基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于数学形态学和短窗功率算法的电能质量扰动检测方法

提出了一种基于数学形态学和短窗功率算法的电能质量扰动检测及定位方法.根据数学形态学基本原理及其形态变换构造了一种简单实用的形态滤波器并将其运用于扰动信号预处理中,以同时滤除随机和脉冲噪声.该滤波方法能在滤除多种噪声的同时,较好地保留了扰动信号的基本形态特征,较之小波方法和传统形态滤波方法更为有效.根据扰动位置能量的变化,对滤波后的信号利用短窗功率算法以准确地检测出扰动并进行时间定位.分别用电压暂升、暂降、中断和短时电压波动对该方法进行验证,Matlab仿真结果表明了该方法的有效性.     

基于数学形态学的电能质量扰动检测和定位

数学形态学因其在保留信号突变点信息方面有很好的效果,因此常用于短时电能质量扰动的检测和定位,但基于数学形态学的部分方法仍存在对某些过零点扰动检测失效的缺点,文章分析了3种基于数学形态学的扰动检测和定位方法,即基于1阶求导和形态梯度的方法、基于形态梯度和软阈值处理的方法、基于dq分解和高帽变换的方法,通过仿真比较了3种方法在分析电压暂降、电压暂升、电磁暂态振荡等信号方面的适应性,结果发现基于dq分解和高帽变换的方法在检测过零点扰动时具有很好的效果,因此选取这种方法对实测扰动数据进行了检测和定位分析。结果表明,基于dq分解和高帽变换的方法能正确检测与定位出任一时刻发生的扰动,具有较好的适应性与可行性。     

基于短窗自相关算法和数学形态学的电能质量扰动信号检测和定位新方法

提出了一种基于短窗自相关算法和数学形态学的电能质量扰动信号检测和定位新方法。该方法能够滤除电流、电压信号中的白噪声,易于在线实现。作者先利用最小二乘递推算法估计信号的基本成分,以提取信号中的扰动成分和白噪声的混合信息;再利用短窗自相关算法滤除混合信息中的随机噪声以提取扰动信息;最后利用数学形态学的基本腐蚀算子检测扰动并进行精确定位。仿真结果表明了该方法的有效性。     

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。     

基于形态学的动态电能质量扰动的检测与分类

提出了一种基于数学形态学的动态电能质量扰动检测与分类方法。该方法先对整流信号(取绝对值以后的信号)进行开运算以滤除尖峰噪声,再用长度为1/2工频周期的扁平结构元素进行膨胀运算提取其幅值特性;同时对差变信号进行短扁平结构元素的梯度运算来检测和定位奇异点,克服了以往方法可能漏检奇异点的不足。基于已得到的幅值特性和形态梯度可对五种动态电能质量扰动(电压暂降、暂升、中断、暂态脉冲和振荡)进行分类。仿真结果表明,该方法能够有效地对动态电能质量扰动进行检测和分类。     

基于数学形态学的谐波检测与电能质量扰动定位方法

提出了一种基于数学形态学的电流（电压）谐波检测方法,通过合理地选择扁平结构元素的长度,该方法能快速、准确地检测出电流（电压）中的谐波分量.以此为基础,提出了一种快速的电能质量扰动检测和定位方法,该方法将电压幅值的平方值作为TOP-HAT变换的输入量,具有较高的检测灵敏性.系统存在噪声的情况下,该方法也有较好的检测效果.MATLAB/SIMULINK仿真结果证明了这两种方法的有效性.     

基于数学形态学的输电线路行波保护研究

提出一种利用数学形态学处理行波波形并实现行波保护的方法。该方法利用数学形态学多分辨形态梯度检测故障暂态行波。利用数学形态学分析故障波形时不存在相移,而且只涉及到布尔运算,运算速度快,不但能定位故障时刻,而且还能检测波形奇异点的极性。行波保护的可实现性强。仿真同时表明了基于多分辨形态梯度分析检测算法的准确和有效性。     

一种电压闪变实时检测的新方法

提出了一种基于数学形态学均值滤波与能量算子包络检测的电压闪变实时检测的新方法。区别于其它去噪滤波算法,改进的数学形态学的滤波器只含有加减和一次除法运算,而能量算子包络检测只需要对被测波形的三个样本进行两次乘法和一次减法运算,使得所提出的算法快速、简洁。仿真结果表明,所提算法能够准确地检测出闪变波形的包络,并且克服了Teager能量算子算法对噪声和突变的敏感性,适合电压闪变的实时检测。     

一种电压闪变实时检测的新方法

提出了一种基于数学形态学均值滤波与能量算子包络检测的电压闪变实时检测的新方法.区别于其它去噪滤波算法,改进的数学形态学的滤波器只含有加减和一次除法运算,而能量算子包络检测只需要对被测波形的三个样本进行两次乘法和一次减法运算,使得所提出的算法快速、简洁.仿真结果表明,所提算法能够准确地检测出闪变波形的包络,并且克服了Teager能量算子算法对噪声和突变的敏感性,适合电压闪变的实时检测.     

一种基于数学形态学的扰动信号分形检测方法

针对电能质量扰动信号检测和定位问题,提出了一种基于自适应形态滤波和网格分形的方法。该方法将信号通过改进的形态滤波器进行预处理。该滤波器综合了不同的结构元素且在开一闭、闭开滤波器权系数的确定上采用了基于最小均方误差算法的自适应技术,具有更好的滤波性能和细节信息保留能力;根据网格分形理论,通过对信号网格变化规律的分析实现对电能质量扰动信号的精确定位。仿真结果表明了该方法的可行性和正确性。     

Detection and classification of single and combined power quality disturbances using fuzzy systems oriented by particle swarm optimization algorithm

In this paper, a new approach for the detection and classification of single and combined power quality (PQ) disturbances is proposed using fuzzy logic and a particle swarm optimization (PSO) algorithm. In the proposed method, suitable features of the waveform of the PQ disturbance are first extracted. These features are extracted from parameters derived from the Fourier and wavelet transforms of the signal. Then, the proposed fuzzy system classifies the type of PQ disturbances based on these features. The PSO algorithm is used to accurately determine the membership function parameters for the fuzzy systems. To test the proposed approach, the waveforms of the PQ disturbances were assumed to be in the sampled form. The impulse, interruption, swell, sag, notch, transient, harmonic, and flicker are considered as single disturbances for the voltage signal. In addition, eight possible combinations of single disturbances are considered as the PQ combined types. The capability of the proposed approach to identify these PQ disturbances is also investigated, when white Gaussian noise, with various signal to noise ratio (SNR) values, is added to the waveforms. The simulation results show that the average rate of correct identification is about 96% for different single and combined PQ disturbances under noisy conditions.     

Characterization of power quality disturbances using hybrid technique of linear Kalman filter and fuzzy-expert system

This paper presents a hybrid technique for characterizing power quality (PQ) disturbances. The hybrid technique is based on Kalman filter for extracting three parameters (amplitude, slope of amplitude, harmonic indication) from the captured distorted waveform. Discrete wavelet transform (DWT) is used to help Kalman filter to give a good performance; the captured distorted waveform is passed through the DWT to determine the noise inside it and the covariance of this noise is fed together with the captured voltage waveform to the Kalman filter. The three parameters are the inputs to fuzzy-expert system that uses some rules on these inputs to characterize the PQ events in the captured waveform. This hybrid technique can classify two simultaneous PQ events such as sag and harmonic or swell and harmonic. Several simulation and experimental data are used to validate the proposed technique. The results depict that the proposed technique has the ability to accurately identify and characterize PQ disturbances.     

基于谐波滤波器组的电能质量扰动数据压缩方法

提出一种基于谐波滤波器组的电能质量扰动数据压缩方法,该方法采用谐波滤波器组实现原始信号中稳态分量与暂态分量的分离,并通过插值离散傅里叶变换(IpDFT)算法来高精度估计谐波分量参数,然后对确定的稳态分量和暂态分量分别采用参数量化和小波变换进行压缩。最后,利用实际的电能质量扰动数据测试了该方法,结果表明,该方法对于各种类型的电能质量扰动信号均有效,同时在压缩比相同时,与通用小波压缩方法相比具有更好的压缩性能。     

An effective wavelet-based feature extraction method for classification of power quality disturbance signals

This paper presents a wavelet norm entropy-based effective feature extraction method for power quality (PQ) disturbance classification problem. The disturbance classification schema is performed with wavelet-neural network (WNN). It performs a feature extraction and a classification algorithm composed of a wavelet feature extractor based on norm entropy and a classifier based on a multi-layer perceptron. The PQ signals used in this study are seven types. The performance of this classifier is evaluated by using total 2800 PQ disturbance signals which are generated the based model. The classification performance of different wavelet family for the proposed algorithm is tested. Sensitivity of WNN under different noise conditions which are different levels of noises with the signal to noise ratio is investigated. The rate of average correct classification is about 92.5% for the different PQ disturbance signals under noise conditions.     

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。     

Classification of power system disturbances using linear Kalman filter and fuzzy-expert system

Identification and classification of voltage and current disturbances in power systems is an important task in power system monitoring and protection. This paper presents a new approach for power system disturbances identification and classification. The concept of linear Kalman filter together with discrete wavelet transform (DWT) is used to extract two parameters; the amplitude and the slope from the captured voltage or current waveform. DWT is used to help Kalman filter to give a good performance; the captured distorted waveform is passed through the DWT to determine the noise inside it and the covariance of this noise is fed together with the captured voltage waveform to the Kalman filter. The two parameters are the inputs to fuzzy-expert system that uses some rules on these inputs to identify the class to which the waveform belongs. To prove the ability of the new approach for classifying power system disturbances, detailed digital simulation and experimental results involving various types of power quality events are presented. The results depict that the proposed technique has the ability to accurately identify and classify PQ disturbances.     

基于网格分形的励磁涌流识别新方法

提出了一种基于网格分形和自适应形态滤波器识别励磁涌流与内部故障电流的新方法。在利用网格分形对差动电流进行分析的同时，通过广义形态滤波器结合自适应算法滤除网格变化曲线的各种噪声和扰动信号。在比较励磁涌流与短路电流网格曲线各自特点的基础上，提出了一种新型变压器保护方案，该方案不受Y/D接线的变压器D侧环流助增作用的影响。动模试验分析结果表明该原理能迅速、可靠地切除变压器内部故障，对轻微故障也有较高的灵敏度。     

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。     

DG并网对暂态电压扰动方向判定的影响及其校正算法

计及新能源分布式电源(DG)并网对智能配电网的影响,构建了一种含DG配电网的可延展通用模型。基于模型结构等效变换,分析了引起电能质量监测仪方向误判的影响因素,针对电压暂降型或电压暂升型的电能质量(PQ)扰动源,提出了DG并网对PQ扰动方向判定的影响规律,进而提出了一种基于规律校正的PQ扰动方向判定算法。将多个DG接入IEEE 13和IEEE 34模型,Matlab仿真表明,该算法能提高PQ扰动方向判定的准确率,并具有简明清晰、抗噪声能力强等优点。