哪些数字滤波算法适用于电能质量在线监测装置？

在电能质量在线监测装置中，数字滤波算法的核心作用是抑制干扰噪声、提取有效信号（如基波、谐波、暂态分量）、消除测量误差，最终确保电压 / 电流的幅值、频率、相位、谐波含量及暂态事件（暂升 / 暂降 / 中断）等参数的测量准确性。选择算法时需兼顾实时性（装置算力约束）、准确性（误差≤0.5%~1%）、抗干扰性（适应电网复杂噪声） 三大核心需求。

以下是适用于电能质量在线监测装置的主流数字滤波算法，按 “稳态信号处理”“暂态信号处理”“干扰抑制” 三大场景分类说明，包含算法原理、适用场景、优缺点及实际应用细节：

一、适用于稳态电能质量参数（基波、谐波）的滤波算法

稳态电能质量监测的核心是准确分析50/60Hz 基波信号及2~50 次谐波信号（GB/T 14549-2011 要求），需解决传统傅里叶变换（FFT）的 “频谱泄漏” 和 “栅栏效应” 问题，同时保证计算效率。

1. 加窗 FFT 算法（Windowed FFT）

原理：在 FFT 变换前，对输入的离散信号乘以一个 “窗函数”（如汉宁窗、汉明窗），减少信号截断导致的频谱泄漏（因电网信号并非理想周期信号，采样时长可能与信号周期不匹配）。

适用场景：稳态谐波分析、基波幅值 / 频率测量（如监测电网长期谐波畸变率 THD、电压偏差）。

常用窗函数及选择：

窗函数类型	主瓣宽度	旁瓣衰减	适用场景
汉明窗（Hamming）	4π/N	~40dB	兼顾主瓣宽度与旁瓣衰减，最常用
汉宁窗（Hanning）	4π/N	~31dB	旁瓣衰减略低，适合谐波幅值精度要求一般的场景
布莱克曼窗（Blackman）	6π/N	~58dB	旁瓣衰减高，适合谐波成分复杂（多高次谐波）的场景

优缺点：

优点：计算量小（基于 FFT，硬件易实现），能有效抑制频谱泄漏，满足稳态谐波分析的精度要求（THD 测量误差≤0.5%）。

缺点：窗函数会拓宽主瓣，降低频率分辨率；无法完全消除栅栏效应（频率未落在 FFT 谱线中心时的误差）。

2. 插值 FFT 算法（Interpolated FFT）

原理：在加窗 FFT 基础上，通过 “谱线插值”（如抛物线插值、余弦插值）计算信号真实频率、幅值和相位，弥补 FFT “栅栏效应” 的误差（例如，当电网频率微小波动（如 49.8~50.2Hz）时，基波频率未落在 FFT 谱线中心，插值可修正幅值和频率误差）。

适用场景：高精度基波参数测量、谐波幅值 / 相位校准（如对频率波动敏感的场合，如新能源并网监测）。

关键改进：

频率插值：通过主瓣附近 2~3 条谱线的幅度比，计算真实频率与 FFT 谱线频率的偏差。

幅值 / 相位插值：根据频率偏差，修正幅值（避免因频率偏移导致的幅值计算偏小）和相位（确保相位差测量精度）。

优缺点：

优点：精度远高于传统 FFT，基波频率测量误差可≤0.01Hz，幅值误差≤0.1%，满足国标对电能质量监测装置的精度要求。

缺点：需额外增加插值计算步骤，算力消耗略高于加窗 FFT，但仍可满足实时性（采样率通常为 2~10kHz）。

二、适用于暂态电能质量事件（暂升 / 暂降 / 中断、冲击）的滤波算法

暂态事件的特点是持续时间短（ms 级）、频率成分复杂（含高频分量），传统 FFT 因 “时频分辨率固定” 无法同时捕捉时间和频率信息，需采用时频局部化能力强的算法。

1. 小波变换（Wavelet Transform, WT）

原理：通过 “伸缩和平移” 的小波基函数（如 db4、sym8 小波），对信号进行多尺度分解，实现 “低频信号高频率分辨率、高频信号高时间分辨率”，可精准定位暂态事件的发生时刻、持续时间及频率成分。

适用场景：暂态事件检测与分析（如电压暂升 / 暂降、电压中断、雷击冲击、电容器投切暂态）。

实际应用细节：

多尺度分解：通常分解至 8~10 层，低频层（如 1~2 层）提取基波分量，高频层（如 7~10 层）捕捉暂态冲击信号。

阈值去噪：对分解后的小波系数设置阈值，抑制噪声（如电网中的随机脉冲噪声），保留暂态有效信号。

优缺点：

优点：时频局部化性能优异，可同时获取暂态事件的 “时间戳” 和 “频率特征”，是暂态电能质量监测的核心算法。

缺点：计算量较大（需多尺度卷积），需硬件支持快速浮点运算（如 DSP 或 FPGA）；小波基函数选择依赖经验（需根据暂态类型匹配，如冲击暂态选 db 系列，平滑暂态选 sym 系列）。

2. 希尔伯特 - 黄变换（Hilbert-Huang Transform, HHT）

原理：由 “经验模态分解（EMD）” 和 “希尔伯特变换（HT）” 组成：先通过 EMD 将复杂信号分解为若干 “本征模态函数（IMF）”（每个 IMF 对应一个频率分量），再对每个 IMF 做希尔伯特变换，得到时频谱（希尔伯特谱）。

适用场景：非线性、非平稳暂态信号分析（如电力电子设备（逆变器、整流器）产生的非正弦暂态、电弧炉负载的波动暂态）。

核心优势：

无需预设基函数（EMD 自适应分解），适合电网中未知频率成分的暂态信号（如随机负载波动导致的暂态）。

希尔伯特谱可直观展示暂态信号的频率随时间的变化规律（如暂升过程中频率的瞬时波动）。

优缺点：

优点：自适应能力强，对非线性非平稳信号的分析精度高于小波变换。

缺点：EMD 存在 “端点效应”（信号两端分解误差大）和 “模态混叠”（相邻频率分量重叠），需通过端点延拓（如镜像延拓）或 Ensemble EMD（EEMD）改进；计算复杂度高，实时性略逊于小波变换。

三、适用于干扰抑制（噪声、邻频干扰）的滤波算法

电网中存在大量干扰（如电磁干扰 EMI、电机噪声、通信信号耦合），需通过滤波抑制这些噪声，避免其影响有效信号的测量。

1. 有限冲激响应（FIR）滤波器

原理：采用有限长度的单位冲激响应，通过卷积运算实现滤波，可设计为 “低通、高通、带通、带阻” 四种类型，核心优势是线性相位特性（信号各频率分量的相位延迟一致，无相位失真）。

适用场景：

低通滤波：抑制高频噪声（如 EMI 产生的 10kHz 以上噪声），保留基波和低次谐波。

带阻滤波：抑制特定频率干扰（如 50Hz 电网中的 150Hz（3 次谐波）邻频干扰、通信信号（如 2.4GHz）耦合噪声）。

设计方法：常用 “窗函数法”（如汉明窗设计 FIR 低通滤波器）或 “等波纹法”（满足严格的幅频特性指标）。

优缺点：

优点：线性相位，无相位失真（对需要准确相位信息的应用至关重要，如功率因数测量）；稳定性高（无反馈，不会振荡）。

缺点：为达到高衰减效果需高阶数，计算量较大（如 100 阶 FIR 需 100 次乘法和加法），需硬件算力支持。

2. 无限冲激响应（IIR）滤波器

原理：采用无限长度的单位冲激响应（含反馈环节），通过递归运算实现滤波，相同幅频特性下，阶数远低于 FIR（如 10 阶 IIR 可达到 50 阶 FIR 的衰减效果）。

适用场景：实时性要求高的预处理滤波（如信号采集环节的初步降噪，抑制低频漂移或高频噪声），对相位失真不敏感的场合（如仅需幅值测量的谐波分析）。

常用类型：巴特沃斯滤波器（幅频特性最平坦，适合抑制宽频噪声）、切比雪夫滤波器（通带有波纹，阻带衰减快，适合窄带干扰抑制）。

优缺点：

优点：阶数低，计算量小（实时性好），适合算力有限的嵌入式装置（如低端 MCU）。

缺点：非线性相位（信号各频率分量相位延迟不一致，可能导致暂态信号失真）；存在稳定性风险（反馈环节可能因参数漂移导致振荡）。

3. 自适应滤波（Adaptive Filter）

原理：基于 “最小均方误差（LMS）” 或 “递归最小二乘（RLS）” 准则，实时调整滤波器系数，跟踪电网干扰的时变特性（如干扰频率、幅值随负载变化），实现动态降噪。

适用场景：时变干扰抑制（如新能源并网中逆变器产生的时变谐波干扰、电机启动时的冲击噪声）、随机噪声抑制（如传感器热噪声）。

典型应用：

自适应 notch 滤波器：抑制时变频率的窄带干扰（如电网频率波动时的 50±2Hz 干扰）。

自适应噪声抵消器：通过参考通道采集纯干扰信号，实时抵消测量通道中的干扰成分。

优缺点：

优点：自适应跟踪干扰变化，降噪效果优于固定系数滤波器（如 FIR/IIR）；无需预先知道干扰特性。

缺点：收敛速度依赖算法（RLS 收敛快但计算量大，LMS 收敛慢但简单）；需额外的参考信号通道（部分场景难以实现）。

四、算法选择与组合策略

电能质量监测装置通常不会依赖单一算法，而是根据监测目标组合使用，典型方案如下：

稳态谐波监测：IIR低通预处理（初步降噪） → 加窗FFT+插值FFT（高精度谐波分析）；

暂态事件监测：FIR带通滤波（提取暂态频段） → 小波变换（定位暂态时间与频率）；

复杂干扰场景：自适应滤波（抑制时变干扰） → HHT（分析非线性暂态）。

总结

不同数字滤波算法的适用场景需匹配电能质量监测的具体需求，核心选择逻辑如下：

若需高精度稳态谐波 / 基波测量：优先选择 “加窗 FFT + 插值 FFT”；

若需暂态事件检测：优先选择 “小波变换” 或 “HHT”；

若需抑制固定频率干扰且无相位失真：选择 “FIR 滤波器”；

若需实时降噪且算力有限：选择 “IIR 滤波器”；

若需抑制时变干扰：选择 “自适应滤波（LMS/RLS）”。

实际应用中，需结合装置的硬件算力（如 MCU/DSP/FPGA）、国标精度要求（GB/T 19862-2016）及电网场景（如工业电网 vs 民用电网），优化算法组合以平衡 “精度” 与 “实时性。

审核编辑 黄宇