【电网频率测量方法国内外现状文献综述2200字】

第页共25页电网频率测量方法国内外现状文献综述目前常见的电网信号测量方法主要有时频方法、谱估法、人工神经网络三大类。其中时频方法包括基于傅里叶变换的方法、小波变换、希尔伯特-黄（HHT）和其他时频分析方法；谱估计法包括参数模型谱估计和空间谱估计；人工神经网络包括级联两级自适应线性单元、并联型层叠状神经网络MLFNN、径向基函数神经网络RBFNN。图1.SEQ图1.\*ARABIC2电网频率测量方法框架图1、时频方法（1）傅里叶变换傅里叶变换形式基本可以分为四种：=1\*GB3①在研究非周期连续信号时，使用傅里叶变换；=2\*GB3②在研究周期连续信号时，使用傅里叶级数；=3\*GB3③在研究非周期离散信号时，使用离散时间域的傅里叶变换DTFT；=4\*GB3④在研究周期离散信号时，使用离散傅里叶级数DFT。表1.SEQ表1.\*ARABIC1周期信号的傅里叶级数傅里叶变换形式时域特点频域特点连续时间傅里叶级数（CFS）连续-周期非周期-离散连续时间傅里叶变换（FT/CTFT）连续-非周期非周期-连续离散时间傅里叶变换（DTFT）离散-非周期周期-连续离散时间傅里叶级数（DFS）离散-周期周期-离散表1.1中四种形式的傅里叶变换都要求信号是无限长的,因此计算机都没有办法进行处理。DFT是一种离散型傅里叶变换，在时间和频率范围内，将信号的时间场转化为DTFT的频率范围。在形式中，变换序列(时间和频率)的长度是有限的，而这两组序列必须被视为离散周期信号的基本值即主值序列。即使作为离散信号的DFT，有限长度也可以被看作是延长序列的有限周期的变换。DFT的重要性在于它是数字信号处理中用于数值计算的主变换,广泛用于频谱分析、快速卷积和许多其他应用ADDINCNKISM.Ref.{72A968E5E7DB4512AC06E85EDB8CA0FB}[7]。离散傅里叶变换(DFT)谐波分析方法因其易于嵌入电网谐波测量系统而得到广泛应用，但是，DFT方法在采样与处理过程中，对谐波信号进行截断，由于电网基波频率波动等因素的影响，使电网实际运行中基波频率不等于标准的50Hz工频，因而DFT处理过程是属于非整周期截断和非同步采样，从而使用DFT方法进行谐波检测时在频域内产生频谱泄漏，造成谐波测量不准确，同时，DFT方法离散化后只得到离散频域点上的频谱，电网频率的波动使得离散频域点上的频谱值很难与谐波信号真实的频谱值重合，造成了频域点的观测误差，即栅栏效应，导致测量误差较大ADDINCNKISM.Ref.{B660418A3FF8427bB04C0297C91C1D3B}[8]。快速傅里叶变换算法是利用计算机计算离散傅里叶变换（DFT)的高效、快速计算方法的统称。采用这种算法能使计算机的计算量大大减少，但是它对频率分辨率有明确需求；优点是FFT方法成熟，实现性强，实时性好，易于移植到硬件设备，可直接用于实际场景等。细化快速傅里叶变换算法可以细分频谱，由FFT变换而丢失的信号可以通过这个算法找回来ADDINCNKISM.Ref.{40C772A7BF7A424896901920742595BE}[9]。由于FFT法算法简单、抗噪性能好、便于硬件实现,是频谱分析法中最常用的一种方法ADDINCNKISM.Ref.{246454A6CBF640a1B15D9DCBA5F54C6F}[10]。（2）小波变换小波分析具有时频局部化的特点，是对快速傅里叶变换算法的发展。法国地球物理学者J.Morlet放弃傅里叶变换中弧度不衰减的正交基e−j2πft小波函数可以分为实小波和复小波：实小波无法提取信号的相位信息，应用范围有限；复小波供选择的相频特性多，易于信号相频特性匹配，应用范围广，但是复小波的计算量大ADDINCNKISM.Ref.{933A9803C5F94937B16B26E2E064D768}[11]。小波变换本质就是窗口可变的短时傅里叶变换，因此，使用这种方法不能同时提高时间分辨率和频率分辨率，在频域中还会出现混频，并且计算量也比较大。（3）希尔伯特-黄变换（HHT）兴起于上世纪90年代末，与Hilbert变换的单纯求信号瞬时振幅、频率和相位参数相比，没有意义负频率现象，HHT得到的结果是实际有意义的瞬时频率，并可以分析非线性、非平稳信号时间频率。HHT首先将信号进行经验模态分解（EMD），然后将分解后的每个IMF分量进行希尔伯特变换，最后得到信号的时频属性ADDINCNKISM.Ref.{518AE96EE66D4787B9D8DD89F8A3F08D}[12]。HHT可以用于分析非线性和非平稳的信号；这个方法的优点是具有很强的自适应性、自适应多分辨性，还有很高的分辨率，缺点是在针对宽屏信号的实际分析过程中，满足奈奎斯特采样定理后，分辨率约为2Hz左右。2、其他时频分析方法（1）最大似然估计估计误差达到克拉美-罗限，但是需要进行一维搜索，计算量大无法实时处理。（2）卡尔曼滤波将信号中的基波分量看成是有效成分，将谐波与噪声均作为噪声处理，不断的预测和修正，估计出电流和电压的幅值、相量及频率ADDINCNKISM.Ref.{F73D042AF2194919826F5FF526A902E5}[13]。卡尔曼滤波的频率分辨率高，并且可以跟踪动态信号，但缺点是受协方差矩阵（其每个元素是各个向量元素之间的协方差）影响较大并且实时性也比较差。它会将模型中的高次谐波视为随机噪声，因此遇到高次谐波时误差比较大。（3）牛顿迭代法牛顿迭代法在对仿真信号分析过程中，计算量大，耗时长，无法进行实时处理。3、空间谱估计空间谱估计主要包括两类算法：一类是基于信号子空间和噪声子空间的正交性的以多重信号分类（MUSIC）为代表的噪声子空间类算法；一类是基于旋转不变子空间的以旋转不变参数估计法(ESPRIT)为代表的信号子空间类算法ADDINCNKISM.Ref.{D990BD7054D64a999E0C9D67EDD90431}[14]。空间谱估计系统是由三个部分组成：空间信号入射、空间阵列接收和参数估计，即可分为三个空间：目标空间（信号源）、观察空间（接收阵列）和估计空间（算法处理器）ADDINCNKISM.Ref.{CAE6B63FC60F41e283E7E01D532C7EFE}[15]。它的原理比较复杂，计算量也比较大。4、人工神经网络人工神经网络的方法在电力谐波分析中已经得到了一定的应用。实现过程主要包括网络结构、样本和误差分析方法三大部分内容。现有的基于人工神经网络电力谐波测量的方法有：基于BP网络的方法、基于自适应线性神经网络（ANN）的方法、基于多层前馈神经网络的方法、基于径向基函数网络的方法等ADDI