基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法。算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率（PCTE）选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号。仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景。     

基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法.算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率(PCTE)选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号.仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景.     

电能质量信号去噪方法研究

电能质量信号中除了分析电能质量信号有用的信号外,还包含大量的噪声信号.介绍对现有电能质量信号去噪方法进行的分类;对近年来兴起的具有很好发展潜力的几种电能质量信号去噪方法进行描述;对其优缺点进行了总结;对今后电能质量信号去噪的研究方向进行了展望.     

基于EEMD与多分辨SVD的电能质量信号自适应去噪方法

针对电能质量信号去噪问题,提出一种基于集合经验模态分解(EEMD)与多分辨奇异值分解(MRSVD)的自适应去噪新方法。首先对原始含噪信号进行EEMD分解,并对所得固有模态函数按设定阈值进行筛分;然后对符合处理条件的模态函数进行合适层数的二分递推SVD分解,得到相应的近似分量;最后利用处理后分量进行信号重构,完成去噪。通过利用电压暂降信号进行仿真,证明该方法去噪效果较好,且具有自适应性,能有效保留原始信号的特征信息,为电能质量信号去噪提供了新思路。     

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。     

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。     

小波域信号去噪算法

小波变换是在信号处理方面是非常有用的工具,利用小波变换对信号进行去噪能达到很好的效果.文中提出新的小波域去噪模型,试验证明其去噪效果非常好且计算量小容易实现.在工业信号处理方面可以得到广泛的应用.     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯（Bayes）估计的双小波维纳滤波的电能质量信号去噪算法。该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能。实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波维纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比。     

基于Bayes估计的双小波维纳滤波电能质量信号去噪算法

提出一种基于贝叶斯(Bayes)估计的双小波维纳滤波的电能质量信号去噪算法.该算法在第一个小波域采用基于Bayes估计的小波阈值去噪技术估计期望信号,在第二个小波域将含噪信号和估计信号分别进行小波变换,用估计信号的小波系数设计经验维纳滤波器,对含噪信号的小波系数进行维纳滤波再反变换,从而实现去噪功能.实验结果表明该算法比常用的小波阈值去噪方法及基于它们的双小波雏纳滤波算法去噪效果要好;当噪声强度逐渐增加时,该算法能够在诸算法中产生最大的信噪比.     

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.     

基于经验模态分解的电能质量信号消噪新方法

基于EMD理论,采用一种电能质量信号消噪的新方法,即首先对电能质量信号进行EMD分解,得到一系列的IMF分量和一个剩余分量,根据噪声和信号在不同尺度的IMF分量上的表现特性,分别将其进行阈值处理,再将消噪后的IMF分量重构,从而得到消噪后的电能质量信号.仿真结果表明,该方法的消噪效果较好.     

基于多级广义自适应形态学滤波的电力信号消噪

针对传统数学形态学滤波器存在的统计偏移现象和对结构元素选取的局限,提出了一种多级结构元素的改进方法,并采用变步长的方法构建了一种多级广义自适应形态学滤波器,在提高滤波精度的同时,降低了对结构元素选取的限制,并且该滤波器的使用更加灵活。最后,将该滤波器应用到含有多种噪声叠加的电力信号消噪中,通过算例仿真,验证了提出的多级广义自适应形态学滤波器相比于传统的数学形态学滤波器,在电力信号消噪中具有更好地滤波效果。     

带补偿分量的时变卡尔曼滤波的电压凹陷检测方法

针对电压凹陷的实时检测问题,提出了带补偿分量的时变卡尔曼滤波。将电压凹陷信号分解为稳态分量与补偿分量,建立带补偿分量的卡尔曼滤波模型;电压稳态期退出补偿分量,电压凹陷期投入补偿分量,检测的补偿分量直接作为动态电压恢复器(dynamic voltage restorer,DVR)的指令值。结合ab/dq变换给出电压凹陷有效值和相位跳变。应用滤波残差法检测电压突变,并提出锁定延迟法克服补偿分量频繁投入与退出。仿真结果表明,该方法比普通卡尔曼滤波、虚拟三相dq变换方法具有更快的响应速度,满足DVR的实时性要求。     

基于DSP的多功能电能质量监测仪的研制

电能质量问题日益受到广泛的关注，电压凹陷已被认知为最严重的电能质量问题之一，如何对它进行测量和监视也就成为需要解决的重要问题。本文简单介绍了电压凹陷的概念，详细分析了电压凹陷的检测算法，并对以DSP芯片TMS320F206为核心的新型电能质量监测仪的硬件和软件结构作了介绍。     

基于HHT的电能质量信号检测分析

大量的非线性负载会造成电能质量“污染”,使电能信号复杂多样.针对复杂电能信号采用希尔伯特黄变换（HHT）进行检测分析.介绍了HHT原理,应用HHT对几种最为常见、重要的电能质量扰动及复杂电能质量扰动进行仿真分析.分析表明此方法能精确检测出电压幅值、频率及扰动的起止时刻,适用于分析电能质量信号.     

一种基于改进型ip-iq方法的有源滤波器

在瞬时无功功率理论的基础上,提出一种基于改进型ip-iq谐波电流检测方法的有源滤波器。改进型检测方法用简单的积分、延时加增益环节来代替传统ip-iq方法中的低通滤波器,将检测延时减少到1/6个电源周期。同时这种检测方法还可以推广到单相、三相4线电路和三相不平衡负载的场合中。电流跟踪控制采用滞环比较方式,实际补偿电流能够实时精确跟踪谐波指令电流。采用能量平衡原理实现了逆变器直流侧电压的控制。仿真结果表明,这种有源滤波器能够实时、有效地补偿系统的谐波和无功电流。     

基于希尔伯特-黄变换的复杂电能质量信号检测技术

电力系统中大量非线性负荷的使用导致了电能质量信号的非平稳性和复杂性。针对复杂电能质量信号的检测问题,文中采用Hilbert-Huang变换（HHT）对复杂电能质量信号进行分析。介绍了HHT的基本原理;提出了实现复杂电能质量信号检测的HHT方法;分析了HHT在复杂电能质量信号检测中的优越性。仿真试验表明该方法可以实时精确的检测扰动起止时刻和扰动幅度,适用于电能质量多扰动的检测和辨识系统。     

一种新的电能质量扰动信号去噪方法

针对电能质量扰动信号去噪过程的简化和硬件实现问题,提出基于信号相关性处理的跨小波尺度空间去噪方法.基于电能质量扰动信号不同成分在小波尺度空间上的相关性不同,新方法把原信号分为两个数据长度相等的新信号,分别进行小波变换,跨两个尺度空间对相同分解深度的尺度系数进行相关性处理和软阈值处理,合并后的信号可滤除噪声成分.仿真信号去噪前后的赋范均方误差小且具有更好的检测效果.算法计算复杂度分析结果和实际运行表明,在高速DSP上可以实时实现该算法.