| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
|---|---|---|---|---|
| 398481 | 1438722 | 2016 | 8 صفحه PDF | دانلود رایگان |
کلمات کلیدی
مقدمه
چندین نوع الگوریتم فیلترینگ کالمن (KF) بکاررفته برای برآورد و تخمین پارامتر هارمونیکی
فیلتر کالمن (KF)
فیلتر دسته ای کالمن (EnKF)
تئوری الگوریتم LET-KF
ارزیابی هارمونیکی مبتنی بر LET-KF
گام های الگوریتم LET-KF برای تخمین هارمونیکی:
شبیه سازی، نتایج و بحث
سیگنال ثابت قطعی با نویز تصادفی و میراگر DC
شکل 1: نمودار دامنه تخمینی بر حسب زمان سیگنال هارمونیکی با استفاده از الگوریتم LET-KF
شکل 2: نمودار فاز تخمینی بر حسب زمان سیگنال هارمونیکی با استفاده از الگوریتم LET-KF
شکل 3: نمودار MSE دامنه بر حسب زمان سیگنال هارمونیکی با استفاده از الگوریتم های EnKF، KF و LET-KF
شکل 4: نمودار MSE فاز بر حسب زمان سیگنال هارمونیکی با استفاده از الگوریتم های EnKF، KF و LET-KF
شکل 5: نمودار فرکانس تخمینی بر حسب زمان سیگنال پایه با استفاده از الگوریتم های EnKF، KF و LET-KF
شکل 6: نمودار دامنه تخمینی بر حسب زمان سیگنال زیر هارمونیک با استفاده از الگوریتم LET-KF
شکل 7: نمودار دامنه تخمینی بر حسب زمان سیگنال درون هارمونیک با استفاده از الگوریتم LET-KF
جدول 1: عملکرد الگوریتم KF، EnKF و الگوریتم پیشنهادی LET-KF برای تخمین پارامتر هارمونیکی شامل زیرهارمونیک ها و درون هارمونیک ها
جدول 2: مقایسه شاخص عملکردی ξ
سیگنال دینامیکی
شکل 8: نمودار دامنه تخمینی (A1) بر حسب زمان سیگنال هارمونیک دینامیکی با استفاده از الگوریتم LET-KF
اعتبارسنجی واقعی (لحظه ای) الگوریتم LET-KF پیشنهادی
شکل 9: ثبت لحظه ای داده های هارمونیکی در HPCL در یک پانل VFD
شکل 10 :نمودار ولتاژ تخمینی بر حسب نمونه سیگنال هارمونیکی لحظه ای با استفاده از الگوریتم LET-KF
جدول 3: مقایسه شاخص عملکردی ξ برای داده های لحظه ای با استفاده از الگوریتم KF، EnKF و LET-KF
نتیجه گیری
• LET-KF algorithm is proposed in this paper for harmonic estimation in power system.
• LET-KF algorithm is applied to estimate harmonics for static and dynamic signals.
• Proposed algorithm is validated with experimental data in real time environment.
• Performance of the proposed LET-KF algorithm is evaluated in presence of noise.
• LET-KF algorithm outperforms others in terms of accuracy and computational time.
This paper presents the maiden application of a variant of Kalman Filter algorithm known as Local Ensemble Transform based Kalman Filter (LET-KF) for power system harmonic estimation. The proposed algorithm is applied for estimating the harmonic parameters of a power signal containing harmonics, sub-harmonics, inter-harmonics in presence of white Gaussian noise. These algorithms are applied and tested for both stationary as well as dynamic signals containing harmonics. The LET-KF algorithm reported in this paper is compared with the earlier reported Kalman Filter based algorithms like Kalman Filter (KF) and Ensemble Kalman Filter (EnKF) algorithms for harmonic estimation. The proposed algorithm is found superior than the reported algorithm for its improved efficiency and accuracy in terms of simplicity and computational features, since there are less multiplicative operations, which reduces the rounding errors. It is also less expensive as it reduces the requirement of storing large matrices, such as the Kalman gain matrix used in other KF based methods. Practical validation is carried out with experimentation of the algorithms with the real time data obtained from a large paper industry. Comparison of the results obtained with KF, EnKF and LET-KF algorithms reveals that the proposed LET-KF algorithm is the best in terms of accuracy and computational efficiency for harmonic estimation.
Journal: International Journal of Electrical Power & Energy Systems - Volume 78, June 2016, Pages 793–800