当同时考虑输入误差和响应误差,总体最小二乘是最佳的技术。总体最小二乘最小化了输入和输出数据中的扰动。本文基于TLS提出了宽线性总体最小二乘自适应滤波算法(ACTLMS),具体研究内容如下。研究了基于宽线性模型的非平衡电力系统频率估计技术。首先对其中所采用到的宽线性模型,增广复数统计模型,三相电力系统的复数电压信号分别进行简单介绍说明。在平衡电力系统的宽线性自适应频率估计技术的基础上,给出了非平衡电力系统的基于宽线性最小二乘技术的自适应频率估计技术推导过程。研究了宽线性总体最小二乘自适应滤波算法。首先,对总体最小二乘(TLS)问题进行了充分的研究。紧接着我们提出了宽线性总体最小二乘自适应滤波算法(ACTLMS),并给出了ACTLMS的详细的公式推导过程。虽然输入和输出有干扰,但ACTLMS算法的性能明显优于宽线性最小二乘自适应滤波算法(ACLMS)算法。由于输入和输出有噪声的假设是现实的,这种ACTLMS算法具有广泛的适用性。并分别从收敛性,局部稳定性及滤波系数这三个角度对宽线性总体最小二乘自适应滤波算法的性能进行分析研究。我们发现在ACTLMS算法将是全局渐近收敛的。最后利用matlab编程环境,分别针对不同的环境,对宽线性总体最小二乘自适应滤波算法进行了仿真研究。ACTLMS算法的性能明显优于ACLMS算法,特在信噪比比较低的时候,ACTLMS算法比ACLMS算法抗噪能力好。研究了宽线性总体最小二乘自适应滤波算法在非平衡电力系统中应用。针对不平衡三相电力系统的多噪声电压测量引入了宽线性预测模型。为了以自适应的方式获得频率估计,基于与该模型相关的瑞利商的递归最小化,提出梯度下降宽线性总体最小二乘自适应滤波算法(ACTLMS)算法。滑动窗口框架使得所提出的ACTLMS频率估计方法作为其标量版本及其无噪声版本ACLMS方法对测量噪声和高阶谐波失真较不敏感,同时还提供了更多的自由度来控制跟踪速度和估算精度。最后利用matlab仿真环境,对合成和现实世界噪声不平衡的电力系统进行仿真支持分析。研究了总体最小二乘增强智能DFT技术在三相电力系统中的应用。针对平衡的三相电力系统,我们引入了复数总体最小二乘(CTLS)框架,使得原始的SDFT算法具有对噪声和谐波的鲁棒性。并通过对各种电力系统条件的模拟以及对现实世界的测量来验证所提出的CTLS框架的性能优势。针对非平衡三相电力系统,我们扩展了最初设计用于实值单相电压非标称频率估计的智能离散傅里叶变换(SDFT)技术来处理复数值在不平衡的电力系统中转换电压。我们引入总体最小二乘框架,当不平衡电力系统受到噪声和意外谐波污染的污染时,SDFT算法具有更强的鲁棒性。最后通过matlab仿真和实际测量来验证所提出的TLS-SDFT技术性能优势。