本文關(guān)鍵詞：基于快速S變換和卡爾曼濾波算法的電能質(zhì)量分析系統(tǒng)研究

  更多相關(guān)文章： 電能質(zhì)量 快速S變換 擴(kuò)展卡爾曼濾波 實時分析 DSP

【摘要】：隨著我國電網(wǎng)的發(fā)展和社會的進(jìn)步,越來越多的大容量分布式電源、大功率電力電子裝置接入電網(wǎng),給電網(wǎng)電能質(zhì)量問題帶來了前所未有的挑戰(zhàn),電力供應(yīng)的質(zhì)量問題也正日益受到關(guān)注。保證供電可靠性和電能質(zhì)量已被提升到了國家電網(wǎng)核心責(zé)任的高度。因此,開展對電能質(zhì)量信號分析等問題的研究具有重要的理論和實踐意義。深入研究電能質(zhì)量問題需要有效的算法來提取出電能擾動波形的特征量。本文就這一問題介紹了一種快速S變換法,它是經(jīng)典S變換法的改進(jìn)算法,能夠消除經(jīng)典S變換結(jié)果中的冗余信息,因而減小了計算復(fù)雜度和計算所需的存儲空間。快速S變換法的計算復(fù)雜度與快速傅里葉變換相當(dāng),能夠?qū)崟r在線運行。本文用該算法和小波變換對電力系統(tǒng)主要的暫態(tài)擾動信號進(jìn)行分析,對比分析結(jié)果表明該算法能夠有效提取出電能擾動波形的特征量,而快速S變換比小波變換有更好的抗噪聲性能。為了能夠更加穩(wěn)定、快速和準(zhǔn)確的提取出電能擾動信號的瞬時幅值、瞬時頻率和瞬時相位等特征參數(shù),本文提出了基于擴(kuò)展卡爾曼濾波的改進(jìn)算法。該算法將快速S變換法與傳統(tǒng)卡爾曼濾波算法相結(jié)合,將快速S變換法提取出的信號特征量引入到卡爾曼濾波算法中,改善了原算法跟蹤快速突變信號的性能,提高了原算法計算突變信號特征參數(shù)的抗噪聲能力。本文通過MATLAB仿真實驗驗證了該算法的有效性。最后設(shè)計了一個由DSP硬件電路和計算機(jī)軟件組成的系統(tǒng)。通過DSP硬件電路采樣信號發(fā)生器產(chǎn)生的電能質(zhì)量波形,接著按TCP協(xié)議將數(shù)據(jù)打包并上傳到計算機(jī)上,然后由計算機(jī)按本文介紹的兩個算法完成電壓信號的特征量提取和特征參數(shù)計算。實驗表明本文提出的方法能夠?qū)崿F(xiàn)電能質(zhì)量信號的實時分析。
【關(guān)鍵詞】：電能質(zhì)量 快速S變換 擴(kuò)展卡爾曼濾波 實時分析 DSP
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM711
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-16
• 1.1 選題的背景和意義9-10
• 1.2 國內(nèi)外研究概況10-14
• 1.2.1 電能質(zhì)量事件特征參數(shù)計算方法11-13
• 1.2.2 電能質(zhì)量事件分類方法13
• 1.2.3 電能質(zhì)量分析儀器的實現(xiàn)13-14
• 1.3 本文的主要工作14-16
• 2 基于快速S變換算法的電能質(zhì)量信號時頻域分析16-36
• 2.1 S變換的理論基礎(chǔ)16-17
• 2.2 S變換的性質(zhì)17-18
• 2.3 離散S變換算法18-19
• 2.4 快速S變換算法19-25
• 2.4.1 時頻分布的采樣原理20-23
• 2.4.2 算法的計算復(fù)雜度和存儲空間要求23-25
• 2.5 快速S變換算法對電能質(zhì)量信號的分析25-35
• 2.5.1 時頻分析方法對電壓暫態(tài)擾動的分析對比25-31
• 2.5.2 系統(tǒng)抗噪聲設(shè)計31-32
• 2.5.3 時頻分析算法抗噪聲性能比較32-35
• 2.6 本章小結(jié)35-36
• 3 基于改進(jìn)卡爾曼濾波算法的電能質(zhì)量信號特征參數(shù)計算36-55
• 3.1 線性卡爾曼濾波算法的原理36-39
• 3.2 卡爾曼濾波算法結(jié)果意義討論39-40
• 3.3 擴(kuò)展卡爾曼濾波算法40-42
• 3.4 電力系統(tǒng)電壓信號的擴(kuò)展卡爾曼濾波模型42-43
• 3.5 對擴(kuò)展卡爾曼濾波算法的改進(jìn)43-47
• 3.5.1 抗噪聲性能的改進(jìn)44-45
• 3.5.2 跟蹤電壓幅值突變性能的改進(jìn)45-47
• 3.6 改進(jìn)的擴(kuò)展卡爾曼濾波算法對電能質(zhì)量信號的分析47-54
• 3.6.1 對暫態(tài)電能質(zhì)量波形的跟蹤47-50
• 3.6.2 對穩(wěn)態(tài)電能質(zhì)量波形的跟蹤50-54
• 3.7 本章小結(jié)54-55
• 4 實時分析算法的設(shè)計與實現(xiàn)55-62
• 4.1 信號采樣和數(shù)據(jù)發(fā)送的硬件實現(xiàn)55-58
• 4.2 算法的計算機(jī)軟件實現(xiàn)58-61
• 4.3 本章小結(jié)61-62
• 5 總結(jié)與展望62-64
• 5.1 全文小結(jié)62-63
• 5.2 本文不足與工作展望63-64
• 致謝64-66
• 參考文獻(xiàn)66-72
• 附錄1 IEEE 34節(jié)點分布式系統(tǒng)部分參數(shù)72-75
• 附錄2 抽樣率變換濾波器參數(shù)75-76

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當(dāng)前”模型的改進(jìn)卡爾曼濾波算法[J];山東大學(xué)學(xué)報(工學(xué)版);2012年05期

2 張哲;陳德樹;;卡爾曼濾波算法與富氏算法的分析比較[J];電力系統(tǒng)自動化;1990年04期

3 萬建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測定位技術(shù)[J];國防科技參考;1997年04期

4 夏建濤,任震,陳立,景占榮;極坐標(biāo)下卡爾曼濾波算法的研究[J];西北工業(yè)大學(xué)學(xué)報;2000年03期

5 高磊,崔鑫水;一種自適應(yīng)協(xié)方差矩陣旋轉(zhuǎn)變換卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年03期

6 高磊;一種反饋修正推廣卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年05期

7 劉劍鋒;莊志洪;劉中;;卡爾曼濾波算法在最佳起爆角估計中的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報;2005年S1期

8 阮建國;陳炯;;一種適于快速實現(xiàn)的卡爾曼濾波算法的改進(jìn)[J];電測與儀表;2009年02期

9 陳陌寒;巴曉輝;何璐;陳杰;;復(fù)雜信號環(huán)境下的魯棒卡爾曼濾波算法[J];科學(xué)技術(shù)與工程;2011年17期

10 李莉;宋志強;;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法在雷達(dá)數(shù)據(jù)融合中的應(yīng)用[J];儀器儀表用戶;2011年04期

中國重要會議論文全文數(shù)據(jù)庫 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（上冊）[C];2010年

2 周紅波;耿伯英;;基于目標(biāo)跟蹤的無偏轉(zhuǎn)換測量卡爾曼濾波算法研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準(zhǔn);;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

5 曾翠娟;杜傳利;;動態(tài)GPS自適應(yīng)卡爾曼濾波算法的FPGA實現(xiàn)[A];第13屆全國計算機(jī)、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應(yīng)平方根無跡卡爾曼濾波算法[A];2009年中國智能自動化會議論文集（第八分冊）[控制理論與應(yīng)用（�？[C];2009年

7 程慧俐;王紀(jì)文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標(biāo)運動分析的自適應(yīng)擴(kuò)展卡爾曼濾波算法[A];2005年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2005年

9 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 孫景榮;X射線脈沖星導(dǎo)航及其增強方法研究[D];西安電子科技大學(xué);2014年

2 葛磊;容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 馮波;線性濾波估計算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

4 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

5 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 龐瀛洲;關(guān)于電池BMS系統(tǒng)SOC估測算法的研究[D];長安大學(xué);2015年

2 張冬梅;基于改進(jìn)卡爾曼濾波算法的SOC估計方法研究[D];西南交通大學(xué);2015年

3 林燕平;長基線導(dǎo)航系統(tǒng)濾波算法的研究與實現(xiàn)[D];沈陽理工大學(xué);2015年

4 唐鵬;基于ADS-B數(shù)據(jù)監(jiān)視性能評估技術(shù)研究[D];中國民航大學(xué);2015年

5 陳辰;基于卡爾曼濾波算法的短期風(fēng)電功率預(yù)測[D];新疆大學(xué);2015年

6 馬康健;基于分布式共識的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

7 周暄承;可穿戴計算中能效提高策略研究[D];南京郵電大學(xué);2016年

8 杜振新;基于無跡卡爾曼濾波算法的動力電池剩余電量估算[D];長安大學(xué);2016年

9 張弛;基于無跡卡爾曼濾波算法的某民航發(fā)動機(jī)性能衰退分析[D];中國民航大學(xué);2016年

10 張兵;基于突變擾動的SOC估算研究[D];重慶郵電大學(xué);2016年

，

本文編號：677400