基于dq变换与小波变换的电能质量扰动检测与识别方法

提出了一种基于dq变换和小波变换相结合的电能质量扰动检测与识别方法,该方法利用dq变换有效值的特征和小波变换对突变信号的敏感性,能对电压暂降、暂升等10种电能质量扰动进行检测与识别,具有较高的识别正确率,并能计算出各种扰动的特征参量。同时。还对部分多种扰动同时发生的情况进行了初步探讨和仿真研究,并取得了较好的检测识别效果。     

基于时域、小波变换和FFT的电能质量扰动识别

利用时域均方根值电压变动特性、小波变换及FFT变换对多种电能质量扰动信号进行分层次辨识.首先根据扰动信号均方根值分布特性将扰动初步分类,随后对扰动信号多尺度小波分析,确定具体的扰动类型.对陷波和谐波应用其频谱特性进行区分.仿真试验结果表明了该方法的可行性、有效性和较强的抗噪性.     

基于时域、小波变换和FFT的电能质量扰动识别

利用时域均方根值电压变动特性、小波变换及FFT变换对多种电能质量扰动信号进行分层次辨识。首先根据扰动信号均方根值分布特性将扰动初步分类,随后对扰动信号多尺度小波分析,确定具体的扰动类型。对陷波和谐波应用其频谱特性进行区分。仿真试验结果表明了该方法的可行性、有效性和较强的抗噪性。     

利用小波变换及人工神经网络识别电能扰动

电能质量问题成为近年许多高等院校、科研院所的研究重点,电能扰动识别是电能质量研究的一个重要方面。为此,指出了电能扰动识别包括预处理、特征提取和模式识别等3个过程,研究了基于小波变换和人工神经网络的电能扰动模式识别方法。借助于Matlab软件生成120个电能扰动样本并使用小波变换提取特征后,采取反向传播神经网络和概率神经网络识别的正确率分别为87.5%和85%。仿真分析结果发现:使用小波变换提取特征向量并使用反向传播神经网络设计分类器所得到的识别系统的性能比较令人满意。     

基于小波变换和支持向量机的电能质量扰动识别

电能质量扰动识别时,采用小波变换提取能量分布特征时小波分解层数通常缺乏理论依据,且采用支持向量机( SVM)分类时训练样本通常只含某一种信噪比(SNR)的噪声.针对以上两个问题,利用小波变换对电能质量扰动信号进行多分辨率分析时,根据扰动信号的采样率来确定小波分解层数,提取小波能量分布差特征作为SVM的输入向量,减少了计算量和特征维数;采用信噪比在较大范围内分布较均匀的训练样本来训练SVM,增强了SVM的范化能力.仿真实验表明,该方法提高了电能质量扰动识别准确率;在20dB噪声条件下,该方法对6种电能质量扰动的识别准确率仍达到95.20％.     

电能质量扰动小波变换检测与识别方法的发展

电能质量扰动问题近年来已经成为众多领域关注的焦点，国内外学者提出了一系列对电能质量扰动进行分析的方法。介绍几种常用的电能质量扰动检测和识别方法，重点分析了基于小波变换以及小波变换与其他方法如时域分析法、d-q变换、人工神经网络等相结合的电能质量扰动识别方法，比较了各种方法的特点，指出了该领域研究发展的前景。     

基于小波变换的电能质量扰动源定位

扰动问题直接影响电能质量,对供用电双方都会带来巨大的损失,只有及时发现扰动源的准确位置才能顺利排除扰动源。对采集的数据进行小波变换,计算暂态扰动功率与稳态扰动能量,进行扰动方向判定。根据监测点之间的连接关系以及功率流向构建监测关联矩阵,对监测关联矩阵与扰动方向矩阵进行运算,实现对扰动源的定位,仿真结果验证了算法的准确性。     

基于S变换的电能质量扰动支持向量机分类识别

采用s变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展，S变换引入了宽度与频率成反向变化的高斯窗，具有与频率相关的分辨率。由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。     

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。     

基于二进小波变换的电能质量扰动检测

电能质量扰动起止时刻和持续时间是描述扰动的重要属性,为了对电能质量进行分析与评估,需要对其进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。连续小波变换的计算量大,存在较大冗余,而多分辨率分析的方法由于进行了二抽取,难以直接根据变换结果进行检测,需要重构信号,因此,采用了二进小波变换对电能质量扰动进行检测。使用电磁暂态分析程序ATP仿真软件对电能质量扰动信号进行了仿真,用样条小波进行二进小波变换,检测结果表明在分解尺度一上可以实现较为准确的检测。     

基于小波分析的电能扰动研究

为了有效准确地对电力系统的各种扰动源进行准确的定位,文章提出了一种基于小波分解的电能扰动在线监控理论。分别分析了小波分析的基本原理、MALLT以及小波变换模极大值理论。重点对小波降噪处理和模值极大理论在扰动检测中的应用进行了分析。该方法利用小波细节信号对信号的突变十分敏感的特点,当电网出现干扰时,电压信号必定出现异常波动,反映在小波分析上就是细节信号出现模极大值。在此基础上通过MATLAB编程对常见的几种扰动源进行了仿真分析,最后对实验数据进行了降噪和小波分解。通过实验仿真分析可以看到:小波变换理论对常见的几种扰动源能够进行很好的检测与定位,是一种可靠高效的电能扰动定位方法。     

基于二维离散平稳小波的电能质量扰动分类

针对电能质量扰动分类这一难题,提出一种基于二维离散平稳小波的分类方法。首先对信号进行一层二维小波变换,得到一个低频分量和水平、垂直和斜线3个高频分量,利用这4个部分的信号能量组成特征向量,再通过水平高频系数的模极大值将稳态和暂态扰动分开,分别建立稳态和暂态神经网络实现分类。该方法只需要采用最简单的小波函数db1对信号进行一层小波变换,对噪声不敏感,简单易行。仿真结果表明了该方法的有效性。     

变压器励磁涌流的FFT和小波分析

从工程应用的现状来看,世界上大多数国家都将纵联差动保护作为变压器主保护.变压器的差动保护,一方面需要面对主设备保护共同的TA保护问题,另外一方面还需要面对变压器特有的励磁涌流问题.要保证差动保护的选择性与灵敏性,就必须躲过变压器外部故障时的最大不平衡电流,同时正确的识别空载合闸励磁涌流和内部短路故障电流.本文利用FFF和小波分析,对变压器励磁涌流产生机理及特征分析进行了研究.并利用MATLAB软件的SIMULINK/PSB工具箱对变压器模型在空载合闸状态进行仿真,并利用POWERGUI/FFT analysis和小波分析GUI工具箱对涌流波形进行分解,获取变压器保护中辨识励磁涌流的有利信息.     

FFT和小波变换在电力系统谐波测量中的应用

为满足测量要求,改进了FFT算法,并针对其无法调和的时域性和频域性矛盾的缺陷,讨论了小波变换的特性。仿真结果表明,FFT改进后频率、相位、幅值的测量精度提高,而小波变换克服了FFT不能时域局部化的缺点,能在时域、频域内揭示信号特征,较好达到了测量要求。     

基于小波包和支持向量机的电能质量扰动识别

电能质量扰动识别是电能质量检测系统的重要组成部分,也是进一步采取适当措施对其进行治理和控制的前提和依据.通过MATLAB仿真软件建立5种典型扰动信号的模型,包括电压突降、突升、中断、脉冲暂态及谐波;利用小波包分析方法对上述扰动信号进行特征向量提取;并采用粒子群算法对SVM核函数参数γ和惩罚参数C寻优,确定最优SVM分类模型,最终测试精度为98.125％,表明该算法实时性强、识别精度高,从而验证了所用方法的可行性.     

基于小波变换和分形理论的电能质量扰动监控系统

介绍了实时电能质量扰动监控系统的结构,详细说明了该系统硬件和软件各个构成模块的工作原理。为实现实时在线监控电能质量扰动,首先需检测出扰动信号,然后进行分析处理。在扰动检测模块中,采用自适应线性神经元实现了对各种扰动的检测,将检测出的扰动信号送入分类模块,采用离散小波多分辨率分析提取不同尺度下的能量分布特征,同时采用分形几何学提取局部方差维数,将二者结合共同构成扰动信号的特征矢量。将提取的特征矢量送入概率神经网络实现网络训练和扰动分类。通过模拟数据测试,该系统的分类率可达到90%。另外,该系统是在CAN总线变电站自动化系统上实现的,通过调整数据的传输格式也可将其应用到其它传输平台的变电站,实现对电能质量扰动的监控。     

基于双密度双树小波变换的电能质量扰动识别方法

针对电能质量扰动的识别问题,提出一种基于双密度双树小波变换(DD-DT DWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD-DT DWT变换,然后分别提取其小波能量熵和小波系数Shannon熵以描述不同扰动信号的特征,最后采用二元树结构支持向量机分别对提取的两类小波熵特征向量进行分类。仿真实验表明:所提出的基于DD-DT DWT小波熵的特征提取方法能有效识别常见的8种扰动信号,并具有正确识别率高及噪声鲁棒性强的优点。     

用小波变换和瞬时功率定位电能质量扰动源

为经济合理地精确定位电能质量扰动,根据监测点的电压电流波形,基于小波多分辨率,提出了一种扰动源定位新方法。该法首先对电压电流波形进行小波变换确定扰动的起止时刻,然后基于瞬时功率计算扰动功率和扰动能量,最后通过分析确定扰动源在监测设备的位置。针对电压暂降和电容器投切造成的扰动,运用此法分别依据ATP仿真数据和实际监测数据进行了分析,准确判断了扰动源在监测点的位置。结果表明,只要电网中的监测设备足够多,依据对扰动源定位的方法可实现扰动源的精确定位。     

小波包变换在电能质量扰动检测中的应用

鉴于小波包变换能够均匀划分信号频带,聚焦任意频率,是暂态电能质量扰动分析的良好工具,提出了在噪声环境中电能质量扰动检测和定位的有效方法,即利用小波包变化模极大值原理定位电力系统短时扰动并确定扰动持续时间。仿真表明,通过小波包一、二次分解和重构能更好地提取扰动特征信息,从而为电能质量的检测、评估及治理提供依据,且该算法计算简单、快速、有效。