLS的自适应滤波算法研究

为抑制谐振接地系统对地电容中的工频信号和其他谐波成分,提出了一种基于RLS算法的自适应滤波算法.该算法通过给定n-1次迭代滤波器抽头权向量最小二乘估计,依据新到达的数据计算n次迭代权向量最新估计.当滤波器输入信号变化时可保持最佳输出信号,在一定程度上补偿了滤波器元件参数变化带来的运算误差.对其滤波理论及算法进行仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于其他自适应算法.     

基于卡尔曼滤波的动力电池荷电状态的估算

动力电池荷电状态(SOC)是电动汽车行驶及充电过程中重要的信息之一,能够为驾驶者提供电池剩余电量以及续驶里程等信息。完成了基于动力电池Thevenin模型的扩展卡尔曼滤波法SOC估算算法的研究与设计。通过电池的HPPC实验,识别电池模型参数,并在MATLAB中进行仿真验证,介绍了实验结果。     

基于SOC-OCV曲线的卡尔曼滤波法SOC估计

由于开路电压(OCV)与电池荷电状态(SOC)存在一一对应的关系,OCV在电池SOC估计中被广泛运用。提出了如何通过卡尔曼滤波法(KMF)得到各种工作状态下PNGV电池模型中各状态量的值,从而得到PNGV电池模型的实时OCV,进而通过已经获得的SOC-OCV曲线得到电池SOC的预测值方法。给出了铅碳电池建模及参数辩识的方法及步骤,建立了参数随SOC可变的铅碳电池PNGV模型,并通过模型提出了用于OCV计算的KMF,该算法能快速并准确的收敛到真实的OCV,从而实时指示SOC,仿真和实验结果显示该方法具有较好的SOC估算效果及快速的动态响应。     

基于Sage-Husa卡尔曼滤波的三相电压暂降检测

针对三相三线制系统,提出一种检测三相电压暂降的新方法。通过瞬时对称分量法在αβ静止坐标系下建立离散检测模型,引入90°超前移相算子,解耦了暂降电压正序、负序分量的检测;采用Sage-Husa卡尔曼滤波算法实现移相算子,产生正交分量,同时表现出算法自身的滤波功能;引入欧氏空间距离定位故障发生及恢复时刻,并重置卡尔曼滤波器参数,加快检测响应速度。仿真结果表明,所述方法在响应速度和稳态精度方面具有优越性,证明了该方法的可行性和有效性。     

一种适于快速实现的卡尔曼滤波算法的改进

卡尔曼滤波算法具有收敛平稳、速度快、精度高的优点,在信号处理中受到广泛应用.但由于卡尔曼滤波算法不仅是一种迭代算法,而且还包含矩阵的连乘运算和求逆运算,这使得该算法在MCU和DSP这类数字平台上的实现面l临很大的困难.本文介绍了一种数字保护中卡尔曼滤波算法的改进,针对数字保护的特点,对算法的结构进行适当的变换,将迭代过程中大量与采样点数据无关的矩阵运算和求逆运算分离出来进行离线运算,从而避开难以实现的矩阵求逆运算和运算量巨大的矩阵连乘运算,大大简化了迭代的过程.由于离线运算不受运算量、运算时间和位宽精度的限制,因而改进后的算法不仅克服了原先迭代过程的复杂性,而且进一步提高了运算精度,可以在MCU和DSP这类数字平台上实现.