[发明专利]一种基于原子分解法的同步电机参数辨识方法

说明书

本发明公开了一种基于原子分解法的同步电机参数辨识方法，其特征是，包括以下步骤：1)构建相关原子库并将原子离散化参数连续化；2)运用进化匹配追踪算法，快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流；3)从分解的各原子信号特征参数中推算出同步电机参数。本发明所达到的有益效果：针对传统算法的不足，尤其是采用的经验模态分解(EMD)和Prony算法对含噪声信号短路电流的分解效果欠佳，抗噪性能不好，本算法可准确地提取同步电机参数，且有较好的抗噪性能。

技术领域

本发明涉及一种基于原子分解法的同步电机参数辨识方法，属于信号处理技术领域。

背景技术

准确的同步电机参数辨识对研究分析电力系统运行和设计控制系统有着重要意义。其中，反映同步电机暂态过程的瞬态参数与电力设备选择、电力系统稳定性计算以及故障计算等密切相关。

GB/T1029-2005推荐使用的同步电机参数测量方法是三相突然短路法，通过短路电流上下包络线提取周期分量和非周期分量。这种数据处理方法获取瞬态参数的结果误差较大。短路电流可用指数函数来表示，而Prony算法适合指数函数的参数辨识，提取的参数效果较好，但Prony算法存在对噪声敏感以及阶数确定问题。

针对传统方法的局限性，以及噪声对同步电机参数辨识精度的影响，提出了不少改进方法，但是这些改进方法同时也仍存在着一些弊端：

小波变换和Prony相结合的方法，利用小波变换降低了信息采集噪声，得到的参数误差较小。将阵列信号处理方法总体最小二乘-旋转矢量不变技术(total least square-estimation of signal parameters via rotational invariance technology，TLS-ESPRIT)应用到同步电机参数辨识中，将信号进行子空间划分和总体最小二乘(totalleast square，TLS)双重消噪处理，抗噪能力得到提高。

基于希尔伯特-黄变换(Hilbert-Huang transform，HHT)的同步电机参数辨识方法，以经验模态分解(empirical mode decomposition，EMD)为基础，构成一种新的时域滤波方法，在强噪声背景下获得了较好的辨识结果。但HHT的EMD信号存在难以解决的“端点效应”问题。

基于局部均值分解(local mean decomposition，LMD)的辨识方法，辨识结果受噪声影响较小，但LMD的滑动平均跨度选择还需进一步研究。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于原子分解法的同步电机参数辨识方法，完整地表现一个非平稳信号的各个局部特征，在解析中能很好地剔除噪声信息，提高同步电机参数辨识的精度。

为了实现上述目标，本发明采用如下的技术方案：

一种基于原子分解法的同步电机参数辨识方法，其特征是，包括如下步骤：

1)构建相关原子库，将原子离散化参数连续化；

2)运用进化匹配追踪算法，快速从同步电机突然短路电流中提取基波电流、直流电流和倍频电流；

3)从分解的各原子信号特征参数中推算出同步电机参数。

进一步地，所述步骤1)的具体内容为：

11)构造基波原子库式中：f₁为基波频率，为基波相位，t_s1表示基波的开始时刻，t_e1表示基波的结束时刻；t表示时间变量；

u(t)为单位阶跃函数；k_r1为使||g_r1(t)||＝1的系数；