TLS-EsPRIT在电力系统信号高精度频谱估计中应用 Application of TLS-ESPRIT in high resolution spectrum estimation of power system signal.pdfVIP

第29卷第5期 电力自动化设备 V01．29No．5 FlPrf—rPnwPrAutomaljon 1Ⅵav2009 02009年5月 FqLIipmPnt TLS—EsPRIT在电力系统信号高精度频谱估计中应用 张静1，徐政1，牛卢璐2 摘要：提出一种电力系统信号频谱估计方法，即基于总体最小二乘法一旋转不变技术的信号参数估计方法 kel数据矩阵为基础，避免求取信号的相关矩阵，简化了计算。把信号空间分解为信号子空间和噪声子空间， 能够使用较短的采样数据高精度地辨识信号的频谱信息。用包含谐波分量和间谐波分量的测试信号以及 CIGRE直流输电标准测试系统进行仿真，结果验证了该方法在电力系统频谱估计中的有效性。 关键词：频谱估计；电能质量；总体最小二乘法；TI。S—ESPRIT算法；子空间 415 文献标识码：A 中图分类号：TM Via Least Parameters Squares—Estimat】ono{Signal 0 引言 RotationalInvariance 谐波分析的本质是频谱估计。频谱估计可以分 也是一种参数化的频谱估计方法，它是ESPRIT的 为非参数化方法和参数化方法[1]。传统的FFT和改进算法，但比ESPRIT算法有更高的计算稳定性 DFT等属于非参数化频谱估计方法的范畴，此类方 和精度，既可处理稳态信号，也可用于非稳态信号， 法与模型参数无关，具有很高的计算效率，被广泛应 避免了最大似然法、最大熵法和MUSIC等方法固 用于谐波检测等场合，其主要缺点是频率分辨率低。 有的、在整个频域上的搜索，提高了计算效率。它直 对一个物理量进行傅里叶谐波分解分析时，必须知 接以数据序列构成的Hankel数据矩阵为基础，避免 道这个物理量的周期。电力系统信号中，间谐波分 了求取信号的相关矩阵，简化了计算。它把信号空 量的周期通常是未知的。一方面，间谐波最小周期 间分解为信号子空间和噪声子空间，理论上可高精 可能相当长，为了准确检测各个分蹙频率，需要很长 度地辨识电力系统中任意组合谐波和间谐波的频 的观测数据，可能超出现有仪器的存储容量而无法 率、幅值和相位参数信息，有较强的抗噪声能力。 实现。另一方面，实际运行中即使采用了锁相跟踪 1 TLS—ESPRIT基本理论 技术，也难以严格实现同步采样和整周期截断，特别 当间谐波分量最小周期是一个无理数时。由这些原 TI．S—ESPRIT作为谐波恢复和振荡衰减正弦 因造成的频谱泄漏将会影响到谐波分析结果的准确 信号参数估计的有效工具，目前已被广泛地应用于 性。为解决频率泄漏问题，学者们提出了多种加窗、 雷达阵列信号、语音信号、生物信号处理[1]，暂态信 插值算法L2。3]。但是加窗技术不能从根本上解决频号分解[14|，分布式电源解列控制u5|，电力系统低频 谱泄漏的问题，它在减少频谱泄漏的同时也会引起 振荡信号检测u6]等场合。 电压或者电流采样信号z(刀)可以表示为一系 频谱的附加畸变HJ。ARMA谱估计、Pjsarenko谐波 分解‘5|、MusIc方法、Pron)，[争7]方法、最小范数[7]等参列正弦信号与白噪声的组合。在采样时刻行有 数化的频谱估计方法，近年来也被用于分析电力系统