欢迎来到天天文库
浏览记录
ID:35069889
大小:4.85 MB
页数:69页
时间:2019-03-17
《基于自适应强跟踪滤波器的电网基波频率跟踪研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、工学硕士学位论文基于自适应强跟踪滤波器的电网基波频率跟踪研究杨梦臣哈尔滨理工大学2016年3月国内图书分类号:TM935.1工学硕士学位论文基于自适应强跟踪滤波器的电网基波频率跟踪研究硕士研究生:杨梦臣导师:张晓冰申请学位级别:工学硕士学科、专业:信号与信息处理所在单位:测控技术与通信工程学院答辩日期:2016年3月授予学位单位:哈尔滨理工大学ClassifiedIndex:TM935.1DissertationfortheMasterDegreeinEngineeringFundamentalFrequencyTrackingofPowerSign
2、alBasedontheAdaptiveStrongTrackingFilterCandidate:YangMengchenSupervisor:ZhangXiaobingAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:SignalandInformationProcessingDateofOralExamination:March,2016University:HarbinUniversityofScienceandTechnology哈尔滨理工大学硕±学位论文原创巧声明本人郑重声明
3、:此处所提交的硕±学位论文《基于自适应强跟踪滤波器的电网基波频率跟踪研究》,是本人在导师指导下,在哈尔滨理工大学攻读硕±学位。期间独立进行研究工作所取得的成果据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中W明确方式注明。本声明的法律结果将完全由本人承担。作者签名;曰撕兴f《年月曰臣歹5口场皆哈尔滨理工大学硕±学位论文使用授权书《基于自适应强跟踪滤波器的电网基波频率跟踪研究》系本人在哈尔滨理工大学攻读硕±学位期间在导师指导下完成的硕。:t学位论文本论
4、文的研究成果归哈尔滨理工大学所有。,本论文的研究内容不得其它单位的名义发表本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部心口提交论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可式采用影印、缩印或其他复制手段保存论文,可公布论文的全部或部分内容。本学位论文属于保密,□在年解密后适用授权书。不保密[3。(请在W上相应方框内打V)作者签名;^^日期:2^1^年^月?P日""导师签名;^八曰期:年?月曰1哈尔滨理工大学工学硕士学位论文基于自适应强跟踪滤波器的电网基波
5、频率跟踪研究摘要电网频率反映了电能消耗与负载之间的动态平衡关系,是调控系统正常运行的重要参考量。对电力系统频率进行动态跟踪估计是研究电力系统控制,安全评估和分析电能质量等方面的基础,重要性不言而喻,所以研究跟踪电网频率的动态变化不仅具有现实意义,而且对电力行业也会产生积极影响。学者们经过分析电网频率特性,相继提出多种电网频率跟踪方法,在确定性谐波信号下,提出傅里叶变换的方法。在非平稳信号条件下,学者们基于数字滤波器提出一种微分正交变化方法。但到目前为止,传统频率跟踪技术对系统状态发生突变或存在强干扰时处理性能差,如何在畸变信号条件下对基波信号做到实时
6、准确的跟踪成为一个亟待解决的问题。本文结合实际电力系统模型,考虑到系统时刻处在外部扰动之下,不但电压会变化,而且基波频率也会发生波动。为了减小电网中谐波和噪声对基波频率跟踪准确度的影响,在经过学习与分析不同方法后,首先利用小波滤波特性对电网原始信号进行预处理,将小波变换方法应用于在畸变信号条件下提取基波信号,滤除信号中的除基频外各高次谐波、间谐波和随机噪声成分。通过仿真验证,原始电压信号经小波变换,基波成分能准确地分离出来。然后为增强基波模型的稳定性,文中利用模型参考自适应控制方法,采用可调增益Lyapunov-MRAC算法自适应作用电网模型,减少了
7、外界扰动或内部噪声影响。在此基础上将基波模型与扩展卡尔曼滤波器结合,将自适应滤波原理引入到电网基波频率跟踪研究中来,建立状态方程和测量方程,对基波频率进行实时跟踪处理。在跟踪过程中比较分析算法的优劣性,针对需要解决的问题提出相关改进算法以提高跟踪的实时准确性。最后的仿真结果表明,ASTF算法能够实现对基波频率实时准确的跟踪。该算法一方面对测量噪声方差R进行自适应实时调控,另一方面对观测量中不良数据做到自适应剔除。关键词频率跟踪;自适应强跟踪;小波变换;电网模型;系统辨识-I-哈尔滨理工大学工学硕士学位论文FundamentalFrequencyTra
8、ckingofPowerSignalBasedontheAdaptiveStrongTrackingFilt
此文档下载收益归作者所有