基于最優(yōu)濾波算法的PMU裝置檢測方法研究

摘要：對處于強混沌背景下PMU裝置中微弱的諧波信號進行檢測具有十分重要的研究意義。通過開展基于最優(yōu)濾波算法的PMU裝置檢測方法研究，利用最優(yōu)濾波算法對PMU裝置周圍環(huán)境中的混沌背景信號，并將其轉(zhuǎn)化為最優(yōu)化問題，通過計算SINR數(shù)值，實現(xiàn)對PMU裝置諧波信號的檢測。通過對比實驗證明，該檢測方法與傳統(tǒng)檢測方法學相比檢測精度更高，能夠更快地提取諧波信號，實現(xiàn)對PMU裝置的快速檢測。

關(guān)鍵詞：最優(yōu)濾波算法;PMU裝置;諧波信號

中圖分類號：TM933文獻標識碼：A

引言

電力系統(tǒng)是將電力生產(chǎn)、傳輸、分配等功能融為一體的智能系統(tǒng)，電力系統(tǒng)的應(yīng)用為人們的生活及生產(chǎn)帶來了巨大的便利，同時也帶來了十分客觀的經(jīng)濟效益，電力系統(tǒng)的穩(wěn)定發(fā)展能夠有效推動社會的進步[1]。廣域測量系統(tǒng)是一種全新的電網(wǎng)動態(tài)檢測裝置，可用于對各類電力系統(tǒng)進行檢測和分析。在廣域測量系統(tǒng)當中與互聯(lián)電網(wǎng)相連接的每一個關(guān)鍵節(jié)點分支上都存在多個向量測量單元，即PMU。每一個測量點的向量測量單元上都先帶著由全球定位系統(tǒng)接收機提供的秒脈沖作為同步信號，由同步信號對電網(wǎng)信號進行高速度的同步采集，并通過相應(yīng)計算通過電壓和電流數(shù)據(jù)獲取電機組的功角、相量、頻率等參數(shù)信息，將電參量精確地標示后，再通過數(shù)據(jù)網(wǎng)絡(luò)將數(shù)據(jù)信息實施的傳輸，及時獲取電網(wǎng)運行過程中的所有動態(tài)信息[2]。PMU裝置與傳統(tǒng)測量方式相比測量精度的要求更高，測量誤差也不再是一個裝置的總誤差，需要體現(xiàn)在每段測量時間內(nèi)的每一點的誤差。根據(jù)上述論述，本文通過開展基于最優(yōu)濾波算法的PMU裝置檢測方法研究，實現(xiàn)對PMU裝置運行過程中各項參數(shù)的檢測。

1基于最優(yōu)濾波算法的PMU裝置檢測方法設(shè)計

在對PMU裝置檢測方法設(shè)計時，需要明確檢測的參照對象，即電力系統(tǒng)的運行環(huán)境是在時刻變化的，而PMU裝置通過定位系統(tǒng)高精度的時間標定。因此檢測的過程中需要保障PMU裝置與標注檢測值之間的結(jié)果始終處于同一時間點上，再對相同時間點上的數(shù)據(jù)進行比較[3]。結(jié)合最優(yōu)濾波算法，使檢測目標的諧波信號無失真地通過最優(yōu)濾波算法，檢測過程中PMU裝置周圍環(huán)境中的混沌背景信號被抑制，將對PMU裝置的檢測問題轉(zhuǎn)換為最優(yōu)化問題，得到如公式（1）所示的等式：

公式（2）中， 表示為PMU裝置輸出的總量，對于一段卻敵不過的待檢測的信號以及參考信號，其總能量值通常是固定不變的; 表示為在當前檢測頻率當中的信號能量。當檢測到的PMU裝置頻率通道中存在諧波信號時，則該信號的能量此時為最強，輸出的SINR數(shù)值最大。反之，當信號的能量最弱時，輸出的SINR數(shù)值最小[5]。因此，通過SINR數(shù)值可以檢測出PMU裝置在檢測環(huán)境受到混沌背景影響時的微弱諧波信號。

2實驗論證分析

采用Lorenz系統(tǒng)生成PMU裝置在日常運行過程中環(huán)境中的混沌信號背景，再利用四階龍格-庫塔設(shè)置步長為0.02，初始值均為0.1的50000個觀測點作為混沌時間序列，模擬混沌背景中的信號數(shù)據(jù)。分別利用本文提出的基于最優(yōu)濾波算法的PMU裝置檢測方法與傳統(tǒng)檢測方法對PMU裝置的諧波信號數(shù)據(jù)進行檢測，驗證兩種檢測方法的可行性。圖1為SINR數(shù)值為-53.14dB情況下，本文檢測方法與傳統(tǒng)檢測方法得到的檢測結(jié)果對比圖。

根據(jù)圖1中兩組實驗結(jié)果圖可以看出，采用本文檢測方法得到的SINR數(shù)值的尖峰更加明顯，并且與周圍旁瓣相比圖像曲線明顯升高，更容易對諧波信號的頻率進行提取，而采用傳統(tǒng)檢測方法得到的SINR數(shù)值尖峰處與周圍旁瓣相比相比較不明顯，根據(jù)傳統(tǒng)檢測方法檢測到的圖像對諧波信號進行提取十分困難。因此，通過實驗證明本文提出的基于最優(yōu)濾波算法的PMU裝置檢測方法檢測精度更高，更有利于在混沌信號背景下對諧波信號提取。

3結(jié)束語

本文根據(jù)PMU裝置在運行過程中周圍環(huán)境對傳統(tǒng)檢測方法影響較大的問題，提出一種基于最優(yōu)濾波算法的PMU裝置檢測方法，并通過實驗證明了該方法與傳統(tǒng)檢測方法相比的突出優(yōu)勢，將本文檢測方法進行推廣，可以有效改善對PMU裝置的檢測精度，有助于對電力系統(tǒng)進行更好的檢測。

參考文獻

[1] 葛寶爽，張海，唐志坤. 基于新息異常檢測的改進抗差自適應(yīng)卡爾曼濾波算法[J]. 導航定位與授時，2020，67（01）：048-054.

[2] 許蘇迪，劉灝，畢天姝，等. 一種適用于同步相量測量裝置校準器的高精度相量測量方法[J]. 電工技術(shù)學報，2020，35（02）：372-382.

[3] 湯張泳，吳小俊，朱學峰. 多空間分辨率自適應(yīng)特征融合的相關(guān)濾波目標跟蹤算法[J]. 模式識別與人工智能，2020，33（01）：066-074.

[4]張顯偉，陳均輝，王明啟，等. 一種構(gòu)造模板濾波算法在爆炸信號光電檢測中的應(yīng)用分析[J]. 彈箭與制導學報，2020，40（01）：040-045.

[5] 王紅雨，尹午榮，胡江顥，等. 結(jié)合目標檢測的多尺度相關(guān)濾波視覺跟蹤算法[J]. 光學學報，2019，39（01）：388-397.

作者簡介

顏紅得（1992.11.07-），男，漢族，云南石屏人，學士（電氣工程及其自動化），工程師，主要研究方向：電力系統(tǒng)自動化、繼電保護。