引用本文

王学伟, 王婧, 王琳, 袁瑞铭. 畸变波形m序列动态测试信号建模与电能量值压缩检测方法. 自动化学报, 2018, 44(6): 1053-1061. doi: 10.16383/j.aas.2017.c160567

WANG Xue-Wei, WANG Jing, WANG Lin, YUAN Rui-Ming. Distortion Waveform m-sequence Dynamic Test Signal Modeling and Compressive Measurement for Electric Energy. ACTA AUTOMATICA SINICA, 2018, 44(6): 1053-1061. doi: 10.16383/j.aas.2017.c160567

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.c160567

关键词

动态测试信号，畸变测试信号，结构化参数模型，电能检测，压缩检测 

摘要

为解决非线性动态负荷条件下，智能电能表的动态误差测试问题.本文首先将m序列算子作为映射算子，采用基于信号特性建模的方法，建立三相畸变波形m序列动态测试信号结构化参数模型.其次根据压缩检测（Compressed measurement，CM）理论，采用系统稳态优化的方法构造最优压缩检测测量矩阵，实现对动态测试功率信号电能量值的检测.仿真实验表明，压缩检测方法可以对畸变波形m序列动态测试信号进行电能量值的检测，检测算法的相对误差优于1×10^-13.

文章导读

随着大功率电力电子装备的大量应用和智能电网中分布式新能源的引入, 电网中非线性动态负荷(例如, 电弧炉和高铁等)与新型电源的电流与功率等信号呈现出非稳态的动态特性.针对这类复杂随机特性信号条件下智能电能表的动态误差测试问题, 动态测试信号建模和伪随机信号电能量值的检测方法是两个必须解决的关键科学问题.

在测量控制领域的测试信号建模方面, 常用的确定测试激励信号模型有阶跃信号模型、周期斜坡信号模型和冲激脉冲信号模型.近年来提出了脉冲压缩编码测试信号[1]、多音激励信号[2]、chirp信号[3]、高斯脉冲信号[4]等多种确定信号模型, 分别用于超声气体流量测量、频域核辨识、宽频控制特性检测和加速度检测等领域.然而近年来伪随机测试激励信号的建模也引起了测量控制领域的重视, 例如, 徐立军等建立了双通道方波m序列的伪随机序列测试信号模型, 解决流量测量两通道的时延误差问题[5].

电网非线性动态负荷电能测试作为测量控制领域的重要分支, 近十年来国外学者的研究主要集中在稳态测试信号建模. 2007年Georgakopoulos等建立了非正弦条件下电压和电流测试信号模型, 用于仿真分析与实验测试电压与电流相位差、谐波与基波之间的初相角对电能表误差的影响[6]. 2009年, Cataliotti等研究采用非正弦测试信号模型, 仿真分析了功率因数、谐波次数对电能表误差的影响[7]. 2012年, Ferrero等分别建立了负载与电源的谐波信号模型, 仿真分析和实验测试了谐波干扰对电能表不确定度的影响[8].概括之, 已经提出的稳态电压、电流和功率测试信号, 只适用于测试电能表稳态误差, 不能解决电能表动态误差测试问题.

针对智能电能表动态误差测试问题, 近6年来, 国内学者在国际上率先开展了动态测试信号建模与电能表动态误差测试实验研究. 2010年陆祖良等建立了正弦包络、梯形包络的动态测试信号模型[9]; 同年, 李世松等建立了恒定包络的调相与调频动态测试信号模型[10]; 2014年王学伟等建立了OOK动态负荷电流信号的数学模型, 定义了模型的暂态、短时和长时的动态功率模态[11-12].这些动态测试信号模型具有功率波动性, 但是属于确定型周期动态测试信号模型, 然而, 电力动态负荷的重要特性是其具有随机波动性、准周期性和谐波特性, 而且电弧炉和高铁牵引负荷等具有近似于高斯分布的特性[13-14].显然, 已建立的动态测试信号模型不具有以上四种特性, 因而, 研究建立具有随机波动、准周期、谐波和高斯分布四种特性的动态测试信号模型十分必要.

在随机动态信号检测方面, 2010年, Davenport等发展了压缩感知(Compressed sensing, CS)理论, 提出压缩检测(Compressed measurement, CM)理论[15], 采用高斯测量矩阵对信号进行压缩采样, 在高斯白噪声下建立信号的二元假设检测模型, 实现对数字通信信号"0"或"1"的非重构检测识别. 2014年, Shafiul等分析了分布式发电系统的电压相量自相关函数具有稀疏性, 分别提出了间接和直接的CM方法对分布式发电系统进行状态估计, 实验结果表明CM方法可以在低采样率下实现状态估计[16]. 2015年, Du等采用CM方法检测轴承的振动信号, 提取信号特征, 实现机械故障诊断[17]. 2015年, Romero等根据光谱的先验知识, 构建循环Toeplitz测量矩阵, 采用CM方法实现宽带频谱感知[18].概括国内外相关研究成果, 目前, CM方法主要应用于检测或识别随机信号特征[19-24], 而不能实现对随机信号量值的准确检测, 国内外的文献中, 还未见随机动态条件下的电能量值检测算法.

针对上述研究现况, 本文研究基于信号特性的建模方法, 建立畸变波形m序列动态测试信号的结构化参数模型; 采用CM理论和系统稳态优化方法构造最优测量矩阵, 解决动态测试功率信号电能量值的准确检测问题.

图 1  信号的空间分解和建模框图

图 2  产生畸变波形m序列动态测试信号的键控方案

图 3  正弦m序列动态测试电流信号波形图

根据电网中实际负荷信号的四种重要特性, 本文采用伪随机序列算子映射与基于信号特性建模的方法, 提出了三相畸变波形m序列动态测试信号的结构化参数模型, 揭示了模型参数与实际负荷信号特性的联系.提出了基于上述结构化参数模型的动态测试信号的键控实现方案, 既实现简单, 还能够保证具有动态测试功率信号的单个导通周期内功率与稳态功率信号的工频周期内功率相等的突出优点; 实验证明了该方案的正确性.

采用稳态优化方法构造CM测量矩阵, 提出了畸变波形m序列动态测试功率信号电能量值的压缩检测模型和算法, 压缩检测算法的准确度优于1 × 10⁻¹³, 解决了随机动态电能量值的准确检测问题.

今后, 将进一步研究压缩感知伪随机动态测试信号模型和压缩感知匹配滤波信号检测模型, 实现对模型与测试方法的优化.

作者简介

王婧

北京化工大学信息科学与技术学院博士研究生.主要研究方向为信号处理, 电能表动态特性分析.E-mail:wangjingdoraemon@163.com

王琳  

北京化工大学机电工程学院副教授.主要研究方向为硬件电路设计与研制.E-mail:wanglin@mail.buct.edu.cn

袁瑞铭  

博士, 国网冀北电力有限公司电力科学研究院高级工程师.2004年获得哈尔滨工程大学博士学位.主要研究方向为电测计量, 用电信息采集, 智能用电.E-mail:ydollars@sina.com

王学伟  

北京化工大学信息科学与技术学院教授.2002年获得哈尔滨理工大学博士学位.主要研究方向为小波变换信号处理, 压缩感知信号处理, 电参量与功率电能测量理论, 电能质量分析理论.本文通信作者.E-mail:wangxw@mail.buct.edu.cn