基于最优滤波算法的PMU装置检测方法研究

摘要：对处于强混沌背景下PMU装置中微弱的谐波信号进行检测具有十分重要的研究意义。通过开展基于最优滤波算法的PMU装置检测方法研究，利用最优滤波算法对PMU装置周围环境中的混沌背景信号，并将其转化为最优化问题，通过计算SINR数值，实现对PMU装置谐波信号的检测。通过对比实验证明，该检测方法与传统检测方法学相比检测精度更高，能够更快地提取谐波信号，实现对PMU装置的快速检测。

关键词：最优滤波算法;PMU装置;谐波信号

中图分类号：TM933文献标识码：A

引言

电力系统是将电力生产、传输、分配等功能融为一体的智能系统，电力系统的应用为人们的生活及生产带来了巨大的便利，同时也带来了十分客观的经济效益，电力系统的稳定发展能够有效推动社会的进步[1]。广域测量系统是一种全新的电网动态检测装置，可用于对各类电力系统进行检测和分析。在广域测量系统当中与互联电网相连接的每一个关键节点分支上都存在多个向量测量单元，即PMU。每一个测量点的向量测量单元上都先带着由全球定位系统接收机提供的秒脉冲作为同步信号，由同步信号对电网信号进行高速度的同步采集，并通过相应计算通过电压和电流数据获取电机组的功角、相量、频率等参数信息，将电参量精确地标示后，再通过数据网络将数据信息实施的传输，及时获取电网运行过程中的所有动态信息[2]。PMU装置与传统测量方式相比测量精度的要求更高，测量误差也不再是一个装置的总误差，需要体现在每段测量时间内的每一点的误差。根据上述论述，本文通过开展基于最优滤波算法的PMU装置检测方法研究，实现对PMU装置运行过程中各项参数的检测。

1基于最优滤波算法的PMU装置检测方法设计

在对PMU装置检测方法设计时，需要明确检测的参照对象，即电力系统的运行环境是在时刻变化的，而PMU装置通过定位系统高精度的时间标定。因此检测的过程中需要保障PMU装置与标注检测值之间的结果始终处于同一时间点上，再对相同时间点上的数据进行比较[3]。结合最优滤波算法，使检测目标的谐波信号无失真地通过最优滤波算法，检测过程中PMU装置周围环境中的混沌背景信号被抑制，将对PMU装置的检测问题转换为最优化问题，得到如公式（1）所示的等式：

公式（2）中， 表示为PMU装置输出的总量，对于一段却敌不过的待检测的信号以及参考信号，其总能量值通常是固定不变的; 表示为在当前检测频率当中的信号能量。当检测到的PMU装置频率通道中存在谐波信号时，则该信号的能量此时为最强，输出的SINR数值最大。反之，当信号的能量最弱时，输出的SINR数值最小[5]。因此，通过SINR数值可以检测出PMU装置在检测环境受到混沌背景影响时的微弱谐波信号。

2实验论证分析

采用Lorenz系统生成PMU装置在日常运行过程中环境中的混沌信号背景，再利用四阶龙格-库塔设置步长为0.02，初始值均为0.1的50000个观测点作为混沌时间序列，模擬混沌背景中的信号数据。分别利用本文提出的基于最优滤波算法的PMU装置检测方法与传统检测方法对PMU装置的谐波信号数据进行检测，验证两种检测方法的可行性。图1为SINR数值为-53.14dB情况下，本文检测方法与传统检测方法得到的检测结果对比图。

根据图1中两组实验结果图可以看出，采用本文检测方法得到的SINR数值的尖峰更加明显，并且与周围旁瓣相比图像曲线明显升高，更容易对谐波信号的频率进行提取，而采用传统检测方法得到的SINR数值尖峰处与周围旁瓣相比相比较不明显，根据传统检测方法检测到的图像对谐波信号进行提取十分困难。因此，通过实验证明本文提出的基于最优滤波算法的PMU装置检测方法检测精度更高，更有利于在混沌信号背景下对谐波信号提取。

3结束语

本文根据PMU装置在运行过程中周围环境对传统检测方法影响较大的问题，提出一种基于最优滤波算法的PMU装置检测方法，并通过实验证明了该方法与传统检测方法相比的突出优势，将本文检测方法进行推广，可以有效改善对PMU装置的检测精度，有助于对电力系统进行更好的检测。

参考文献

[1] 葛宝爽，张海，唐志坤. 基于新息异常检测的改进抗差自适应卡尔曼滤波算法[J]. 导航定位与授时，2020，67（01）：048-054.

[2] 许苏迪，刘灏，毕天姝，等. 一种适用于同步相量测量装置校准器的高精度相量测量方法[J]. 电工技术学报，2020，35（02）：372-382.

[3] 汤张泳，吴小俊，朱学峰. 多空间分辨率自适应特征融合的相关滤波目标跟踪算法[J]. 模式识别与人工智能，2020，33（01）：066-074.

[4]张显伟，陈均辉，王明启，等. 一种构造模板滤波算法在爆炸信号光电检测中的应用分析[J]. 弹箭与制导学报，2020，40（01）：040-045.

[5] 王红雨，尹午荣，胡江颢，等. 结合目标检测的多尺度相关滤波视觉跟踪算法[J]. 光学学报，2019，39（01）：388-397.

作者简介

颜红得（1992.11.07-），男，汉族，云南石屏人，学士（电气工程及其自动化），工程师，主要研究方向：电力系统自动化、继电保护。