基于两个实值小波变换定量检测电能质量扰动的新方法

文章针对电压中断、电压下跌和电压上升这三种电压波形畸变进行了定量检测研究。提出了基于两个实值小波变换的修正幅值的新概念，并从理论上说明了该修正幅值具有如下的特性：(1)在非故障区间内取值均相等，且恰好等于额定电压的幅值；(2)在故障区间内(端点除外)取值也相同，且恰好等于故障区间内的电压的幅值；(3)与电压波形畸变所在相位、长度及电压的工频频率无关。文章还应用该修正幅值对这三种电压波形畸变进行了检测，检测图能定位故障发生、终止时刻和区分电能质量扰动的类型，并可定量测定出电压幅值上升或下降的幅度。     

基于小波分析的电能质量扰动信号检测

针对电能质量扰动信号的特性,本文采用小波变换对电力系统的高频、瞬时脉冲、电压切痕扰动信号进行检测.研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,通过与快速傅立叶变换FFT的结果进行比较,证实了该方法的准确性和优越性.     

基于小波变换的电能质量扰动信号的检测

为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位.针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测.研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性.     

基于小波变换的电能质量扰动信号的检测

为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位。针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测。研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性。     

短时电压扰动检测与定位新方法

提出了基于奇异值分解技术的短时电压扰动检测方法。根据短时电压扰动的电压采样序列构造Hankel矩阵,并对该矩阵进行奇异值分解;基于该分解结果将原电压信号分解到多个分解层,得到信号的一种线性分解,在某些分解层上电压扰动起点和终点表现为突变,根据这些突变可以定位扰动起始和结束时刻。从原采样序列中,在起点两侧分别提取一个周波信号进行FFT运算以获取扰动发生前后的基波幅值,基于两者幅值关系可以确定扰动的类型,并计算出其指标。搭建了短时电压扰动信号的模拟电路,并基于LabVIEW虚拟仪器检测平台建立实验系统,实验结果证明了所提方法的有效性,且比小波变换方法优越。     

短时电压扰动检测与定位新方法

提出了基于奇异值分解技术的短时电压扰动检测方法.根据短时电压扰动的电压采样序列构造Hankel矩阵,并对该矩阵进行奇异值分解;基于该分解结果将原电压信号分解到多个分解层,得到信号的一种线性分解,在某些分解层上电压扰动起点和终点表现为突变,根据这些突变可以定位扰动起始和结束时刻.从原采样序列中,在起点两侧分别提取一个周波信号进行FFT运算以获取扰动发生前后的基波幅值,基于两者幅值关系可以确定扰动的类型,并计算出其指标.搭建了短时电压扰动信号的模拟电路,并基于LabVIEW虚拟仪器检测平台建立实验系统,实验结果证明了所提方法的有效性,且比小波变换方法优越.     

基于dq变换和ANN的电能质量扰动辨识

提出了一种利用dq变换提取信号特征,并结合神经网络来识别电能质量扰动信号类型的方法,该方法通过对测量的某一相电压由单相延迟构造三相,进行dq变换提取扰动的特征时,作为人工神经网络（ANN）的输入,从而对电能质量扰动信号类型进行识别,所提出的方法可用于电能质量扰动的实时监测与统计分析。仿真分析验证了该方法的有效性。     

一种电能质量扰动检测的新方法

电力系统电能质量扰动是一种典型的非平衡信号，时频分布是分析非平稳信号时一种有效的特征描述。文中介绍了一种基于时频分布的电能质量扰动检测的新方法：首先利用瞬时无功功率理论来提取电压信号的基波成分，进而提取出加载在电压上的扰动信号，然后利用时间和频率的联合函数来描述电能质量扰动信号在不同时间和频率上的能量密度，以此来提取扰动在时间和频率分布上表现出来的特征，仿真算例验证了该方法的有效性。     

基于瞬时无功功率理论的电能质量扰动检测、定位与分类方法

提出了一种对电能质量扰动进行检测、定位、辨识与分类的有效方法.首先对含有噪声的信号进行小波去噪处理,得到信噪比较高的信号,再对去噪后的信号进行差变处理得到差变信号,通过小波去噪和信号差变法来确定扰动的位置和持续时间.将去噪后的单相电压信号通过移相-60°得到三相电压,并用三相电压代替三相电流,利用瞬时无功功率理论计算出瞬时有功,进而计算出瞬时电压幅值,根据扰动的持续时间和扰动的幅度对扰动类型进行识别.     

基于小波和BP神经网络的电能扰动分类新方法

电能质量扰动的分类包括特征向量提取和分类器构建2部分。基于小波和神经网络的分类方法大部分采用小波分解各层的能量分布作为特征向量,用单个神经网络给出分类结果,此类方法构建的分类器性能有待进一步提高。文章构建了一组基于小波变换的特征向量作为分类器的输入。通过基于最小二乘法的策略综合3个相互独立神经网络的输出以得到最后的判别结果。算例表明提出的分类器准确率高,在信噪比20 dB的情况下还可以达到93.18%的准确率。分类器能有效识别电压中断、电压暂降、电压暂升、谐波、振荡暂态和闪变6种常见电能质量扰动。     

基于小波分解的改进神经网络MCP预测方法及应用

电力工业的市场化改革突出了市场清算价格(MCP)预测的重要性。文中以浙江电力市场为背景，提出了一种基于小波分解和神经网络的MCP预测方法。该方法对原电价数据进行了预处理，将经小波分解去除细节后的重构电价序列作为输入参数，并且依据“重近轻远”的原则及考虑到电价具有星期的周期性的特点，重新设计了神经网络拟合误差的代价函数。对浙江电力市场下一交易日的MCP进行了预测，预测精度达到90％左右。     

基于小波变换模极大值的电能质量扰动检测与定位

随着各种敏感电力电子设备在工业中的广泛应用,诸如短时低电压、短时过电压等电能质量扰动问题已成为近年来各方面的关注的焦点。对于短时低电压扰动发生、恢复时刻的检测与定位则电能质量监测和统计中获取相关指标首先要解决的问题。该文对小波变换模极大值检测原理及其在和短时低电压、短时过电压扰动信号检测中的应用进行了详细的研究,通过检测小波变换模极大值,实现了对短时低、短时过电压扰动发生、恢复时间的精确定位。仿真计算结果表明上述检测方法是有效的。     

基于小波包除噪的电能质量扰动检测方法

小波包变换能够实现信号频带的均匀划分，在任意频率聚焦，是分析暂态电能质量扰动时频特性的良好工具。但是电气信号中的电磁噪声严重影响了小波包的检测特性。该文提出了一种小波包除噪算法。通过仿真验证，该算法可以消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

采用小波分析与神经网络技术的局部放电统计识别方法

小波变换技术适合于局部放电（PD）的检测与识别，但所用小波或提取的特取的特征量不合适时，识别效果不理想。因此，测量了6种典型绝缘缺陷模型产生的144组PD脉冲数据，用基数B样条导数小波成功地从这些实测数据的极强电磁干扰中检测出了PDs，得到了相应的三维统计分布图与各种二维统计分布图，提出了一种新的小波分解方法处理这些PDs对应的统计分布图，并在小波变换域定义了一组与传统方法完全不同的新特征量来识别这些PDs。以新定义的特征量组成输入矢量，用基于BP算法的前馈型神经网络，对6种典型PDs及加上4种混合PDs组成的共10种PDs进行了识别测试，识别效果远远优于现有方法水平。     

用于局部放电检测的一种小波去噪方法

局放监测系统常会受到很强的外界干扰,有时局放信号甚至被噪声完全淹没,因此对采集到的信号必须进行去噪处理才能获得可靠的局放信息。笔者介绍了利用小波变换进行自动去噪处理的方法。利用相关系数选择最佳小波,通过自动阈值计算选定阈值并对高频分量进行软阈值处理,然后对信号进行重构。结果表明,这种自动去噪算法可以有效地提取局放信号的特征,可望用于局放信号在线监测。     

利用复值小波变换检测轻微的电力系统扰动

在分析利用复值小波变换系数的相位信息分析信号突变的方法的基础上,针对利用小波变换算法得到的相位图不连续的问题,提出了改进相位图.改进相位图克服了原相位图中相位波形不连续的问题,且能更清楚地观察到波形畸变时相位的变化.仿真分析表明,利用改进相位图可以实现电力系统轻微扰动的检测.此方法为及时发现和检测电力系统中的故障提供了良好的手段.     

短期电力负荷预测的小波神经元网络模型的研究

根据短期电力负荷预测的特点,提出一种负荷预测新算法－小波神经元网络负荷预测模型,它以非线性小波基为神经元函数,通过伸缩因子和平移因子计算小波基函数合成的小波网络,从而达到全局最优的逼近效果,同时有效地克服了人工神经元网络学习速度慢,难以合理确定网络结构,存在局部极小点的固有缺陷。经实例验证,该方法能有效地提高预测精度,可用于短期电力负荷预测。     

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。     

采用小波技术的几种电能质量扰动的测量与分类方法

提出了一种新的短时电能质量扰动（SDPQD）的测量与分类方法：SDPQD的位置与范围用差变信号实时确定：幅度用小波变换（WT）方法确定，WT用新设计的复小波，采用塔式二进快速算法即可达到移动不变效果；分类用的特征量为极容易在时域与WT域提取的新定义的二进数，用简单的二－十进制转换方法即可得到毫无歧义的正确的分类结果。对5种SDPQD的仿真结果表明，该方法快速，正确，扩展到分析更多的SDPQD时极为方便。