离散小波变换用于电能质量扰动数据实时压缩

电力系统中与电能质量扰动相关的监测数据规模在短时间内迅猛增加，其庞大的数据容量给存储带来了很大的麻烦，亟须在存储前对其做压缩处理。文中提出了电能质量扰动数据的实时离散小波变换(DWT)法，该方法能够实时地对电能质量扰动数据信号进行多分辨分析(MRA)，在各尺度上筛选与扰动相关的小波变换系数并进行保留，从而实现实时压缩的目的。该方法还可以利用保留下来的小波变换系数进行几乎无信息损失的信号重构来复原原始电能质量扰动数据信号。工程实际应用证明了该实时压缩方法的可行性。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

基于能量阈值和自适应算术编码的数据压缩方法

近年来，电能质量问题日益受到关注。为了对电能质量进行分析与评估，需要对其进行监测，在扰动记录过程中，监测装置产生的大量数据给存储及传输带来了不便。对电能质量扰动数据进行压缩，可以有效地节省存储空间，加快数据传输速度。以小波变换为基础，提出了能量阈值法，并结合自适应算术编码方法对扰动数据进行压缩，获得了较好的压缩效果。对包括电压凹陷、电压上升、瞬时断电和暂态脉冲在内的4种典型电能质量扰动进行了测试，仿真结果表明了该方法的有效性。     

大坝水平位移监测数据的小波变换去噪处理

将实际观测到的一组大坝水平位移监测数据作为通常意义下的时序信号，并对其进行小波变换分析。根据噪声和有用信号的小波变换系数模极大值在不同分解尺度上的传播特点，提出了根据模极大值的传播规律来区别噪声和有用信号的方法，并给出了具体的算法和计算程序。对模拟数据和实测数据的处理结果表明，基于小波分解模极大值的去噪方法能够有效剔除土木工程变形监测数据中的噪声，识别被噪声湮没的有用信号。     

水轮机空化声发射信号的提升小波改进阈值降噪方法研究

针对水轮机运行时噪声对水轮机空化信号的影响和传统小波阈值的局限性,建立了基于提升小波改进阈值的水轮机空化声发射信号降噪方法。该方法首先利用提升小波变换对信号分解得到多个小波系数,然后利用改进的阈值函数对小波系数进行阈值降噪,将降噪后的新的小波系数进行提升小波重构。采用该方法分别对仿真信号和水轮机空化试验的声发射信号进行了降噪处理。结果表明:基于提升小波改进阈值降噪方法能有效地避免传统小波阈值降噪的局限性,在保留有用高频信号的同时有效地减少噪声成分,为后续水轮机空化特征提取提供保障。     

基于小波分析以及ε-SVR的隧道围岩位移时序预测

根据龙滩地下洞室围岩现场长期的观测数据,利用小波变换阈值去噪法对数据信号的高频系数进行量化处理,恢复原有的监测信号。实例结果表明,小波变换阈值去噪法能够有效地去除噪声的影响,获得围岩变形的真实信号。同时将去噪后的数据用于支持向量机(ε-SVR)建立时序分析模型中,并与GA-BP模型进行对比,结果表明ε-SVR模型的误差更小,预测效果更佳。更多还原     

超高压电网故障录波数据自适应压缩新方法

综合分析了超高压电网变电站故障录波数据快速压缩传输的必要性，以及现有故障录波数据压缩传输算法的优缺点。提出了基于信号奇异性检测原理的自适应小波去噪压缩算法，详细分析了各尺度上小波系数奇异点的匹配搜索过程和最大尺度层数自适应阈值选取方法;通过故障录波信号频率与采样率的关系，确定出最大小波分解层数，然后在该分解层数上进行噪声白化检验，并对某一个信号奇异点进行奇异性指数计算，以确定出小波最优分解层数。最后通过大量真实故障录波数据编程仿真，验证了该压缩算法的高效性。     

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术，提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换，通过LMS自适应滤波器对小波系数进行滤波去噪，利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息，克服了故障信号信噪比低的缺点，并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证，结果表明该方法能够满足实用要求。     

基于提升小波和混合熵编码的数据压缩方法

大型发电机组远程状态监测系统中实时数据的存储与网络传输对数据压缩和重构技术提出了较高的要求。文中给出一种提升小波变换与混合熵编码技术相结合的数据压缩方法。首先利用基于提升格式的双正交滤波器组对实时数据进行小波分解，然后对小波系数进行阈值量化，最后通过混合熵编码技术对保留的系数进行编码，以进一步提高压缩效率。对实际发电机组实时数据进行了压缩试验，结果表明，有损压缩技术和无损压缩技术的结合可以获得较高的压缩比，能够较好地满足大型发电机组实时数据的存储和传输需求，是一种有效和实用的实时数据压缩方法。     

基于数学形态学消噪的电能质量扰动检测方法

提出了一种利用数学形态滤波对波形进行预处理，然后用小波检测电力系统扰动的方法。该算法着力解决电力系统扰动中滤除随机噪声和脉冲噪声的困难，利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时，较好地保持了扰动的基本形状；小波变换算子则有效地检测出扰动并进行精确定位。MATLAB仿真表明所提算法可以准确检测电能扰动时的波形畸变点。同时，形态学-小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小，有利于工程实现。     

水文序列分析中基于信息熵理论的消噪新方法

为准确有效地识别和分离水文时间序列中的噪声成分，应用信息熵理论并结合小波消噪的基本思路，建立了小波系数阈值优选熵准则和水文序列消噪新方法：即首先应用熵函数H值描述噪声成分的不确定度，并应用信息量系数ICF(information cost function)值描述主序列的复杂度；然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律，可优选出合理的小波系数阈值；最后对小波系数进行阈值量化处理，即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析，并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比，验证了该阈值优选熵准则的合理性和适用性。分析结果显示：水文序列中的噪声成分具有偏态特性，因此本文中应用偏态分布线型(P-III型分布)对噪声成分进行描述更为合理；且此阈值优选结果是基于信息熵理论而确定，因此是整体上最优值。     

改进小波降噪方法在水电机组振动信号降噪中的应用

针对小波降噪法中传统硬阈值函数的不连续特性和软阈值函数存在恒定误差的缺陷会对降噪效果产生不良影响,提出了一种改进阈值函数的小波降噪方法,并用该方法和传统阈值函数降噪法对模拟振动噪声信号进行降噪处理。结果表明,所提出的方法得到的降噪后信号的信噪比和均方根误差均较优。同时,采用不同阈值函数的小波降噪法对水电机组真实振动信号进行降噪处理,并比较高频噪声分量残留程度和信号特征能量的保留程度,可以得出,改进阈值函数的小波降噪方法能够取得较好的降噪效果,证明了该方法的有效性。     

基于小波熵的电容器扰动识别和定位

对投电容器扰动识别和定位的方法进行了改进。针对其他此类方法的不足，比如在电压幅值低时投电容器扰动的识别、定位“可信度不高”等，文中通过提取小波变换的特定层的系数，对需要识别的电容器扰动的分解信号相对增强，而其他扰动的分解信号相对减弱，然后再提取熵特征值，结果表明它可以作为识别低电压时投电容器扰动的依据。在对电容器扰动进行定位时，参考了功率和能量定位法，并对其进行了改进。仿真分析证明，在电压幅值较低时，可以准确和可靠地对电容器扰动进行识别和定位。     

坝体振动信号的小波熵特征

利用小波变换具有时频局部化特性和熵对系统状态表征的特点,将小波变换和熵结合起来,对泄流条件下的坝体振动信号进行了分析.结果表明,小波变换能够把振动信号中的有用信号分离出来;小波熵能够定量表征振动能量在时频上的分布特征.同时,有用信号的统计特征与原始信号相接近,因此文中提出的方法为坝体振动特征分析提供了一种新的思路.     

基于小波去噪的高斯过程回归模型在面板堆石坝沉降预测中的应用研究

引起面板堆石坝沉降变形的环境因素复杂,观测数据呈现出明显的噪声干扰特性,限制了数学模型拟合及预测的精度。对原始信号进行小波变换可有效分解其中的有用信号和噪声,因此,引入小波变换理论建立了基于小波阈值去噪的数学模型,并对面板堆石坝(CFRD)的沉降变形实测数据实施去噪,再对去噪后的数据进行高斯过程回归(GPR),建立了预测堆石坝沉降变形的模型。依托CFRD的实测沉降变形资料,采用Wavelet-GPR模型对大坝沉降进行了拟合与预测,并与未进行去噪的GPR模型计算结果进行对比。结果表明：Wavelet-GPR模型观测值与预测值的残差符合正态分布,去噪后学习段的均方根误差(RMSE)由0.928 7 mm减小至0.457 7 mm,平均绝对误差(MAE)由0.485 0 mm减小至0.330 6 mm;预测段的RMSE由1.308 9 mm减小至0.917 6 mm,MAE由0.926 3 mm减小至0.730 3 mm;且去噪后模型的样本观测值个数在其预测值95%置信范围内的占比有明显提升。因此,利用小波阈值去噪对实测沉降数据进行降噪处理能够降低噪声导致的数据观测值与真实值之间的误差,Wa...     

水文序列分析中基于信息熵理论的消噪方法

为准确有效地识别和分离水文时间序列中的噪声成分,应用信息熵理论并结合小波消噪概念,建立了小波系数阈值优选熵准则和水文序列消噪新方法。该方法首先应用熵函数H值描述噪声成分的不确定度,并应用信息量系数(information cost function ICF)值描述主序列的复杂度;然后通过分析不同小波系数阈值对应的噪声成分H值和主序列ICF值的变化规律,可优选出合理的小波系数阈值;最后对小波系数进行阈值量化处理,即可实现水文序列消噪。通过对不同特性模拟序列和不同实测水文序列分别进行分析,并通过与常用小波消噪方法(FT、SURE、MAXMIN)的消噪结果对比,验证了该阈值优选熵准则的合理性和适用性。分析结果显示,水文序列中的噪声成分具有偏态特性,因此本文应用偏态分布线型(P_Ⅲ型分布)对噪声成分进行描述更为合理,而且小波系数阈值优选熵准则所得的阈值是基于信息熵理论而确定的,因此是整体上最优值。     

基于小波分析与人工神经网络的水轮机压力脉动信号分析

针对水轮机尾水管压力脉动信号的非平稳和时变特性,提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法首先应用小波阈值法对信号进行降噪减少干扰,然后将小波分解系数重构得到不同频带的信号分量,并提取显著的不同频带能量,最后将各频带能量作为特征向量,用自组织人工神经网络进行模式识别,得到了...     

基于小波包变换和矢量量化的电力系统故障数据压缩

在实际的故障分析中通常不是利用故障暂态信号的全部频带信息，而是利用其部分频带信息来解决问题，因此提出了针对电力系统故障信号压缩的特殊要求，即对于所要解决问题有重要价值的频带信息无损压缩，对不重要的频带信息可以失真压缩，即保频带压缩。在此基础上提出了基于小波包变换、Huffman编码方法和矢量量化相结合的故障数据压缩算法，首先利用小波包变换将故障信号分解成各个频带的信息，选择有重要信息的频带采用自适应Huffman无损压缩算法，而对于其他频带数据信息，采用矢量量化压缩算法。通过仿真测试，该算法较好地满足了故障暂态信号的压缩要求，具有较大的应用潜力。     

基于小波分析与人工神经网络的水流压力脉动分析

摘　要: 针对水轮机尾水管压力脉动信号的非平稳和时变特性，提出了一种基于小波分析和自组织人工神经网络相结合的尾水管压力脉动信号的分析方法。这种方法以水轮机尾水管压力脉动信号作为分析对象，首先应用小波阈值法对信号进行降噪减少干扰，然后将小波分解系数重构得到不同频带的信号分量，并提取显著的不同频带能量，最后将各频带能量作为特征向量，用自组织人工神经网络进行模式识别，得到了尾水管压力脉动的不同模式。进行对比分析表明，这种分析方法是有效的，能够用于对水轮机尾水管中的压力脉动状态进行有效地识别。     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源,在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上,借鉴神经网络反向传播学习算法的思路,提出了信号预滤波结合阈值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值,再将此阈值用于同一工况下整个时间段的去噪,这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显,比传统小波去噪、改进神经网络去噪等方法效果更好。