[发明专利]一种电力系统工频分量快速提取方法

说明书

本发明涉及一种电力系统工频分量快速提取方法，其技术特点在于：包括以下步骤：步骤1、采集电力系统工频分量的原始信号；步骤2、进行低通滤波处理；步骤3、得到采样值x，步骤4、构造样本矩阵R；步骤5、确定样本矩阵R的有效秩p；步骤6、求取Prony算法对应AR模型参数。本发明能够在半个周波(10ms)内(理论上可以时间更短)准确提取电力系统故障工频分量。本发明能够在半个周波(10ms)内(理论上可以时间更短)准确提取电力系统故障工频分量。

技术领域

本发明属于电力系统数字信号处理技术领域，尤其是一种电力系统工频分量快速提取方法。

背景技术

电力系统信号处理主要涉及对工频分量的提取，例如电力系统中系统状态估计、稳定控制、故障分析及继电保护等领域中都需要对工频分量进行计算及提取。尤其是继电保护领域更是要求快速准确提取工频分量，缩短保护动作时间，从而满足现代电力系统对继电保护快速可靠性的要求。

目前在电力系统继电保护中，广泛采用的方法有全波傅氏算法、半波傅氏算法、最小二乘算法、卡尔曼滤波算法等。全波傅氏算法是基于周期函数模型推导出来的。当电力系统发生故障时，故障信号不是周期函数。此时，由于衰减直流分量和分数次谐波的存在，全波傅氏算法计算的工频量幅值和相位有较大的误差。另外，傅氏算法至少需要一个周波(20ms)的采样数据。虽然半波傅氏算法仅需半个周波的采样数据，但是其受衰减直流分量和分数次谐波的影响更大，并且半波傅氏算法无法滤除偶数次谐波，故它计算得到的工频量幅值和相位的误差更大。最小二乘算法对数据窗长的要求非常灵活，滤波性能良好，精度也很高，但是它很难选择算法的噪声模型。最小二乘算法在噪声模型的选取上不具有普遍性：不同的系统中，噪声模型可能不同，即使同一系统下，发生不同故障时，噪声模型的选取也可能不同。卡尔曼滤波算法受随机干扰和测量噪声的影响较小，但是需要复杂的矩阵运算，并且算法的滤波参数选择基于对含噪声信号的统计特征分析，求取困难。因此有必要研究一种新的能够快速准确提取故障特征量的算法，来提高保护的动作特性，以满足电力系统发展的需要。

发明内容

本发明的目的在于提供一种设计合理且能够快速且准确的得到故障后的稳态分量特征的电力系统工频分量快速提取方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种电力系统工频分量快速提取方法，包括以下步骤：

步骤1、通过信息获取或数据采集得到电力系统工频分量的原始信号；

步骤2、对电力系统工频分量的原始信号进行低通滤波处理；

步骤3、若步骤2中滤波后得到的电力系统工频分量的信号是连续信号，则须对其进行采样，得到采样值x，设采样率为f_s，采样率满足采样定理；

步骤4、利用步骤3中得到的采样值x构造样本矩阵R；

步骤5、利用SVD方法确定样本矩阵R的有效秩p；

步骤6、利用基于拉格朗日乘子法函数求偏导法求取Prony算法对应AR模型参数α₁,α₂,…α_p；

步骤7、求解差分方程1+α₁z^-1+α₂z^-2+…+α_pz^-p＝0的根z_i(i＝1,2,…,p)；

步骤8、构造矩阵Z及

矩阵按以下形式构成：

则

取