电压暂降是电能质量问题中的一个关键难题。为了更准确地检测电压暂降发生时刻,提出了基于最大似然的自适应扩展卡尔曼滤波EKF-ML(extended Kalman filter based on maximum likelihood)算法的检测方法。首先选取不同的状态向量,在电网...电压暂降是电能质量问题中的一个关键难题。为了更准确地检测电压暂降发生时刻,提出了基于最大似然的自适应扩展卡尔曼滤波EKF-ML(extended Kalman filter based on maximum likelihood)算法的检测方法。首先选取不同的状态向量,在电网信号中建立2种卡尔曼滤波系统模型;其次,利用最大似然自适应优化误差协方差矩阵R和Q以及初始条件参数;最后,引入不同电能质量扰动对电压暂降进行检测证明该方法的有效性。仿真结果表明:在谐波干扰、脉冲干扰以及不同信噪比干扰情况下,EKF-ML算法能实时准确地检测电压暂降起止时间。与已有的传统方法比较,该方法适合于在未知测量噪声的条件下对电压暂降进行检测。展开更多
文摘电压暂降是电能质量问题中的一个关键难题。为了更准确地检测电压暂降发生时刻,提出了基于最大似然的自适应扩展卡尔曼滤波EKF-ML(extended Kalman filter based on maximum likelihood)算法的检测方法。首先选取不同的状态向量,在电网信号中建立2种卡尔曼滤波系统模型;其次,利用最大似然自适应优化误差协方差矩阵R和Q以及初始条件参数;最后,引入不同电能质量扰动对电压暂降进行检测证明该方法的有效性。仿真结果表明:在谐波干扰、脉冲干扰以及不同信噪比干扰情况下,EKF-ML算法能实时准确地检测电压暂降起止时间。与已有的传统方法比较,该方法适合于在未知测量噪声的条件下对电压暂降进行检测。
