论文部分内容阅读
随着电力电子技术的快速发展,非线性设备在各行业中的应用日益广泛。由这些设备产生的谐波注入到电网当中,造成许多严重的问题。因此如何对电网中的谐波进行治理成为当前人们共同关注的一个问题。对电网谐波治理的首要条件就是对谐波高精度的检测分析,而实际电网中的谐波是十分复杂多变的,所以针对不同的谐波要有谐波分析方法。目前加窗FFT的谐波分析方法在稳态谐波检测当中应用十分广泛,但该方法存在着能量泄露和栅栏效应等问题,这影响到了信号参数的估计精度。文中讨论了一种对信号估计值进行修正的双谱线插值算法。对一最高谐波次数为15的稳态信号进行加Hanning窗双谱线插值谐波分析。仿真结果验证了双谱线插值算法是一种高精度的稳态谐波分析方法。其次,对基于最小均方算法的自适应谐波分析方法进行了研究。文中的自适应算法就是将谐波参数的估计问题转换成求解权矢量的过程,通过不断的迭代计算来靠近真解。该算法利用输入信号和误差信号的反馈来调整自适应系统中权系数w n的迭代过程。通过迭代计算后得到收敛后的权矢量,从而得到信号参数估计值。本算法分别对稳定谐波、时变谐波和加噪信号这三种情况进行仿真分析。仿真结果证明了在稳定谐波信号下,与FFT算法相比,该算法是一种高精度的谐波检测方法,并且估计值的精度随着收敛因子的增大而提高。但是该算法的收敛速度慢,要获得同精度的参数估计值,就必须要增加仿真时间。在时变信号下,具有一定的信号参数变化跟踪性能,参数估计精度也随收敛因子的增大而提高。加噪情况下可以看出随着信噪比的增大,参数的测量精度得到提高。最后,对基于递推最小二乘算法的自适应谐波分析方法进行研究。与上种自适应算法相比,该算法具有更快的收敛速度,更高的时变跟踪能力。仿真验证了该算法是一种高精度的谐波分析方法,但随着遗忘因子的增大,对参数值的估计精度会降低。稳定谐波信号下,该方法信号参数检测精度高于FFT算法,收敛速度大大快于最小均方算法。时变信号下时,该算法的跟踪速度随着遗忘因子的增大而降低,并且该算法的时变跟踪能力高于前种方法。加噪情况下,与上一种自适应算法相比,该算法受噪声影响较大。仿真表明该算法有一定的实际应用价值,可以应用于对信号的实时在线检测当中。