文献综述（或调研报告）：
对非平衡三相电力系统正负分量的电压特性的快速准确估计要求电源性能评估、输电控制和保护目标。然而，在文献中仍然缺少关于如何精确地估计有噪声系统中的参数的内容。[15][16][17]。目前对于简单电气信号随机观测模型，一般应用较多的是基于误差最小化原理算法。[9]
这 类 算 法 主 要 有 最 小 二 乘 法[1,2](Least Error-Square-algorithm ， 缩 写 为LES)，牛顿类算法[3]，最小绝对值近似[4,5](Least Absolute Value approximation，缩写为 LAV)等；此外，卡尔曼滤波算法[6-8] (discrete [extended] Kalman filter algorithm,缩写为 D[E]KF，也称卡尔曼最佳线性估计)，从另一种最小误差均方估计的角度出发实现最佳拟合，并以递推的形式实现。些算法针对不同的应用环境和平台，做出了适当的调整和改进，丰富了电网频率跟踪算法的解决方案。对三相电压信号建模，使用Sigma
点卡尔曼滤波算法替代扩展卡尔曼滤波提高了算法的精度，但却在一定程度上增加了算法的复杂性。利用带遗忘因子的扩展卡尔曼滤波算法避免了卡尔曼滤波中P 值重置问题，却需要在跟踪速度与精度上权衡[。
1. 最小二乘算法
应用最小二乘算法检测频率的基本原理是在最小方差意义下实现样本数据与模型的最佳拟合，即对量测矩阵方程A = B ( X ) C,在极小化误差向量加权二次范数min[J(X) D TID]
的约束下利用观测值求解待测量，为简化分析计算，一般采用线性量测矩阵方程，且取加权矩阵 I 为单位矩阵。一般而言，LES 算法虽具有收敛速度快、有一定精度和计算简便的优点，且抑制噪声能力较强；但是当频率偏移 50Hz 时（它的周期决定了采样间隔），计算出的信号频率将存在采样不同步误差，从而影响测量精度和收敛速度。文献[1]在构造线性量测矩阵时采用泰勒级数截断的方法本身不可避免地带来原理误差；文献[2]基于周期信号观测
模型构造线性量测矩阵，通过初值预定的递推最小二乘法估计二维状态向量X，进而计算
Delta;f ，但计算对噪声有放大作用；采用自适应调整采样间隔技术一定程度上提高了精度和跟踪范围，但增加了计算量，影响算法的实时性，且算法依赖于初始值的选取。
2. 最小绝对值近似
