基于离散时间频率增益传感器的P级至M级PMU模型的实现(Matlab代码实现)

简介: 基于离散时间频率增益传感器的P级至M级PMU模型的实现(Matlab代码实现)

💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥

🏆 博主优势: 🌞 🌞 🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳ 座右铭:行百里者,半于九十。

📋 📋 📋 本文目录如下: 🎁 🎁 🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

低复杂度高精度P级到M级渐进式PMU模型,由Krzysztof Duda和Tomasz P. Zieliński设计。


基于离散时间频率增益传感器(DTFGT)和正弦斜率滤波器的P级至M级渐进式PMU模型的实现,以及在IEC/IEEE 60255-118-1标准动态调制测试中的应用。


📚2 运行结果


e946bd149b925b5f01377533286bd3c9.png


75f1e6044f3ad12ceb467add2dc56f4b.png


部分代码:

figure,
subplot(1,2,1), hold on
plot(fm, err_TVE_dF)
legend(text_legend_const,'Location','southeast')
xlabel('F_i_n (Hz)'), ylabel('TVE (%) for straightforward A and \phi estimation')
title(text_title)
set(gca,'YScale','log'),
axis tight, box on, grid on
subplot(1,2,2), hold on
plot(fm, err_TVE_dF_LS, '-')
legend(text_legend_const,'Location','southeast')
xlabel('F_i_n (Hz) '), ylabel('TVE (%) for LS based A and \phi estimation')
title(text_title)
set(gca,'YScale','log'),
axis tight, box on, grid on
figure,
subplot(1,2,1), hold on
plot(fm, err_Om_dF, '-')
legend(text_legend_const,'Location','southeast')
xlabel('F_i_n (Hz)'), ylabel('FE (Hz)'), title(text_title)
set(gca,'YScale','log'),
axis tight, box on, grid on
subplot(1,2,2), hold on
plot(fm, err_Rocof_dF_LS, '-')
legend(text_legend_const,'Location','southeast')
xlabel('F_i_n (Hz)'), ylabel('RFE (Hz/s)'), title(text_title)
set(gca,'YScale','log'),
axis tight, box on, grid on
end
%###########################################################
function [Phasor, PhasorLS, Omr, ROCOFr] = PMU(x, P, N0, F0)
% PMU implementation with a cascade of rectangular filters
% and the Discrete-Time Frequency-Gain Transducer (DTFGT)
% with the sine-shape slope filter
% x - sinusoidal signal x=A*cos(Om*n+p)
% P - number of rectangular filters in the prefilter cascade
% Phasor - estimated complex phasor reported at nominal frequency with straightforward amplitude and phase estimation
% PhasorLS - estimated complex phasor reported at nominal frequency with LS based amplitude and phase estimation
% Omr - estimated frequency in radians reported at nominal frequency
% ROCOFr - estimated ROCOF in radians per second reported at nominal frequency
Nx = length(x);
Fs = N0*F0; %Hz
t = (0:Nx-1)/Fs;
y = x.*exp(-1i*2*pi*F0*t); % down-shifted sinusoidal signal x=A*cos(Om*n+p), Om=2*pi*f0/fs
%% for LS solution
ND2 = N0/2-1; % only one nominal period, although it could be more for longer cascade
ND1 = -N0/2;
%% sin frequency slope h = [1/2 0 -1/2];
w0= pi/(N0/2);
L = N0/4;
h = [1/2 zeros(1,L-1) 0 zeros(1,L-1) -1/2];
%%
tr = 1:N0:Nx; % reporting times
Phasor = zeros(length(tr), P);
PhasorLS = zeros(length(tr), P);
Omr = zeros(length(tr), P);
ROCOFr = zeros(length(tr), P);
r0 = ones(1,N0)/N0; rp = 1;
for ind=1:P


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]Krzysztof Duda (2023). P2M_PMU


🌈4 Matlab代码实现

相关文章
|
23天前
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
|
23天前
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
|
23天前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
116 8
|
23天前
|
机器学习/深度学习 编解码 算法
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
|
23天前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
141 0
|
23天前
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
|
23天前
|
机器学习/深度学习 数据采集 测试技术
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
基于CEEMDAN-VMD-BiLSTM的多变量输入单步时序预测研究(Matlab代码实现)
|
23天前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
|
1月前
|
编解码 运维 算法
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
【分布式能源选址与定容】光伏、储能双层优化配置接入配电网研究(Matlab代码实现)
143 12
|
1月前
|
人工智能 数据可视化 网络性能优化
【顶级SCI复现】虚拟电厂的多时间尺度调度:在考虑储能系统容量衰减的同时,整合发电与多用户负荷的灵活性研究(Matlab代码实现)
【顶级SCI复现】虚拟电厂的多时间尺度调度:在考虑储能系统容量衰减的同时,整合发电与多用户负荷的灵活性研究(Matlab代码实现)

热门文章

最新文章