电力系统中谐波分析的高精度FFT算法

在非同步采样情况下快速傅立叶变化存在较大的误差,特别是相位的误差,无法直接用于电力系统谐波分析.为了减小非同步采样对快速傅立叶变换的影响,提高电力系统中的谐波分析精度,文中通过加窗和插值对原算法进行了改进.仿真结果表明,改进后的算法在非同步采样时,分析精度有显著提高.     

小波降噪在电力系统谐波分析中的应用

主要研究将小波降噪应用于电力系统谐波分析。针对电力系统谐波信号的特点,确定了降噪使用的小波基函数和降噪方法。提出了阈值的修正方法,防止谐波成分被当作噪声而消除。仿真结果表明,这一方法能有效的提高谐波分析的精度。     

一种基于Hamming自乘法窗函数和四插值的谐波分析方法

针对谐波分析过程中常规窗函数存在精度不足的问题,提出了一种自乘法窗函数的构造方法,并以Hamming窗函数为例构造出1-9阶乘法窗函数,将这些窗函数应用于四谱线插值谐波分析方法中,仿真实验表明:构造出的自乘法窗函数相对于常规窗函数,在进行插值谐波分析中具有更高的准确度.工程实践中可根据精度需要选择所构造的窗函数阶次.     

特种车用发电机空载电压自适应谐波分析方法

针对某型特种车辆发电机空载相电压谐波幅值特征参数提取,提出一种基于LMS自适应算法的高精度谐波分析方法. 建立了该型车用发电机空载相电压谐波参数自适应线性组合器模型,结合模型给出基于LMS的自适应迭代算法基本原理及实现步骤. 仿真及某型车辆实测信号分析结果表明,该方法具有较高的谐波分析精度,满足故障特征提取要求.     

一种改进型加Kaiser窗电力谐波检测方法

为解决FFT高精度谐波分析中插值函数结构复杂,难于直接计算的问题,采用一种用分段三次样条函数拟合插值函数的方法.构造出凯塞窗与三谱线插值相结合插值函数的快速计算公式,该公式结构简单、程序易于实现、分段点处连续、且拟合精度高,能大幅度提高插值FFT算法的运算速度,分析了该方法在实际应用中的可行性,通过分段三次样条曲线拟合和其他拟合方法的相位相对误差和幅值相对误差进行了详细比较.研究结果表明:分段三次样条拟合方法有效的提高了电力系统谐波分析精度.     

DSP技术在电力系统谐波测量中的应用

介绍了DSP在电力系统谐波测量中的应用及其系统的硬件和软件设计.系统采用DSP芯片TMS320LF2407A和高精度A D芯片MAX125实现谐波分析的功能,与传统的单片机测量系统相比,在实时性、精度等方面有了较大的提高,且硬件软件实现简单.     

一种基于神经元算法的电力系统谐波分析方法

为了有效治理电力系统谐波污染问题,提出了一种基于神经元算法的电力系统谐波分析方法.利用该方法可高精度获得电力系统基波及各次谐波的幅值和相位.提出并证明了该算法的收敛性定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,本文提出的谐波分析方法具有计算精度高和计算速度快的特点.     

基于MATLAB图形用户界面的离散信号谐波分析

通过分析周期信号的傅里叶级数和傅里叶变换的关系,为谐波分析提供理论依据。由于存在频谱泄露和栅栏效应,使用快速傅里叶变换(FFT)进行谐波分析时计算精度不高。为此,提出采用频域采样点数等于离散信号长度的离散傅里叶变换(DFT)进行谐波分析,可以有效地减小频谱泄露和栅栏效应带来的影响。通过模拟分析,验证了相比于FFT算法,DFT具有较高的计算精度。最后,基于DFT,使用MATLAB GUI制作了一款具有界面友好且便于数据处理的谐波分析软件;其中包含误差计算模块。利用该软件对多个信号进行谐波分析并计算误差。结果表明,误差的均方差和标准差均较小,由此进一步证实DFT是有效的。     

利用RBF神经网络的电力网非线性滤波分析

针对电力系统现有的谐波分析方法及其局限性,提出了基于RBF神经网络的非线性滤波分析方法。重点阐述了基于RBF算法的谐波分析原理,并给出了利用该算法进行非线性负载谐波电流滤除的仿真实例。通过仿真实验,分析了RBF神经网络滤波的稳态精度和信号变化时的实时跟踪效果。仿真结果表明了该方法的有效性和易实现性,为电力系统谐波的治理提供了新思路。     

基于Matlab GUI的离散信号谐波分析

通过分析周期信号的傅里叶级数和傅里叶变换的关系,为谐波分析提供理论依据。由于存在频谱泄露和栅栏效应,使用快速傅里叶变换(FFT)进行谐波分析时计算精度不高。为此,本文提出采用频域采样点数等于离散信号长度的离散傅里叶变换(DFT)进行谐波分析,可以有效的减小频谱泄露和栅栏效应带来的影响。通过模拟分析,验证了相比于FFT算法,该算法具有较高的计算精度。最后,基于该算法,使用MATLAB GUI制作了一款具有界面友好且便于数据处理的谐波分析软件,其中包含误差计算模块。利用该软件对多个信号进行谐波分析并计算误差,结果表明,误差的均方差和标准差均较小,由此进一步证实该算法是有效的。