基于NNAC算法的电能质量暂态扰动检测

针对当前电能质量检测分析的难点和重点问题,在分析了目前使用最多的方法小波变换优缺点的基础上,提出了基于神经网络自适应控制（NNAC）的电能质量暂态扰动检测算法。给出了电能质量暂态扰动检测的自适应控制结构,采用Hebb学习规则进行权值学习,并对电压暂降、电压瞬升、电压中断和暂态振荡等暂态扰动进行了仿真测试,结果表明所提算法可以很好地检测电网中的暂态扰动信号的类型,确定扰动发生的起始时刻和持续时间,且分析计算简单,速度快,计算所得数据量少,在电能质量扰动检测中更加具有实时性。     

基于db4提升小波的暂态电能质量的检测

暂态扰动是影响电能质量的重要因素之一,对电力用户和电力系统都会产生危害。针对暂态扰动信号具有非平稳性、突变性的特点,分析了db4提升小波变换的特性,提出了更新—预测—更新—预测—更新的结构,选择了合适的采样频率和分解层数,对暂态电能质量扰动信号进行检测与定位。在MATLAB仿真环境下,利用db4提升小波变换对电压暂降、暂升、中断以及暂态脉冲、振荡等几种暂态电能质量扰动信号进行检测与定位,仿真结果表明,该方法可以实现对扰动信号起止时刻更为准确的检测与定位,且计算速度快。     

利用小波变换定位与辨识短时电压变动

文章研究了小波变换检测短时电压变动问题,并利用小波变换对这几种典型的暂态扰动进行了MATLAB仿真.仿真结果表明,小波变换不仅能够有效地检测出电压变动发生的起止点从而确定扰动发生的持续时长,还能够准确地辨识电压变动的类型,为暂态电能质量问题的检测与解决提供了依据.     

基于小波变换理论的电压暂降分析

电压暂降对计算机等敏感设备影响较为严重。本文从小波变换理论出发,利用Mallat分解算法将电压暂降信号分解成近似部分和细节部分。通过仿真分析表明近似部分的小波系数可以反映电压暂降幅值,细节部分的小波系数可以反映电压暂降的持续时间。     

基于Db小波的暂态电能质量分析方法研究

针对目前电力系统存在的暂态电能质量难以检测的问题,提出了基于Db5小波对电压信号进行4尺度分解,用各层系数的离差检测模极大值,从而检测暂态电能质量的方法.仿真结果表明,Db5小波变换能在时域上对电压暂态变动的发生时刻进行准确定位和信号类型分类.     

基于小波和RBF-PNN神经网络的电能扰动辨识

对电能质量进行快速地检测和准确地分类,是治理电能质量和提高用电效率的有效方式。提出一种新的基于小波和神经网络技术的电能质量辨识方法。该方法首先用小波变换对暂态电能质量扰动波形进行预处理,求出不同信号在9尺度小波分解下的能量分布值以及时间、幅值变化等并将其作为信号特征量。然后将归一化的扰动信号信息输入神经网络,根据其输出结果就可以判断发生的电能质量扰动类别。仿真实验证明,该方法不仅可以有效地区分电压暂升、暂降、中断、谐波、高频振荡、闪变等6种电能质量问题,而且抗噪声能力强,训练样本少,响应快速。     

基于小波变换的电压暂态扰动检测的研究

随着各种敏感电力电子设备以及非线性负荷的广泛应用,电能质量扰动问题已经成为大家关注的共同焦点.本文介绍了小波变换的基本原理,并将电压中断,电压暂降以及电压瞬变这三种典型的扰动现象通过MATLAB仿真进行分析.     

小波分析及其在电力系统扰动检测中的应用

文章介绍了小波变换的基本原理和一种小波变换的快速算法——Mallat算法。在此基础上将其应用于电力系统中的电力信号的检测和故障诊断中,对故障信号进行分解与重构并用Madab进行仿真。仿真结果表明：利用小波分析诊断电力系统的扰动信号非常的精确。     

基于实时小波算法的暂态扰动检测的FPGA实现

通过实时小波算法在FPGA中的实现来检测暂态电能质量问题。采用高、低通分解滤波器来实现小波变换算法,以DB5小波为基函数,通过对暂态电能质量中五种扰动信号建立分析模型进行仿真并基于FPGA硬件平台进行模拟电能信号测试。对比信号源与测试结果中奇异点起止与持续时间,结果证明了该方法的准确性和可行性。     

一种基于小波变换的电能质量特征量提取及分类的方法

提出了一种利用小波变换实现动态电能质量特征量扰动(电压上升、电压凹陷、电压中断、电压瞬变和电压缺口等)的提取以及分类方法. 利用小波变换的奇异性检测原理提取动态电能质量信号中的突变, 并进行定位, 确定信号变化的时间,并用电压均值法确定扰动的类别, 并通过仿真表明方法的有效性. 最后讨论了本方法在DSP上的实现.