开云优惠体育网页版入口

专利名称：一种配电网的谐波检测方法及系统

专利类型：发明专利

专利申请号：CN202410951367.5

专利申请（专利权）人：国网甘肃省电力公司酒泉供电公司,酒泉市兴达建筑安装工程有限责任公司
权利人地址：甘肃省酒泉市肃州区敦煌路8号

专利发明（设计）人：张忠辉,赵年年,向昱瑾,王建英,杨雪丽,李晓靖,王幼钧,申发斌,李鹏阳

专利摘要：本发明属于谐波检测领域，提供一种配电网的谐波检测方法及系统，包括：采集电力系统的电压信号，得到原始信号，对原始信号去除直流分量和高频噪声，得到预处理后的信号；对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；对所述主成谐波成分进行精细滤波器处理，提取谐波成分。本发明可以准确及时地检测谐波。

主权利要求：
1.一种配电网的谐波检测方法，其特征在于，所述方法包括如下步骤：采集电力系统的电压信号，得到原始信号，对原始信号进行预处理，得到预处理后的信号，所述预处理包括去除直流分量和高频噪声；
对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；
对所述主成谐波成分进行精细滤波器处理，提取谐波成分；
对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：S1定义状态向量；
S2测量向量；
S3将状态向量映射到测量空间；
S4初始化状态估计；
S5初始化协方差矩阵；
S6然后预测状态；
S7预测协方差；
S8计算系统增益；
S9更新状态估计；
S10更新协方差矩阵；
所述对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分包括：滤波器权重初始化为零向量：，
其中 为滤波器阶数， 为滤波器的初始权重向量，为零向量， 为第0阶滤波器的初始权重值， 为第1阶滤波器的初始权重值， 为第N?1阶滤波器的初始权重值；
在每个时间点k，构建输入信号向量 ：，
表示当前时间点k的输入信号向量，包括当前和前 个采样点的信号， 表示当前时间点k的信号， 表示当前时间点k前 时间点的信号；
滤波器输出 ：
，
为滤波器的输出信号，即当前权重向量和输入信号向量的内积，输出信号 表示初步提取的主成谐波成分， 表示当前时间点k的权重向量的转置； 表示当前时间点k的第i个权重；
计算误差 ：
，
其中 是期望信号；
更新滤波器权重 ：
，
为步长因子；
表示下一时间点k+1的权重向量，通过当前权重、误差和步长因子进行更新。
2.根据权利要求1所述的一种配电网的谐波检测方法，其特征在于，所述期望信号通过如下方法得到：设信号中存在50Hz的基波和150Hz的三次谐波，构建期望信号：，
其中 ， ，是采样周期， 和 分别是基波和谐波的幅值。
3.根据权利要求1所述的一种配电网的谐波检测方法，其特征在于，对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：所述定义状态向量为 ：，
表示在时间k的状态向量； 表示在时间k的第i个状态变量；
所述测量向量为y(k)，即自适应滤波器的输出y(k)：，
其中，表示测量矩阵，将状态向量映射到测量空间， 表示在时间k的测量噪声；
所述状态转移方程为： ，其中， 表示状态转移矩阵，描述系统状态如何从时间k转移到时间k+1，表示在时间k的过程噪声；
所述初始化状态估计为 ；
所述初始化协方差矩阵为 ；
所述预测状态：
，
其中， 表示在时间k基于 时刻信息的预测状态估计， 表示时刻的状态；
所述预测协方差为：
，
其中， 表示在时间k基于 时刻信息的预测协方差矩阵， 表示时刻的协方差矩阵； 表示过程噪声协方差矩阵，描述过程噪声的统计特性；
所述计算系统增益：
，
其中， 表示在时间k的卡尔曼增益，权衡预测和测量之间的比重， 表示测量噪声协方差矩阵，描述测量噪声的统计特性；
所述更新状态估计为：
，
其中， 表示在时间k更新后的状态估计，是精细滤波器进一步精细处理后提取的更准确的谐波成分；
所述更新协方差矩阵为：，
其中， 表示在时间k更新后的协方差矩阵，反映状态估计的不确定性经过更新后的变化。
4.根据权利要求3所述的一种配电网的谐波检测方法，其特征在于，所述状态向量通过如下方式获。憾杂诨ê颓傲礁鲂巢，状态向量表示为：，
其中， 是第i次谐波的幅值， 是第i次谐波的相位角， 表示在时间k的状态变量。
5.根据权利要求3所述的一种配电网的谐波检测方法，其特征在于：如果对系统状态没有先验知识，将初始状态估计设置为零向量。
6.根据权利要求3所述的一种配电网的谐波检测方法，其特征在于：如果系统状态有先验知识，使用先验估计值作为初始状态。
7.根据权利要求3所述的一种配电网的谐波检测方法，其特征在于：如果对初始状态的不确定性没有具体信息，则使用单位矩阵乘以一个常数来初始化协方差矩阵。
8.根据权利要求3所述的一种配电网的谐波检测方法，其特征在于：如果有先验知识，则使用先验协方差矩阵。
9.一种配电网的谐波检测系统，其特征在于所述系统包括如下模块：采集模块，用于采集电力系统的电压信号，得到原始信号，对原始信号去除直流分量和高频噪声，得到预处理后的信号；
初处理模块，用于对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；
精细处理模块，用于对所述主成谐波成分进行精细滤波器处理，提取谐波成分;对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：S1定义状态向量；
S2测量向量；
S3将状态向量映射到测量空间；
S4初始化状态估计；
S5初始化协方差矩阵；
S6然后预测状态；
S7预测协方差；
S8计算系统增益；
S9更新状态估计；
S10更新协方差矩阵；
所述对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分包括：滤波器权重初始化为零向量：滤波器权重初始化为零向量：，
其中 为滤波器阶数， 为滤波器的初始权重向量，为零向量， 为第0阶滤波器的初始权重值， 为第1阶滤波器的初始权重值， 为第N?1阶滤波器的初始权重值；
在每个时间点k，构建输入信号向量 ：，
表示当前时间点k的输入信号向量，包括当前和前 个采样点的信号， 表示当前时间点k的信号， 表示当前时间点k前 时间点的信号；
滤波器输出 ：
，
为滤波器的输出信号，即当前权重向量和输入信号向量的内积，输出信号 表示初步提取的主成谐波成分， 表示当前时间点k的权重向量的转置； 表示当前时间点k的第i个权重；
计算误差 ：
，
其中 是期望信号；
更新滤波器权重 ：
，
为步长因子；
表示下一时间点k+1的权重向量，通过当前权重、误差和步长因子进行更新。 说明书 : 一种配电网的谐波检测方法及系统技术领域[0001] 本发明属于谐波检测领域，具体而言涉及一种配电网的谐波检测方法及系统。背景技术[0002] 谐波是指在电力系统中存在的电流或电压波形中频率为基波频率整数倍的成分。谐波的来源主要包括：非线性负载：如电力电子设备（变频器、整流器）、计算机、荧光灯等；电力系统内部：如变压器磁饱和、谐振等。[0003] 谐波会增加设备的损耗，导致发热和寿命缩短，影响电压波形质量，产生电磁干扰，影响其他电子设备，进而导致保护装置误动作，影响系统安全运行。[0004] 现有技术中常使用傅里叶变换（FourierTransform,FT）、快速傅里叶变换（FastFourierTransform,FFT）、小波变换（WaveletTransform,WT）等检测电力系统中的谐波，然而上述方法均存在无法检测精细谐波的问题。发明内容[0005] 为了解决现有技术中的问题，本发明提供一种配电网的谐波检测方法，包括如下步骤：[0006] 采集电力系统的电压信号，得到原始信号，对原始信号进行预处理，得到预处理后的信号，所述预处理包括去除直流分量和高频噪声；[0007] 对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；[0008] 对所述主成谐波成分进行精细滤波器处理，提取谐波成分；[0009] 对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：[0010] S1定义状态向量；[0011] S2测量向量；[0012] S3将状态向量映射到测量空间；[0013] S4初始化状态估计；[0014] S5初始化协方差矩阵；[0015] S6然后预测状态；[0016] S7预测协方差；[0017] S8计算系统增益；[0018] S9更新状态估计；[0019] S10更新协方差矩阵。[0020] 进一步地，所述对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分包括：[0021] 滤波器权重初始化为零向量：[0022] ，[0023] 其中 为滤波器阶数， 为滤波器的初始权重向量，为零向量， 为第0阶滤波器的初始权重值， 为第1阶滤波器的初始权重值， 为第 阶滤波器的初始权重值；[0024] 在每个时间点 ，构建输入信号向量 ；[0025] ，[0026] 表示当前时间点k的输入信号向量，包括当前和前 个采样点的信号， 表示当前时间点k的信号， 表示当前时间点k前 时间点的信号；[0027] 滤波器输出 ：[0028][0029] 为滤波器的输出信号，即为当前权重向量和输入信号向量的内积，输出信号表示初步提取的主成谐波成分；[0030] 表示当前时间点k的权重向量的转置； 表示当前时间点k的第i个权重；[0031] 计算误差为 ：[0032] ，[0033] 其中， 是期望信号；[0034] 更新滤波器权重 ：[0035] ，[0036] 为步长因子[0037] 表示下一时间点k+1的权重向量，通过当前权重、误差和步长因子进行更新。[0038] 进一步地，所述期望信号通过如下方法得到：[0039] 设信号中存在50Hz的基波和150Hz的三次谐波，构建期望信号：[0040][0041] 其中 Hz， Hz， 是采样周期， 和 分别是基波和谐波的幅值。[0042] 进一步地，对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：[0043] 所述定义状态向量为 ：[0044][0045] 表示在时间k的状态向量； 表示在时间k的第i个状态变量；[0046] 所述测量向量为 ，对应于自适应滤波器的输出 ；[0047][0048] 其中， 表示测量矩阵，将状态向量映射到测量空间， 表示在时间k的测量噪声；[0049] 所述状态转移方程为：[0050][0051] 其中， 表示状态转移矩阵，描述系统状态如何从时间k转移到时间k+1， 表示在时间k的过程噪声；[0052] 所述初始化状态估计为 ；[0053] 所述初始化协方差矩阵为 ；[0054] 所述预测状态：[0055][0056] 其中， 表示在时间k基于 时刻信息的预测状态估计[0057] 表示 时刻的状态；[0058] 所述预测协方差为：[0059][0060] 其中， 表示在时间k基于 时刻信息的预测协方差矩阵， 表示 时刻的协方差矩阵； 表示过程噪声协方差矩阵，描述过程噪声的统计特性；[0061] 所述计算系统增益：[0062][0063] 其中， 表示在时间k的卡尔曼增益，权衡预测和测量之间的比重， 表示测量噪声协方差矩阵，描述测量噪声的统计特性；[0064] 所述更新状态估计为：[0065][0066] 其中， 表示在时间k更新后的状态估计，是精细滤波器进一步精细处理后提取的更准确的谐波成分；[0067] 所述更新协方差矩阵为：[0068][0069] 其中， 表示在时间k更新后的协方差矩阵，反映状态估计的不确定性经过更新后的变化。[0070] 进一步地，所述状态向量通过如下方式获。篬0071] 对于基波和前两个谐波，状态向量表示为：[0072][0073] 其中， 是第i次谐波的幅值， 是第i次谐波的相位角， 表示在时间k的第i个状态变量。[0074] 进一步地，如果对系统状态没有先验知识，将初始状态估计设置为零向量。[0075] 进一步地，如果系统状态有先验知识，使用先验估计值作为初始状态。[0076] 进一步地，如果对初始状态的不确定性没有具体信息，则使用单位矩阵乘以一个常数来初始化协方差矩阵。[0077] 进一步地，如果有先验知识，则使用先验协方差矩阵。[0078] 本发明另一方面还提供一种配电网的谐波检测系统，如下模块：[0079] 采集模块，用于采集电力系统的电压信号，得到原始信号，对原始信号去除直流分量和高频噪声，得到预处理后的信号；[0080] 初处理模块，用于对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；[0081] 精细处理模块，用于对所述主成谐波成分进行精细滤波器处理，提取谐波成分;[0082] 对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：[0083] S1定义状态向量；[0084] S2测量向量；[0085] S3将状态向量映射到测量空间；[0086] S4初始化状态估计；[0087] S5初始化协方差矩阵；[0088] S6然后预测状态；[0089] S7预测协方差；[0090] S8计算系统增益；[0091] S9更新状态估计；[0092] S10更新协方差矩阵。[0093] 本发明通过上述技术方案，可以产生如下有益效果：[0094] 结合自适应滤波器与精细滤波器的谐波检测方法，通过自适应滤波器初步提取主成谐波成分，再使用精细滤波器进行精细处理得到更精确的状态估计，能够在配电网中实现高精度的谐波检测。自适应滤波器具有实时性和快速响应的特点，而精细滤波器则提供了精确的状态估计和噪声滤除能力，两者结合可以有效提高谐波检测的精度和鲁棒性。附图说明[0095] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0096] 图1是本发明方法的流程图。具体实施方式[0097] 下面，结合附图以及具体实施方式，对发明做出优选的描述。[0098] 本实施例通过如下步骤解决上述问题:[0099] 在一个实施例中，参考图1，本发明提供一种配电网的谐波检测方法,包括如下步骤：[0100] 1.数据采集和预处理[0101] 采集电力系统的电压信号，得到原始信号 。直流分量是指信号的平均值或直流偏移量。在电力系统中，信号中的直流分量不会对交流电的分析带来有用的信息，反而会干扰谐波和其他交流分量的分析。高频噪声是指信号中超出感兴趣频率范围的高频成分。这些高频成分通常是由电磁干扰、开关动作等引起的随机噪声，会干扰实际信号的分析。因此，需要对信号进行预处理，包括去除直流分量和高频噪声，得到预处理后的信号 。[0102] 2．自适应滤波器处理，提取主要的谐波成分。[0103] 滤波器权重初始化为零向量[0104][0105] 其中 为滤波器阶数， 为滤波器的初始权重向量，为零向量，维度为 ，为第0阶滤波器的初始权重值， 为第1阶滤波器的初始权重值， 为第 阶滤波器的初始权重值；[0106] 在每个时间点k，构建输入信号向量[0107][0108] 表示当前时间点k的输入信号向量，包括当前和前 个采样点的信号， 表示当前时间点k的信号， 表示当前时间点k前 时间点的信号；[0109] 滤波器输出[0110][0111] 滤波器的输出信号，为当前权重向量和输入信号向量的内积。输出信号 表示初步提取的谐波成分。[0112] 表示当前时间点k的权重向量的转置； 表示当前时间点k的第i个权重；[0113] 计算误差[0114][0115] 其中， 是期望信号，如，假设信号中存在50Hz的基波和150Hz的三次谐波，可以构建一个期望信号：[0116][0117] 其中 Hz， Hz， 是采样周期， 和 分别是基波和谐波的幅值，类似地，还可以构建其它期望信号，进行不同倍频的谐波信号的采集。[0118] 更新滤波器权重[0119][0120] 表示下一时间点k+1的权重向量，通过当前权重、误差和步长因子进行更新。[0121] 通过以上步骤，自适应滤波器的输出 提取了信号的主成谐波成分。[0122] 在上述步骤中自适应滤波器通过动态调整权重，使得输出信号 能够准确跟踪输入信号中的特定频率成分（即谐波成分）。在不断更新权重的过程中，滤波器逐渐适应输入信号中的谐波频率，使得输出信号主要包含这些谐波成分。[0123] 自适应滤波器的目标是最小化输出信号与期望信号之间的误差。当输入信号包含显著的谐波成分时，滤波器会调整权重，使得输出信号主要包含这些谐波成分，以最小化误差。[0124] 由于自适应滤波器能够识别和跟踪输入信号中的特定频率成分（如谐波），输出信号将主要反映这些频率成分。滤波器权重的调整过程实际上是在优化滤波器对输入信号中谐波成分的响应。[0125] 3．对主成谐波成分进行精细滤波[0126] 定义状态向量[0127][0128] 表示在时间k的状态向量，包含系统的所有状态变量，状态变量用于描述系统中的谐波特性和电力信号的动态行为。具体的状态变量选择取决于模型的复杂性和所需要的谐波分量。[0129] 示例性地，对于基波和前两个谐波（基波、三次谐波和五次谐波），状态向量可以表示为：[0130][0131] 其中， 是第i次谐波的幅值， 是第i次谐波的相位角。 表示在时间k的第i个状态变量。[0132] 测量向量 ，即自适应滤波器的输出 ；[0133][0134] 表示测量矩阵，将状态向量映射到测量空间。[0135] 表示在时间k的测量噪声，本实施例设为高斯白噪声。[0136] 状态转移方程：[0137][0138] 表示状态转移矩阵，描述系统状态如何从时间k转移到时间k+1；[0139] 表示在时间k的过程噪声，本实施例设为高斯白噪声。[0140] 初始化状态估计 ，如果对系统状态没有先验知识，可以将初始状态估计设置为零向量，如果对系统状态有一定的先验知识，可以使用先验估计值作为初始状态，也使用历史数据进行估计，得到初始状态。[0141] 初始化协方差矩阵 ，如果对初始状态的不确定性没有具体信息，可以使用单位矩阵乘以一个较大的常数来初始化。如果有先验知识，可以使用先验协方差矩阵。也历史数据的方差估计来初始化。[0142] 预测状态：[0143][0144] 表示在时间k基于 时刻信息的预测状态估计；[0145] 表示k?1时刻的状态， 是前一个时隙，已经发生，所以这里是真实的状态，为了方便程序实现和数学表达的一致性写成 。[0146] 预测协方差：[0147][0148] 表示在时间k基于 时刻信息的预测协方差矩阵；[0149] 表示 时刻的协方差矩阵，与状态类似，此表达是为了方便程序实现和数学表达的一致性。[0150] 表示过程噪声协方差矩阵，描述过程噪声的统计特性；[0151] 计算系统增益：[0152][0153] 表示在时间k的卡尔曼增益，权衡预测和测量之间的比重；[0154] 表示测量噪声协方差矩阵，描述测量噪声的统计特性。[0155] 更新状态估计[0156][0157] 表示在时间k更新后的状态估计，结合预测和测量信息进行修正。这里的是精细滤波器进一步精细处理后提取的更准确的谐波成分。[0158] 更新协方差矩阵：[0159][0160] 表示在时间k更新后的协方差矩阵，反映状态估计的不确定性经过更新后的变化。[0161] 结合自适应滤波器与精细滤波器的谐波检测方法，通过自适应滤波器初步提取主成谐波成分，再使用精细滤波器进行精细处理得到更精确的状态估计，能够在配电网中实现高精度的谐波检测。自适应滤波器具有实时性和快速响应的特点，而精细滤波器则提供了精确的状态估计和噪声滤除能力，两者结合可以有效提高谐波检测的精度和鲁棒性。[0162] 另一方面，本发明还提供一种配电网的谐波检测系统，包括：[0163] 采集模块，用于采集电力系统的电压信号，得到原始信号，对原始信号去除直流分量和高频噪声，得到预处理后的信号；[0164] 初处理模块，用于对所述预处理后的信号进行自适应滤波器处理，提取主成谐波成分；[0165] 精细处理模块，用于对所述主成谐波成分进行精细滤波器处理，提取谐波成分;[0166] 对所述主成谐波成分进行精细滤波器处理，提取谐波成分包括：[0167] S1定义状态向量；[0168] S2测量向量；[0169] S3将状态向量映射到测量空间；[0170] S4初始化状态估计；[0171] S5初始化协方差矩阵；[0172] S6然后预测状态；[0173] S7预测协方差；[0174] S8计算系统增益；[0175] S9更新状态估计；[0176] S10更新协方差矩阵。[0177] 进一步地，上述所述的一种配电网的谐波检测系统具体的实现方法均与一种配电网的谐波检测方法相同，一种配电网的谐波检测方法中的全部进一步的技术方案均完全引入一种配电网的谐波检测系统中。[0178] 最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。[0179] 本发明未特别明确的部分模块结构，以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分，用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。

专利地区：甘肃

专利申请日期：2024-07-16

专利公开日期：2024-11-05

专利公告号：CN118503666B