首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
全波傅氏算法在提取故障电流中基波分量时受衰减直流分量的影响较大。针对此问题,提出了一种滤除衰减直流分量的全波傅氏改进算法,给出新型衰减直流分量参数估算方法的公式推导。首先利用一个周波内的采样值求出故障电流中衰减直流分量的初始幅值和衰减时间常数,用采样值减去衰减直流分量值得到修正后的采样值,再利用全波傅氏算法计算出基波分量。分别采用静态模型信号、PSCAD/EMTDC仿真信号检验了该算法的性能。仿真结果表明,所提出的算法能够有效地减少衰减直流分量的影响。与一般改进算法相比,所提算法仅需要一个周波的采样数据,计算量小,计算的基波分量准确性高。  相似文献   

2.
全波傅氏算法是基于周期信号推导出来的,当采样信号中含有衰减直流分量时,将会产生误差.该文在全波傅氏算法的基础上,提出一种改进算法,仅增加一个采样点,通过两次非递归全波傅氏变换,消去衰减直流分量的影响.对微机保护中费机时的运算进行合理简化,以提高计算速度.仿真实验表明,改进算法具有消除衰减直流分量能力强,计算量小,速度快的特点.  相似文献   

3.
故障信号中的衰减直流分量对断路器失灵保护动作的影响很大,需要完全滤除掉此分量;针对传统全波傅氏算法消除采样信号中衰减直流分量存在的问题,进行计算误差分析;假定在输入信号只含有基频分量、衰减直流分量和各整次谐波分量时,提出一种改进的全波傅里叶算法;对传统傅氏算法和改进算法分别进行仿真,仿真结果验证改进算法能够完全滤除衰减直流分量。  相似文献   

4.
微机继电保护中滤除衰减直流分量的算法研究   总被引:7,自引:3,他引:7       下载免费PDF全文
全波傅氏算法是基于周期信号推导出来的,当采样信号中含有衰减直流分量时,将会产生误差。该文在全波傅氏算法的基础上,提出一种改进算法,仅增加一个采样点,通过两次非递归全波傅氏变换,消去衰减直流分量的影响。对微机保护中费机时的运算进行合理简化,以提高计算速度。仿真实验表明,改进算法具有消除衰减直流分量能力强,计算量小,速度快的特点。  相似文献   

5.
一种能滤去衰减直流分量的改进全波傅氏算法   总被引:33,自引:3,他引:33  
全波傅氏算法是基于采样信号不含衰减直流量推导出来的,对衰减直流分量的滤除不明显,提出一种改进的算法,通过增加两个采样点,计算并消去由直流衰减分量通过全波傅氏算法计算得到的值,使新算法对直流分量的滤波效果得到大大改善,理论上可以消除任意衰减时间常数的直流分量对所求各次谐波分量的影响,仿真试验表明,该算法消除直流衰减分量的能力强,计算量小,具有实际应用前景。  相似文献   

6.
一种完全滤除衰减直流分量的短数据窗改进全波傅氏算法   总被引:1,自引:0,他引:1  
计算机继电保护中的全波傅氏算法是基于周期函数模型推导出来的.当输入信号中含有衰减直流分量而不再是周期函数时,全波傅氏算法有较大的误差.该文提出了一种改进算法,不需要增加采样点数,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿,理论上能完全滤除衰减直流分量.  相似文献   

7.
微机继电保护中全波傅氏算法是以采样信号是周期信号为基础推导出来的,当被采样的信号中含有衰减直流分量时,结果会产生很大的误差。该文研究得出一种算法,直接算出衰减直流分量初始值和衰减时间常数,从而构造出不含衰减直流分量的周期函数,这样在采样时便对信号进行了补偿,便可直接用全波傅氏算法对采样信号进行处理。由于该算法直接求出衰减直流分量,理论上该算法没有误差,而且该算法与其它算法相比不仅大大减小了计算量,而且提高了精度。  相似文献   

8.
计算机继电保护中的全波傅氏算法是基于周期函数模型推导出来的。当输入信号中含有衰减直流分量而不再是周期函数时,全波傅氏算法有较大的误差。该文提出了一种改进算法,不需要增加采样点数,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿,理论上能完全滤除衰减直流分量。  相似文献   

9.
传统的全周波傅氏算法无法滤除故障信号中衰减的直流分量,从而对所需信号的幅值与相位计算造成误差.对近年来提出的几种改进傅氏算法进行分类研究,着重分析了其滤除衰减直流分量的方法.通过仿真,比较和评价改进傅氏算法的滤波性能.  相似文献   

10.
全波傅氏算法是在周期信号基础上推导出来的,当采样信号中含有衰减直流分量时,就会产生误差。提出一种改进算法,通过两次全波傅氏变换,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿。该算法简单,数据窗短,精度高,能满足实时性要求,具有较高的工程实用价值。  相似文献   

11.
传统的全周波傅氏算法无法滤除故障信号中衰减的直流分量,从而对所需信号的幅值与相位计算造成误差。对近年来提出的几种改进傅氏算法进行分类研究,着重分析了其滤除衰减直流分量的方法。通过仿真,比较和评价改进傅氏算法的滤波性能。  相似文献   

12.
一种滤除衰减直流分量的电流估计新算法   总被引:2,自引:0,他引:2  
电力系统的故障电流中存在指数函数型衰减直流信号,直接采用离散傅里叶变换(DFT)算法测量基波电流的误差较大.提出一种从故障电流信号中消除衰减直流分量的新算法,基于纯正弦波信号在一个全波周期积分为零、而指数衰减信号在一个全波周期积分不为零的原理,用一个全波周期加前一个采样周期的采样数据,就能精确估计出指数函数型衰减直流信号的幅值和时间常数.每个采样数据减去衰减直流分量偏移量后,用全波DFT算法就可精确估计故障电流.在Matlab仿真平台上,进行综合仿真试验表明:所提算法测量精度高,易于用DSP实现,可应用到基于DSP的数字继电保护装置中.  相似文献   

13.
一种能滤除衰减直流分量的交流采样新算法   总被引:28,自引:9,他引:28       下载免费PDF全文
在全波傅氏算法的基础上提出了一种新的滤波算法,该算法适用于输入信号中除直流分量和 整数次谐波分量外,还包含衰减直流分量的情况,其能弥补衰减直流分量对全波傅氏算法的 影响而求得精确的基波分量和谐波分量。算例表明,该算法具有计算精度高、算法简单等优 点。  相似文献   

14.
电力系统的故障电流中存在指数函数型衰减直流信号,直接采用离散傅里叶变换(DFT)算法测量基波电流的误差较大。提出一种从故障电流信号中消除衰减直流分量的新算法,基于纯正弦波信号在一个全波周期积分为零、而指数衰减信号在一个全波周期积分不为零的原理,用一个全波周期加前一个采样周期的采样数据,就能精确估计出指数函数型衰减直流信号的幅值和时间常数。每个采样数据减去衰减直流分量偏移量后,用全波DFT算法就可精确估计故障电流。在Matlab仿真平台上,进行综合仿真试验表明:所提算法测量精度高,易于用DSP实现,可应用到基于DSP的数字继电保护装置中。  相似文献   

15.
在全波傅氏算法的基础上,提出一种改进的基于牛顿递推原理的消除非周期分量的采样值修正算法,详述了该方法的原理、实现过程及仿真结果.该方法能改进原全波傅氏算法的不足,消除非周期直流分量的影响,提高滤波的精度.算例表明该算法原理简单,计算量少,适用性强,精度高,是一种有效的算法.  相似文献   

16.
一种消除非周期分量的牛顿递推采样值修正法   总被引:2,自引:1,他引:2       下载免费PDF全文
在全波傅氏算法的基础上,提出一种改进的基于牛顿递推原理的消除非周期分量的采样值修正算法,详述了该方法的原理、实现过程及仿真结果。该方法能改进原全波傅氏算法的不足,消除非周期直流分量的影响,提高滤波的精度。算例表明该算法原理简单,计算量少,适用性强,精度高,是一种有效的算法。  相似文献   

17.
基于一种改进的全波傅氏算法实现了在故障测距方面的应用.该方法基于线路分布参数模型,利用线路故障后获得的一个周期内的数据实现线路故障定位,该算法原理简单,所需采样数据窗口短小.克服了衰减直流分量对测距精度的影响.数字仿真结果表明,该算法在高压输电线路故障定位方面具有较高的测距精度.  相似文献   

18.
针对几种消除全波傅立叶算法中衰减非周期分量影响的方法,分析研究了它们在信号频率偏离额定值时的特性.研究结果表明:单纯一次差分法在信号频率偏离额定值时,消除衰减非周期分量的特性最好;经差分全波傅氏算法求出的基波幅值最接近于实际值.从而为电力系统振荡闭锁过程中判别再故障元件的算法提供了参考依据.  相似文献   

19.
电力系统微机保护故障信息检测算法综述   总被引:2,自引:1,他引:1  
在电力系统发生故障时, 故障暂态信号中频率会发生偏移,且含有谐波分量和衰减直流分量.为计算出准确的电力参数,从滤除衰减直流分量和考虑系统频率偏移两个方面对傅氏及其改进算法、最小二乘及其改进算法、基于神经网络、小波技术等电力系统微机保护故障信息检测算法进行了概述,并对文献中提出的方法进行了述评,分析它们的特点和存在的问题...  相似文献   

20.
在线检测实现了对运行设备特征量数据的实时监测,并对数据进行分析处理,从而预测设备运行状况。但是,电力系统发生故障时产生的谐波和衰减分量的影响会大大增加监测数据的误差。为了解决全波傅氏算法在处理含衰减直流分量信号时产生较大误差的弊端,提出一种改进算法。首先,通过增加两个采样点计算得到周期分量外的特征参数。然后,进行两次傅立叶变换,求取基波和谐波幅值和相位,通过图形化编程语言LabVIEW仿真,证明此方法具有较高的精度,较快的计算速度,优于传统算法,特别是对基波分量效果更为突出。利用LabVIEW做上位机更利于工程实践中功能的扩展。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号