利用卡尔曼滤波技术滤取工频分量的方法.docVIP

利用卡尔曼滤波技术滤取工频分量的方法 √卡尔萸,玻 1993年第6期 /.工獗嬗, 电网技术 PowerS~temTechnologyNo.61993 利用卡尔曼滤波技术滤取工频分量的方法 于九祥丁713 (山未I业大学,250014济南) 户,.内謇 撮要卡尔曼游渡.是线性,无伯,最小方差的实时遵推滤波,是一种高救,优化的 数据处理方{击.本文以卡尔曼滤渡方法就输电系统的二状态电压模型和三状态电流模型的滤 波楔塑参数的确定,进行了分析研究.以具体线路(山东邹县一潍坊5OOkv数宇仿真网络)为 饵.作了短路过程电压和电流工囊分量的最优估计,获得了一套适合于各种故障情况的模型参 数.此模型参数之滤渡精度和收敛速度俱称满意. 一 , 卡尔曼滤波问题的提出 实践中为了达到某种工程目的,常常需要得到某种信号的精确量值,然而能够量测到的信号 往往夹杂着噪声信号.为了有效地提取有用信息,人们研究了各种方法.六十年代初形成的最佳 线性递推滤波,即卡尔曼滤波,把滤波理论推进到一个崭新阶段.当时是应用在航空领域里,例 如飞机或导弹在运动过程中,往往受到随机干扰的作用.不能直接得到形成最优控制规律所需的 状态变量.如飞机或导弹的位置,速度等状态变量都是无法直接得到的,需要通过雷达或别的测 量装置进行观测,根据观到的信号来确定飞机或导弹的状态变量.在雷达或别的测量装置中都 存在随机干抗的问题,因而在观测得到的信号中往往夹杂有随机噪声.我们要从夹杂有随机噪声 的观测信号中分离出飞机或导弹的运动状态变量.要想准确得到这些状态变量是不可能的,只能 根据观测信号来估计或预测这些状态变量.根据估计或预测得到状态变量来形成最优控制规律. 卡尔曼滤波扩充了经典滤波理论(Up维纳滤波理论)的适用范围,郎从平稳随机过程扩充到 非平稳随机过程.同时,卡尔曼滤波提供了适台于在计算机上进行实时计算的递推公式.这就为 滤波器的工程实现开辟了广闫的前景. 本文介绍利用卡尔曼滤波技术从电力系统故障的暂态信号中滤取工频分量的方法.它是将暂 态信号中的高次谐波,低次谐波以及衰减的非周期分量均作为噪声来处理.从含有噪声的测量中, 通过不断的预测一修正运算,估计出50Hz电流和电压向量.这种滤波技术充分发挥了计算机 所具有的记忆,高速运算和逻辑判断能力,利用参数变化的随机性和先验统计特性,大大提高了 估计的准确性. 二,卡尔曼滤波器方程组 设*维动态线性系统和m维观测系统分别由以下方程描述: 本文于1993年2月18日收到. 于九祥1963年毕业于山东工学院电机工程系,留校任敏.现任电力熏境盈其自动化专业教研窒主任耐教授,硬士研究生 导师.1979年出版了I电力系毵垃电保护)(上,下册).近几年主要研究计算机继电保护和卡尔曼垃礁技术,在I继电嚣)l电 力系统自动化,辱杂志上发衰了十多篇卡尔量滤犍技术和应用方面的文章. 1993年第6期电网技术45 (4-1)=币))4-W)(1) z(k)=H())4-V)(2) 式中()——维状态向量} o0:)——n×维状态转移矩阵; ()——维不相关的白噪声序列,或称输入噪声i z()——m维观测向量; H()——m×维观测与)之间的无噪声联系矩阵; vo:)——m维不相关的观测自噪声序列,或称观测噪声. 通过m维线性观测系统(2)对系统状态变量进行第次观测,得到的估计向量记为().该 估计值用来预测第(+1)次状态变量,将预测值记为04-1).用第(+1)次的观测和预测 形成新的估计向量4-1).从这个估计值又可以建立一个新的预测.依此类推,卡尔曼递推滤 波的整个过程如下: 0.=0 1.预测起始估计(0)和声(O) 2.计算卡尔曼滤波增益: K()=声()H(I)CH(t)声(I)H()4-R(I)]一(3) 3.确定状态估计: ()=巾()(I一1)4-K(I)Czo-)一H))0—1))(4) d.计算误差协方差矩阵; P)=[,一K0)H)]P)(5) 5.预测第n4-1)次状态变量: (4-1);巾))(6) (I)=巾()P(一1))4-O(I—1)(7) 6.—4-1 7.返回到第2步 式中()是第步的估计向量; 口()是H,(t)的协方差矩阵, ()是()的误差协方差矩阵 Pn)是()的误差协方差矩阵} R(I)是Vo)的协方差矩阵; ,是单位矩阵. 三,系统数学模型的建立及滤波参数的选择 要将卡尔曼滤波应用于电力系统故障信号处理,首先要建立相应的数学模型,并掌握随机过 程的统计特性,即确定(I),HO-),(O),P(O)R0)等诸量.下面介绍它们的确定方法: 1.确定()和HO-) 建立数学模型的出发点是.50Hz的有效信息可以用带有未知幅值和相角的向量表示,假定向 量是静止的,参考座标轴以50Hz顿率艇转,这样,50Hz