基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

压缩感知在电能质量扰动信号去噪中的应用

针对电能质量信号去噪中阈值去噪存在信号失真,去噪效果不理想,阈值选取影响重构质量的问题,提出了一种基于压缩感知理论(compressed sensing,CS)的电能质量信号去噪新方法。CS去噪将扰动信号映射到低维空间,利用电能质量信号具有稀疏性可以重构,噪声信号不具备稀疏性不可重构的特点,应用正交匹配追踪(orthogonal matching pursuit algorithm,OMP)重构算法重构电能质量信号达到去噪目的。实验表明,CS电能质量信号去噪法优于传统的基于小波去噪的阈值去噪法,且信号不失真,具有扰动信号采集与压缩的同时完成去噪和易于实现的特点,为电能质量信号去噪提供了一种新的方法。     

可调阈值函数和能量阈值优化的电能质量扰动小波去噪方法

电能质量信号在采集、传输过程中受外界环境的影响会引入噪声干扰,有效去噪的同时保留突变点信息是治理电能质量的重要前提。给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点。引入小波系数能量因子,以能量最大的尺度作为特征尺度,在此尺度上,子区间能量高于尺度能量者则为有效区间,进而提出采用有效区间局部阈值去噪的新阈值取法,同时考虑噪声和信号的小波系数随尺度不同的传播特性,引入算子对阈值进行修正。利用有效区间的局部阈值取法较传统的全局阈值取法更能反映信号小波系数的特征。仿真结果表明,利用新方法去噪效果更好,既较好地改善了去噪性能,同时也保留了信号的扰动突变点信息,去噪后扰动定位准确,模极大值点的位置很好地反映了扰动发生的起止时刻。     

一种电能质量扰动信号的联合去噪算法

传统的小波阈值去噪算法存在易丢弃真实信号、去噪效果差等缺点.该文提出了一种新的用于电能质量扰动事件的联合去噪算法.该算法首先通过强跟踪卡尔曼滤波的渐消因子大于1的次数,初步判定信号的扰动类型,然后对不同的扰动类型采取不同的去噪方法.对于仅含噪声的正弦信号和谐波信号用稀疏分解及快速傅里叶变换(FFT)做两次去噪;对暂升和暂降信号采用渐消因子准确地指示扰动起止时刻,将信号分段,并对每段信号用稀疏分解和FFT去噪;对含瞬态脉冲和暂态振荡的信号,采用不同的处理方法,首先通过稀疏分解得到稳态成分和暂态成分,对稳态成分的去噪方法与含噪声正弦信号的处理方法相同,对暂态成分的脉冲信号保留实际值,对振荡信号采用变分模态分解(VMD)去噪.大量的仿真计算表明,在不同的信噪比条件下,该文提出的算法均能够有效抑制各类扰动信号的噪声,显著提高了信噪比,且效果优于小波阈值去噪算法.     

基于正交优化时频原子分解算法的电能质量扰动匹配特征分析

针对电能质量扰动信号时频局部化信息量较广难以简洁、灵活提取有效细微特征以及匹配追踪收敛速度较差的问题,提出一种应用于电能质量扰动分解重构及扰动特征参量提取的匹配时频原子框架及其改进方法。在Gabor时频原子库离散优化基础上,通过匹配追踪算法对扰动信号进行自适应分解,同时对搜寻的最佳时频原子进行正交变换,减小冗余分量,设定迭代次数或残差阈值作为终止条件,从而获得一系列匹配扰动信号波形特征的正交时频原子及其参量化形式。仿真结果表明,该框架能有效分解提取电能质量扰动信号时频特征参量,相对基于匹配追踪的稀疏分解,改进算法单一扰动匹配特征重构信噪比高达55dB,多重扰动达35dB,均方误差数量级为0.001,匹配扰动特征精度及收敛性能进一步提高,满足电能质量分析要求。     

基于改进量子粒子群优化稀疏分解的局放信号去噪方法

噪声抑制是局放在线监测的关键环节之一。针对局放信号噪声抑制问题,提出一种基于改进量子粒子群优化稀疏分解的局放信号去噪方法。该方法基于信号的稀疏分解思想,构建了仅与局放信号时频特性相匹配的匹配局放信号过完备原子库;基于匹配追踪(MP)算法在该原子库中对染噪局放信号进行最佳匹配原子搜索,并通过改进量子粒子群算法加速搜索进程,同时以残差比阈值作为MP迭代终止条件;基于各次MP迭代搜索得到最佳匹配原子仅可对原始无噪局放信号分量进行稀疏表示,而难以对噪声分量进行表示的原理,实现局放信号稀疏分解去噪目的。运用本文介绍方法对局放仿真信号及实测信号进行了去噪处理,并与基于形态学-小波的局放去噪结果作对比。结果表明,本文介绍方法能有效对局放信号进行去噪处理,去噪结果准确性高且波形无畸变,较好保留局放信号原始特征。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

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。     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用尺度系数和处理后的小波系数进行重构,得到去噪后的信号。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

基于EEMD自适应阈值去噪的电能质量扰动检测与定位研究

为了改善电能质量扰动信号的去噪效果,实现扰动信号的检测与准确定位,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)自适应阈值的电能质量扰动信号去噪方法。首先利用集合经验模态分解将含噪的扰动信号分解成一些相互独立的固有模态函数(Intrinsic Mode Function,IMF)分量,然后对所得的IMF进行自适应阈值去噪,从而抑制噪声干扰。采用希尔伯特黄变换(HHT)提取去噪后扰动信号的起止时刻、瞬时频率和幅值信息。相比于小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值等方法,该方法在去噪的同时减少了信息损失,信噪比SNR和均方误差MSE均有明显提高。仿真结果验证了该方法在电能质量扰动检测与定位中的有效性和可行性。     

基于小波理论和HT-LMD的电能质量扰动检测方法

针对含噪声的暂态电能质量扰动检测问题,提出了一种基于小波自适应去噪的改进HT-LMD(HilbertHuang and Local Mean Decomposition)分解检测方法。分析了局部均值分解检测扰动的优缺点以及噪声对LMD检测方法的影响,提出了采用小波分解与重构和自适应阈值技术以及基于正交性判据(Orthogonality Criterion,OC)新的HT-LMD检测方法。小波自适应去噪技术能减弱噪声对LMD分解影响,正交性判据能减少分解的迭代次数。典型暂态电能质量扰动模拟信号和实测信号的检测结果表明,所提方法能在有效提高LMD方法检测电能质量扰动效果同时很好地保留原有暂态扰动信号奇异性特征,提高了检测和定位精度。     

基于PSO-MP算法和RBF神经网络的电能质量扰动识别

准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法(PSO-MP)和RBF神经网络的电能质量扰动识别方法。首先,构建工频原子库将工频信号提取出来,得到的残余信号能更好地体现扰动信号差异性;再利用PSO优化匹配追踪算法以减小计算量,并结合离散Gabor原子库对残余扰动信号进行稀疏分解,准确提取其原子参数;最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量,利用RBF神经网络对扰动信号进行识别。仿真算例表明,该方法能够有效地识别几种常见的电能质量扰动,且具有抗噪性能强、计算量小等优点。     

一种基于高斯滤波器的电能质量信号去噪算法

研究电能质量问题有重要的意义。电能质量分析的必要前提是对采集到的电能质量信号进行有效的去噪处理,同时,保留突变点信息也是电能质量分析的一个重点。为了解决传统的滤波方法不能同时解决去噪和突变点信息保留这对矛盾的问题,该文提出了一种基于高斯滤波器的电能质量去噪算法。通过使用导数函数调整其尺度参数σ从而进一步调整滤波器的加权系数,使其既能平滑噪声又能较完整地保留突变点的信息。实验仿真结果表明,该文算法在去噪效果和突变点保留能力上均优于传统的滤波方法,选取σ约为所有点导数的均值时处理效果最佳。该文算法理论基础完善,易于实现,处理效果显著,有良好的发展前景。     

基于CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过自相关法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。     

基于小波变换与希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识研究

由于可再生能源接入微电网会给其带来很多电能质量问题,因而对微电网的电能质量信号进行检测及辨识十分必要。但在对电能质量信号进行采集与检测的过程中极易受到噪声的干扰,有效地降低信号中的噪声且完整地保留下反映信号突变特征的奇异点是检测其电能质量扰动的基础。而传统检测方法基本只适用于稳态电能质量扰动且抗噪性较低。为提高在噪声条件下检测的准确性,本文提出了一种基于小波变换和希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识的方法。该方法使用小波阈值去噪方法消除信号噪声,并利用小波变换和希尔伯特-黄变换对微电网暂态电能质量扰动进行辨识及检测,同时进行了计算机仿真验证,仿真结果表明:该方法去噪效果明显、辨识效果显著、检测精度高、实用性强。     

基于似然比判决准则的电能质量去噪算法

电能质量信号去噪是电能质量扰动判决和定位的基础。电力系统中,绝大部分电能质量信号都含有较明显的突变点。该文首先分析了现有各种去噪算法的不足,然后在此基础上针对信号的二阶导数设计了一个局部滑动窗,并将该滑动窗分成左右两个长度相等的窗口,最后以左右窗口均值差的似然比作为判决准则来判决突变点。基于突变点判决的结果,对突变点区域和非突变点区域采用不同的滤波方法。实验结果表明,该文所提出的混合滤波算法,去噪效果良好,能较完整的保留突变点的信息,较好地解决了保护信号局部特征与抑制噪声之间的矛盾,在绝大部分电能质量去噪领域,有突出的优势。     

基于MP的电力系统数据压缩方法

匹配追踪算法能够自适应地从构造的完备原子库中建立信号的稀疏解析表示。提出一种基于MP(Matching Pursuit)算法的原子稀疏分解的电能质量扰动数据压缩方法,根据电能质量扰动信号的特点建立原子库,采用衰减正弦量原子对信号进行稀疏分解,提取扰动信号成分。仿真算例验证了所提出的数据压缩方法具有压缩比高的优点。     

电能质量扰动信号时频原子分解的进化匹配追踪算法

时频原子分解对电能质量扰动信号具有良好的分析效果,但其常用的匹配追踪(MP)算法,存在计算量大、参数空间离散化影响原子匹配性能等不足。基于差分进化,研究了电能质量扰动信号原子分解的进化匹配追踪(EMP)算法,给出了算法流程。针对几种电能质量扰动信号,通过Gabor和衰减正弦量原子分解的30次独立仿真实验,分析了信号长度、噪声等对性能的影响。结果表明,EMP算法与MP相比大大减少了计算耗时且不受信号长度的影响,进一步提高了原子的全局匹配能力,具有很好的抗噪声能力。最后,给出了下一步工作的展望。     

基于EEMD阈值去噪的电能质量扰动检测研究

电能质量信号的采集常受噪声干扰,影响对扰动信号的分析。研究具有自适应性的EEMD阈值去噪方法,对染噪电能质量扰动信号进行去噪,并与小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值4种阈值方法的去噪效果相比较。通过对去噪前后的波形、信噪比SNR和重构后的均方误差MSE 3个标准进行分析比较,对除噪后的信号进行HHT获取扰动的特征量。仿真结果表明,EEMD阈值方法消噪后的波形接近真实值,信噪比高,均方误差小,通过HHT提取的特征量可以准确定位扰动发生的起止时刻和获取扰动的瞬时频率和幅值信息。