[發(fā)明專利]一種基于高階累積量與ESPRIT算法的功率振蕩檢測方法

在審

• 申請?zhí)枺?/td>: 202010557572.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111913034A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設(shè)計）人: 楊宏宇;呂萬;吳熙;顧文;顏全椿;姚瑤;汪泓;孫平平;黃佳星;梅睿;封建寶;花婷婷;季潔
• 申請（專利權(quán)）人: 江蘇方天電力技術(shù)有限公司;東南大學(xué)
• 主分類號: G01R21/00
• 分類號: G01R21/00;H02J3/24
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 施昊

1.一種基于高階累積量與ESPRIT算法的功率振蕩檢測方法，其特征在于，包括以下步驟：

(1)更新系統(tǒng)中相量測量單元(PMU)采樣的電信號數(shù)據(jù)；

(2)對采樣的電信號數(shù)據(jù)進行信號預(yù)處理；

(3)計算預(yù)處理后信號的四階累積量；

(4)將信號的四階累積量替代原信號數(shù)據(jù)；

(5)對步驟(4)得到的數(shù)據(jù)使用ESPRIT算法進行功率振蕩辨識；

(6)根據(jù)辨識結(jié)果判斷是否發(fā)生功率振蕩，如發(fā)生功率振蕩，則向調(diào)度中心輸出振蕩信息；如未發(fā)生功率振蕩，則返回步驟(1)。

2.根據(jù)權(quán)利要求1所述基于高階累積量與ESPRIT算法的功率振蕩檢測方法，其特征在于，在步驟(2)中，信號預(yù)處理包括異常數(shù)據(jù)的識別、剔除、補正以及數(shù)據(jù)的濾波；所述異常數(shù)據(jù)是指由于測量偏差產(chǎn)生的明顯不符合數(shù)據(jù)趨勢的錯誤數(shù)據(jù)點。

3.根據(jù)權(quán)利要求2所述基于高階累積量與ESPRIT算法的功率振蕩檢測方法，其特征在于，通過下式對異常數(shù)據(jù)進行識別：

其中，i＝7,8,…,N，N為數(shù)據(jù)長度，y_i為原始數(shù)據(jù)，為插值后數(shù)據(jù)；

先檢驗前6個數(shù)據(jù)點是正常數(shù)據(jù)點，

通過上述兩式按時間順序逐點計算滿足下式即為異常數(shù)據(jù)：

為了避免將階躍信號當作異常數(shù)據(jù)剔除，當上式的點連續(xù)出現(xiàn)超過5次時，認為y_k,y_k+1,...y_k+5皆為正常數(shù)據(jù)，若已判定y_k,y_k+1,...y_k+5為異常數(shù)據(jù)，則將它們剔除并利用拉格朗日插值方法進行補正，最后采用巴特沃斯濾波器對異常數(shù)據(jù)處理之后的數(shù)據(jù)進行濾波。

4.根據(jù)權(quán)利要求1所述基于高階累積量與ESPRIT算法的功率振蕩檢測方法，其特征在于，在步驟(3)中，對于零均值k階平穩(wěn)隨機過程{x(k)}，k≥3，該過程的n階累積量是n-1個獨立變元的函數(shù)，則該過程的n階累積量c_nx定義如下：

c_nx(τ₁,···,τ_n-1)＝cum{x(n),x(n+τ₁),···,x(n+τ_n-1)}

其中，τ₁,…,τ_n-1為滯后量，cum表示累積運算，n取值為4時，即得到四階累積量。

5.根據(jù)權(quán)利要求1所述基于高階累積量與ESPRIT算法的功率振蕩檢測方法，其特征在于，在步驟(5)中，采用基于最小二乘法的ESPRIT算法，通過原始信號降維子空間矩陣構(gòu)造矩陣，并利用矩陣Ψ估計信號中各個周期分量的頻率ω_p和衰減系數(shù)σ_p：

其中，U₁，U₂是原始信號降維子空間矩陣，上標H表示共軛轉(zhuǎn)置，λ_p為Ψ的特征值，T_s為采樣時間；

基于信號中各周期分量的頻率和衰減系數(shù)，利用最小二乘法求得信號的幅值和初相位信息。