基于共軛-旋轉矢量不變性技術的諧波檢測方法

程志友 程 晨 付學敏 王家琦

（1. 教育部電能質量工程研究中心 合肥 230601 2. 安徽大學電子信息工程學院 合肥 230601）

1 引言

隨著工業自動化生產水平的提高，電網中大量應用非線性用電負荷，使諧波污染日益復雜化[1,2]。由于諧波對電力系統和用電設備運行的安全性、穩定性、可靠性和經濟性造成很大的影響，因此有必要結合新的工具快速、準確檢測電力系統中的諧波，為諧波分析和治理提供可靠保證。

傳統的電力系統諧波檢測方法最常用的是基于快速傅里葉變換（FFT）[3]，但由于頻譜泄露和柵欄效應，容易丟失一些諧波信息，并產生一些虛假的間諧波信號。文獻[4,5]采用連續小波變換來檢測，由于尺度不同容易引起頻域內互相干擾，易受噪聲影響。連續小波變換和傅里葉變換相結合的方法能檢測出非整數次諧波，但是無法分離相差不大的間諧波。多重信號分類（Multi-Signal Classification，MUSIC）算法[6]可以準確檢測出諧波，但計算量大，需要進行峰值搜索，在峰值搜索過程中也有類似柵欄效應，致使頻率檢測精度仍不夠理想。傳統的子空間旋轉不變性（Estimating Signal Parameters Via Rotational Invariance Techniques，ESPRIT）算法無須進行譜峰搜索，大大降低了計算復雜度，但未對信號子空間進行處理，在噪聲較大的情況下精確度不高。最小二乘-子空間旋轉不變性（TLS-ESPRIT）算法[7]采用了一種總體最小二乘法的思想減小信號子空間中噪聲的干擾，可以得到準確的諧波參數，但需要將樣本數據根據快拍數進行劃分，使樣本數據矩陣維數降低，不能達到最優化估計。

共軛-旋轉矢量不變性技術（Conjugate Signal Parameters via Rotational Invariance Techniques,C-SPRIT）算法結合總體最小二乘法抗噪性強的優點，首先根據樣本數據構造大小與樣本數據數目相等的子陣列，然后奇異值分解子陣列構成的數據矩陣，利用旋轉因子共軛矩陣代替旋轉因子計算諧波頻率值，最后采用 Prony方法[8]中的最小二乘法得到幅值。

2 基于C-SPRIT算法諧波檢測方法原理

2.1 抽樣信號模型

假設一個信號由P個諧波信號和一個高斯白噪聲信號組成[9]，采樣信號為

2.2 C-SPRIT算法原理

已有樣本數據構造陣列X1(t)，然后構造另一組陣列X2(t)，兩陣列構成與對應關系如圖1所示[10]。

圖1 子陣列構造Fig.1 The structure of sub-arrays

陣列1與陣列2完全重疊，重疊數目為最大值M，兩陣列元素的排列順序不同，?為共軛。圖中，

2.3 總體最小二乘法原理

3 C-SPRIT算法實現過程

4 仿真實驗

仿真信號設為

δ(t) 為高斯白噪聲，信噪比SNR=30dB，采樣頻率為1 280Hz，連續取511個數據，仿真信號中含有基波信號和多次諧波間諧波信號，諧波頻率為250Hz和 350Hz，對應幅值分別為 0.1(pu) 和 0.032(pu)。有 30Hz和 170Hz間諧波，幅值分別為 0.04(pu) 和0.05(pu)，基波幅值為1。信號添加高斯白噪聲之后的波形圖如圖2所示，波形時間為0～0.2s。

通過C-SPRIT算法諧波信號中基波信號和各次諧波信號均精確的提取出來，基波信號頻率估計值為50.00Hz，幅值為1.000 7(pu)。30Hz間諧波信號估計值為 30.02Hz；170Hz間諧波頻率估計值為170.01Hz；250Hz諧波頻率估計值為 250.00Hz；350Hz諧波頻率估計值為350.02Hz。各次諧波幅值估計值分別為 0.039 1(pu)(30Hz)、0.050 7(pu)(170Hz)、0.099 4(pu)(250Hz) 和 0.031 5(pu)(350Hz)，實驗結果如圖3所示。

圖3 C-SPRTI頻率檢測結果Fig.3 Frequencies estimated results via C-SPRIT

4.1 對比實驗1

定義參數誤差公式

式中，(i) 為基波或諧波頻率與幅值的初始值；為多次測量取的平均值。通過仿真實驗，比較本文算法與FFT算法，分別計算頻率、幅值誤差。實驗結果見表 1，C-SPRIT算法頻率誤差為 0.018 2%，幅值誤差為 1.16%。FFT算法頻率誤差為 0.31%，幅值誤差為 13.72%，由于 FFT算法會造成頻譜泄露，因此會帶來較大的誤差。分析表明，本文算法比FFT算法頻率、幅值估計精確度更高。

表1 C-SPRIT與FFT比較Tab.1 Comparison between C-SPRIT and FFT

4.2 對比試驗2

為了進一步驗證算法的精確性，取實驗1中的相同的 511個樣本數據點，分別利用 C-SPRIT、LS-ESPRIT（最小二乘-空間旋轉不變性）、TLS-ESPRIT（總體最小二乘-空間旋轉不變性）和TAM 算法[15]（Toeplitz近似法）提取諧波參數，LS-ESPRIT、TLS-ESPRIT[16,17]和TAM算法是空間譜算法中應用較多的三類算法，精確度較高。得到實驗結果如表2所示。

表2 C-SPRIT與LS、TLS、TAM比較Tab.2 Comparison between C-SPRIT and LS-,TLS-,TAM

由表 2知，利用相同的樣本數據，在信噪比SNR=30dB的條件下，C-SPRIT算法頻率估計誤差為0.018 2%，幅值估計誤差為1.16%，均小于其他三類算法的估計結果，因此C-SPRIT算法頻率值頻率與幅值估計結果更精確。在不同的信噪比環境下，分別利用以上四類算法對相同的樣本數據估計頻率幅值，圖4為頻率誤差、幅值誤差與信噪比關系，在不同的信噪比環境下，TLS-ESPRIT、LS-ESPRIT和 TAM 算法的頻率估計值相差不大，隨著信噪比降低，估計精度下降，SNR=15dB時，誤差值增大到 0.41%。C-SPRIT估計誤差小于前三種算法，因此抗噪能力強，SNR=15dB時，誤差值為 0.08%。C-SPRIT算法估計的幅值誤差小于其他三種算法，信噪比較高時，TLS與TAM估計結果優于LS算法。由此可得，C-SPRIT較 TLS-ESPRIT、LS-ESPRIT和 TAM 算法有更好的抗干擾性，在低信噪比的環境下，仍可以精確的估計出頻率與幅值。

圖4 不同信噪比下效果比較Fig.4 Comparison between the effect in different SNRS

5 實際數據分析

從某一煉鋼廠電弧爐某一相取出一段電流數據，利用C-SPRIT算法對采樣數據進行分析。圖5為實時信號波形圖。采樣頻率為 6 400Hz，可以看出該電流信號含有大量諧波。圖6為利用C-SPRIT算法分析得到的實時信號幅頻特性圖。

圖5 實時信號波形Fig.5 Waveforms of real-time signal

圖6 C-SPRIT算法檢測的頻率檢測結果Fig.6 Frequency estimated results via C-SPRIT

在計算機處理器為Pentium（R）Dual-Core CPU E5800@3.20GHz；內存為 1.99GB；操作系統為 32位 Win7；MATLAB 7.0版本下，該算法的用時為14.1ms，通過C-SPRIT算法可以將基波和各次諧波間諧波信號提取出來（幅值小于0.01kA忽略不計），頻率大小為 49.98Hz、10.76Hz、27.31Hz、73.76Hz、90.90Hz、110.01Hz、244.80Hz、252.26Hz和350.54Hz。幅值分別為 0.488 3kA、0.154 1kA、0.040 2kA、0.113 9kA、0.096 3kA、0.036 9kA、0.011 2kA、0.014 6kA和0.010 7kA。實驗結果表明該算法可以處理實時數據，具有一定的可應用性。

6 結論

（1）本文將 C-SPRIT算法應用于電力諧波檢測，該算法在樣本數據較少的情況下能夠精確地估計出各次諧波、間諧波的頻率與幅值信息。

（2）仿真實驗表明，該方法優于FFT方法和其他幾種常用的空間譜頻率檢測算法。

（3）實時數據分析表明，該算法可以在實時信號處理中得到應用，因此C-SPRIT是一種精確有效的諧波、間諧波檢測方法，可以為諧波間諧波分析提供一種新的工具。

[1] 林海雪. 電力系統中的間諧波問題[J]. 供用電,2001, 18(3): 6-9.Lin Haixue. Interharmonics in electrical power system[J]. Electric Power Research Institute, 2001,18(3): 6-9.

[2] 王兆安, 楊君, 等. 諧波抑制和無功補償[M]. 北京:機械工業出版社, 2005.

[3] Ferrero A. High accuracy Fouier analysis based on synchronous sampling techniques[J]. IEEE Transmission on Instrument and Measucement, 1992, 41(6): 780-785.

[4] Keaochantanond T, Boonseng C. Harmonics and inter-harmonics estimation using wavelet transform[C].Proceedings of the IEEE Transmission and Distribution Conference and Exhibition, 2002, 2: 775-779.

[5] 周林, 夏雪, 萬蘊杰, 等. 基于小波變換的諧波測量方法綜述[J]. 電工技術學報, 2006, 21(9): 67-73.Zhou Lin, Xia Xue, Wan Yunjie, et al. Harmonic detection based on wavelet transform[J]. Transactions of China Electrotechnical Society, 2006, 21(9): 67-73.

[6] 蔡濤, 段善旭, 劉方銳. 基于實值MUSIC算法的電力諧波分析[J]. 電工技術學報, 2009, 24(12): 149-155.Cai Tao, Duan Shanxu, Liu Fangrui. Power harmonic analysis based on real-valued spectral MUSIC algorithm[J]. Transactions of China Electrotechnical Society, 2009, 24(12): 149-155.

[7] 聶永輝, 劉彥臣, 張立艷. TLS-ESPRIT技術在電力系統諧波檢測的應用[J]. 電力系統及其自動化學報,2010, 22(2): 129-132.Nie Yonghun, Liu Yanchen, Zhang Liyan. Application of TLS-ESPRIT on harmonic measurement of power system[J]. Proceedings of the CSU-EPSA, 2010,22(2): 129-132.

[8] 石敏, 吳正國, 尹為民. 基于多信號分類法和普羅尼法的間諧波參數估計[J]. 電網技術, 2005, 29(15):81-84.Shi Min, Wu Zhengguo, Yin Weimin. Inter-harmonic parameter estimation based on multi-signal classification and prony method[J]. Power System Technology,2005, 29(15): 81-84.

[9] Tayem N, Kwon H M. Conjugate ESPRIT(C-SPRIT)[J]. IEEE Transactions on Antennas and Propagation, 2004, 52(10): 2618-2624.

[10] Delmas J P. Comments on conjugate ESPRIT (CSPRIT)[J]. IEEE Transactions on Antennas Propagation,2007, 55: 511.

[11] 王永良, 陳輝, 彭應寧, 等. 空間譜估計理論與算法[M]. 北京: 清華大學出版社, 2004.

[12] Kung S Y, Arun K S, Rao D V B. State space and SVD based approximation methods for the harmonic retrieval problem[J]. Journal of the Optical Society of America, 1983, 73(12): 1800-1803.

[13] 周云鐘, 陳天麒. 一種自適應 ESPRIT算法[J]. 系統工程與電子技術, 2001, 23(9): 5-8, 11.Zhou Yunzhong, Chen Tianqi. An adaptive ESPRIT algorithm[J]. Systems Engineering and Electronics,2001, 23(9): 5-8, 11.

[14] Wax Mati, Kailath Thomas. Detection of signals by information theoretic criteria[J]. IEEE Transactions on Acoustics, Speech and Signal Processing, 1985,33(2): 387-392.

[15] A study on the application of Toeplitz approximation method on DOA estimation[C]. Proceedings of the 2010 2nd International Conference on Signal Processing Systems(ICSPS), 2010, 3: 215-218.

[16] 張君俊, 楊洪耕. 間諧波參數估計的 TLS-ESPRIT算法[J]. 電力系統及其自動化學報, 2010, 22(2):70-74.Zhang Junjun, Yang Honggeng. TLS-ESPRIT for interharmonic estimation[J]. Proceedings of the CSU-EPSA, 2010, 22(2): 70-74.

[17] 初憲武. 基于TLS-ESPRIT算法和自適應神經網絡的間諧波分析[J]. 電工電能新技術, 2010, 29(2): 17-20.Chu Xianwu, Interharmonic analysis based on TLSESPRIT algorithm and adaline neural network[J].Advanced Technology of Electrical Engineering and Energy, 2010, 29(2): 17-20.