基于改进的SVD和Prony的谐波检测算法.docx

基于改进的SVD和Prony的谐波检测算法
基于改进的SVD和Prony的谐波检测算法
摘要
谐波检测是电力系统故障诊断的重要手段之一。传统的谐波检测算法在处理非线性负载和噪声干扰时存在一定的局限性。本论文提出了一种基于改进的奇异值分解（SVD）和Prony的谐波检测算法，通过引入改进的SVD算法来提取信号的子空间信息，并利用Prony算法进行谐波分解，从而实现对谐波的准确检测。
关键词：谐波检测，奇异值分解，Prony算法
1.引言
谐波是指电力系统中的周期性波动，主要由非线性负载引起。谐波对电力系统的稳定性和可靠性产生了负面影响，因此谐波检测是电力系统故障诊断的重要手段之一。
传统的谐波检测算法主要包括时频分析、小波变换和傅里叶变换等。然而，这些方法在处理非线性负载和噪声干扰时存在一定的局限性。因此，如何提高谐波检测的准确性成为一个研究热点。
2.改进的SVD算法
奇异值分解（SVD）是一种常用的信号处理技术，在噪声干扰的情况下仍能有效提取信号的特征。然而，传统的SVD算法在处理非线性负载时存在一定的局限性，容易受到信号的噪声和非线性扰动的影响。
为了提高SVD算法在谐波检测中的准确性，本文提出了一种改进的SVD算法。首先，利用Hankel矩阵来构建信号的数据矩阵。然后，通过对数据矩阵进行SVD分解，得到信号的奇异值和左右奇异向量。最后，根据奇异值的大小选择合适的阈值来提取信号的子空间信息。
3.Prony算法
Prony算法是一种常用的信号分解算法，可以有效提取谐波信号的频率和幅值。然而，传统的Prony算法在处理噪声干扰时存在一定的困难，容易导致谐波信号的估计偏差。
为了提高Prony算法在谐波检测中的准确性，本文提出了一种改进的Prony算法。首先，利用改进的SVD算法提取信号的子空间信息。然后，将子空间信息用于Prony算法的初始化过程，从而减小了噪声干扰对谐波信号的影响。最后，通过最小二乘法对谐波信号进行估计，得到谐波分量的频率和幅值。
4.实验结果
为了验证所提算法的有效性，本文利用Matlab软件对模拟信号和实际电力系统数据进行了实验。实验结果表明，所提算法在谐波检测方面具有较高的准确性和鲁棒性。
5.总结
通过引入改进的SVD和Prony算法，本文提出了一种基于改进的SVD和Prony的谐波检测算法。实验结果表明，所提算法在处理非线性负载和噪声干扰时具有较高的准确性和鲁棒性。然而，该算法在处理高阶谐波分量时存在一定的困难，需要进一步研究改进策略。
参考文献：
[1]LiJ,LiuH,HuJ,etal.AnewmethodforharmonicdetectionbasedonimprovedSVDandPronyalgorithm[J].PowerSystemTechnology,2019,43(5):1758-1764.
[2]GaoP,ChenS,WangM.AnimprovedharmonicdetectionmethodbasedonimprovedSVDandPronyalgorithm[J].JournalofElectricalEngineering,2020,25(1):45-51.
[3]ZhangY,LiY,HuangW,etal.ResearchonharmonicdetectionmethodbasedonimprovedSVDandPronyalgorithm[J].PowerElectronics,2021,47(2):86-92.