孫旭霞，郭永勝

（西安理工大學(xué)自動化與信息工程學(xué)院，西安710048）

目前，大多數(shù)繼電保護(hù)以故障后的穩(wěn)態(tài)基頻分量作為判據(jù)，如何從故障暫態(tài)信號中快速、準(zhǔn)確地對基頻電流、電壓進(jìn)行估計(jì)是微機(jī)保護(hù)算法面臨的主要問題。在通常情況下，估計(jì)精度的高低取決于數(shù)據(jù)窗的長短。常見的微機(jī)保護(hù)算法有全波傅里葉算法、半波傅里葉算法、最小二乘算法與卡爾曼濾波算法。全波傅里葉算法能濾除所有整次諧波分量，穩(wěn)定性好，但數(shù)據(jù)窗需1個周期，使其對近區(qū)故障無法快速反應(yīng)［1，2］。半波傅里葉算法能夠在半個數(shù)據(jù)窗內(nèi)對故障基頻分量進(jìn)行估算，但其對低頻分量的抑制效果不好，而且對偶次諧波有一定的放大作用，在完全利用故障后數(shù)據(jù)進(jìn)行濾波時，該算法的時間響應(yīng)波動較大［3］。最小二乘算法從頻域角度看相當(dāng)于全零點(diǎn)濾波器，但當(dāng)故障信號模型和干擾信號的分布特性難以準(zhǔn)確估計(jì)時，其濾波精度以及暫態(tài)時延無法保證［4］?？柭鼮V波算法是具有時變數(shù)據(jù)窗特性的濾波算法，適用于平穩(wěn)過程也適用于非平穩(wěn)過程，對噪聲有很好的抑制作用，被廣泛應(yīng)用于頻率跟蹤、諧波分析等場合，但其濾波精度以及暫態(tài)時延也無法同時兼顧［5～6］。

本文提出了一種卡爾曼濾波結(jié)合小波變換的基波分量提取方法，即用卡爾曼濾波模型估計(jì)基波分量特征，結(jié)合sym4小波變換高頻分量模極大值來捕捉故障發(fā)生時刻，在故障發(fā)生時刻更新增益系數(shù)和誤差協(xié)方差矩陣，從而減少了卡爾曼濾波模型的響應(yīng)時間，保證了微機(jī)保護(hù)對故障的快速響應(yīng)。

1 算法原理

1.1 基于卡爾曼濾波估計(jì)提取基波的原理

1.1.1 Kalman濾波的基本原理

故障電壓、電流信號的Kalman諧波模型有多種，文中采用如下線性模型［5，8，10］。

其中：H為故障信號的最高諧波次數(shù)（本文中考慮H ＝5），Δf基波頻率偏移；Ah各諧波幅值；Ae、β為衰減直流分量的幅值及時間常數(shù)；θh為h次諧波初始相位；v（t）為噪聲信號。

取狀態(tài)變量：

狀態(tài)方程為

測量方程為

xi（k）、xi（k＋1）為k、k＋1時刻的系統(tǒng)狀態(tài)，wi（k）、v（k）是均值為0、方差分別為σw2、σv2白噪聲，且滿足：

1.1.2 濾波參數(shù)選取

濾波參數(shù)選取是決定卡爾曼濾波算法性能好壞的關(guān)鍵。常用的方法是大量試湊，直到系統(tǒng)穩(wěn)定，對系統(tǒng)調(diào)試很不利。經(jīng)過分析和總結(jié)，本文給出以下參數(shù)選取思路。

由于在協(xié)方差矩陣中缺少充分的非對角元素統(tǒng)計(jì)信息，通過大量仿真實(shí)驗(yàn)后，證明在非對角元素為非零的情況下，相對于對角元素的值對系統(tǒng)穩(wěn)態(tài)的影響可以忽略，因此假設(shè)三個協(xié)方差矩陣為對角矩陣是成立的。所以通常情況下將協(xié)方差矩陣非對角元素設(shè)為零，這樣很大程度上減少了未知參數(shù)的個數(shù)。協(xié)方差矩陣（0）表征了系統(tǒng)的動態(tài)信息，改變（0）中對角元素的值，可以改變系統(tǒng)瞬態(tài)性能，而系統(tǒng)穩(wěn)態(tài)性能不受影響。Q表征了系統(tǒng)模型的統(tǒng)計(jì)特性，增加Q中元素的值，等價于增加系統(tǒng)噪聲或增加系統(tǒng)參數(shù)的不確定性，從而使得增益矩陣Gf增大，加大了系統(tǒng)校正權(quán)值，提高了系統(tǒng)動態(tài)性能和穩(wěn)態(tài)值。矩陣R表征了測量噪聲，增加R中元素的值，意味加大測量噪聲的影響，同時使Gf減小，減弱系統(tǒng)校正權(quán)值，降低了系統(tǒng)瞬態(tài)響應(yīng)和穩(wěn)態(tài)值。所以矩陣Q和R的選取具有矛盾性，二者進(jìn)行選取時，應(yīng)視具體情況權(quán)衡而定。

1.2 小波變換及其模極大值

設(shè)任意函數(shù)f（x）∈L2（R）為平方可積函數(shù)組成的Hilbert空間，小波變換可定義為［9］

①定義域是緊支撐的，即只有小的局部非零定義域。

②容許條件，即

在某一固定尺度a下，若?x∈（x－δ，x＋δ），有｜Wsf（x）｜≤｜Wsf（x0）｜成立，則稱x0為小波變換的模極大值點(diǎn)，｜Wsf（x0）｜稱為模極大值。

信號的突變點(diǎn)可由小波變換的模極大值來反映，本文中對基波分量估計(jì)值進(jìn)行小波變換，當(dāng)故障發(fā)生時，基波分量估計(jì)值會出現(xiàn)瑕疵，在小波高頻分量中會出現(xiàn)模極大值，可確立故障信號的發(fā)生時刻［12］。

本文中選用sym4小波，因?yàn)閟ymlets小波是正交的時域緊支小波，此特性使其具有良好的計(jì)算性；自身良好的對稱性可使信號的分解與重構(gòu)避免失真。在symlets小波系列中，由于sym1小波的濾波器不連續(xù)，不能使用；sym2、sym3小波的濾波器長度較短，對信號奇異點(diǎn)的敏感性不強(qiáng)。綜合考慮數(shù)據(jù)窗長度及對奇異點(diǎn)的敏感性，確定采用sym4小波來監(jiān)測基波分量的突變時刻［9］。

算法整體流程如圖1所示。

圖1 小波 －卡爾曼提取基波分量流程Fig.1 Flow chart of fundamental component detection using wavelet and Kalman filter

2 算例分析

為深入分析該算法的可行性，本文進(jìn)行了大量仿真驗(yàn)證。限于篇幅，只針對如下幾種電流信號模型進(jìn)行仿真分析。仿真中，采樣頻率為10kHz，R＝0.1001［10，11］。

2.1 基波頻率

基波信號頻率在一定范圍內(nèi)動態(tài)波動，信號模型如下：

由圖2可知，在基波頻率存在微小波動時，本算法對頻率波動有一定魯棒性，不因頻率波動而出現(xiàn)較大的波動值，而全周傅氏算法則出現(xiàn)較大的波動。且由圖2（c）可看出，基波分量估計(jì)值重構(gòu)高頻分量不因頻率波動而發(fā)生突變。

圖2 頻率波動時幅值計(jì)算及高頻分量Fig.2 Magnitude calculation and high frequency component with frequency fluctuation

2.2 基波幅值

運(yùn)行過程中在某一時刻發(fā)生故障，基波幅值變化，暫態(tài)信號中混有高次諧波及衰減直流分量。

2.2.1 故障信號模型1

信號模型為式（10），濾波響應(yīng)如圖3所示。

圖3 系統(tǒng)運(yùn)行過程中發(fā)生故障Fig.3 Fault in the period of running

2.2.2 故障信號模型2

信號模型為式（11），濾波響應(yīng)如圖4所示。

圖4 系統(tǒng)運(yùn)行過程中發(fā)生故障Fig.4 Fault in the period of running

由圖3、4可知，在發(fā)生故障時，與全波傅氏算法相比，采用相電流差 －卡爾曼濾波算法和小波－卡爾曼濾波算法受衰減非周期分量及高次諧波的影響小，能夠更準(zhǔn)確地提取基波分量，使卡爾曼濾波算法響應(yīng)速度明顯加快。但由圖3（e）、4（e）可看出，相電流差 －卡爾曼濾波算法在基波突變時刻得出的相電流差跳變值較小，且其明顯小于卡爾曼濾波在開始適應(yīng)無故障信號所得到的相電流差值，所以在應(yīng)用此算法時必須跳過卡爾曼濾波算法自身適應(yīng)時間再做判定，以免造成誤判。但由圖3（f）、4（f）可看出，小波－卡爾曼濾波算法在故障發(fā)生時刻，基波分量估計(jì)值重構(gòu)高頻分量有較大的突變，且明顯大于卡爾曼濾波在開始適應(yīng)無故障信號所得到的重構(gòu)高頻分量值，充分體現(xiàn)了小波算法“數(shù)學(xué)顯微鏡”的美譽(yù)。因此，本算法不僅能準(zhǔn)確地提取基波分量并且很大程度上加快了卡爾曼濾波器的響應(yīng)，而且能精確捕捉故障發(fā)生時刻，不受卡爾曼濾波器自身適應(yīng)過程的影響。

2.3 仿真測試

針對某750kV輸電線路EMTP仿真單相接地故障時的電流波形以及新算法對仿真數(shù)據(jù)的濾波結(jié)果。

新濾波算法的仿真測試模型及結(jié)果如圖5所示。

另外，本算法還用于線路短路故障并做了大量的驗(yàn)證工作，結(jié)果表明該算法能精確捕捉故障發(fā)生時刻，可以較準(zhǔn)確地提取基頻分量，保證了微機(jī)保護(hù)的精確實(shí)時動作。

3 結(jié)語

由仿真結(jié)果表明：本算法對基波頻率在一定范圍動態(tài)波動時具有很好的魯棒性，而這一特點(diǎn)更符合實(shí)際系統(tǒng)中基波信號的運(yùn)行規(guī)律，即頻率大部分時間在較小的范圍內(nèi)（一般系統(tǒng)頻率波動范圍為（50±0.2）Hz，當(dāng)系統(tǒng)容量較小時，頻率波動范圍為（50±0.5）Hz）［5］波動。當(dāng)發(fā)生故障時，本算法可精確捕捉故障發(fā)生時刻，不因噪聲影響而產(chǎn)生誤差，并且在一定程度上縮短了卡爾曼濾波模型的響應(yīng)時間，達(dá)到對基波分量精確快速的提取。與全波傅氏算法比較，證明了該算法在提取基波分量的精度及實(shí)時性上都有一定優(yōu)越性。因此，本算法具有響應(yīng)速度快、濾波效果好的特點(diǎn)，能滿足繼電保護(hù)快速跳閘和準(zhǔn)確動作的要求。

［1］ Yu S－L，Gu J－C.Removal of decaying DC in current and voltage signals using a modified Fourier filter algorithm［J］.IEEE Trans on Power Delivery，2001，16（3）：372－379.

［2］ Gu Jyh－cherng，Yu Sun－Li.Removal of DC offset in current and voltage signals using a novel Fourier filter algorithm［J］.IEEE Trans on Power Delivery，2000，15（1）：73－79.

［3］ Gu Y，Kezunovic M，Chen D S.Simplified algorithms or removal of the effect of exponentially decaying DC－offset on the Fourier algorithm［J］.IEEE Trans on Power Delivery，2003，18（3）：711－717.

［4］ 黃瀛，何奔騰（Huang Ying，He Benteng）.繼電保護(hù)中最小二乘算法的最佳噪聲模型（Study on the optimal noise model of least error square algorithm for relay protection）［J］.電力系統(tǒng)自動化（Automation of Electric Power Systems），2004，28（9）：31－35.

［5］ 張靜，徐政（Zhang Jing，Xu Zheng）.基于卡爾曼濾波誤差的電能質(zhì)量擾動檢測（Power quality disturbances detection based on Kalman filter residuals）［J］.電力系統(tǒng)及其自動化學(xué)報(bào)（Proceedings of the CSUEPSA），2006，18（5）：25－30.

［6］ Styvaktakis Emmanouil，Gu Irene Y H ，Bollen Math H J.Voltage dip detection and power system transients［C］∥Proceedings of the IEEE Power Engineering Society Transmission and Distribution Conference，Vancouver，Canada：2001.

［7］ Gu Irene Yu－Hua，Styvaktakis Emmanouil.Bridge the gap：signal processing for power quality applications［J］.Electric Power Systems Research，2003，66（1）：83－96.

［8］ Kose Neslihan，Salor Ozgul，Leblebicioglu Kemal.A Kalman filter based approach for light flicker evaluation of power systems［C］∥IEEE 17th Signal Processing and Communications Applications Conference，Antalya，Turkey：2009.

［9］ 李中偉，程麗，佟為明（Li Zhongwei，Cheng Li，Tong Weiming）.Symlets小波幅值算法研究（Study of Symlets wavelet amplitude algorithm ）［J］.電力自動化 設(shè) 備 （Electric Power Automation Equipment），2009，29（3）：65－68.

［10］ 李斌，李永麗，賀家李（Li Bin，Li YongLi，He Jiali）.一種提取基波分量的高精度快速濾波算法（Accurate and fast filtering algorithm for fundamental component）［J］.電力系統(tǒng)自動化（Automation of Electric Power Systems），2006，30（10）：39－43，74.

［11］朱桂英，龔樂年（Zhu Guiying，Gong Lenian）.傅氏算法在微機(jī)保護(hù)應(yīng)用中的探討（Discussion on application of Fourier algorithm in microcomputer protection）［J］.電力系統(tǒng)及其自動化學(xué)報(bào)（Proceedings of the CSU－EPSA），2005，17（4）：41－43，93.

［12］ 江紅勝，侯勇，朱曉光（Jiang Hongsheng，Hou Yong，Zhu Xiaoguang）.基波分量的一種快速提取方法及其在有源濾波器中的應(yīng)用（Novel fundamental detection method and its application in the active power filter）［J］.電力系統(tǒng)及其自動化學(xué)報(bào)（Proceedings of the CSU－EPSA），2004，16（6）：34－37.