基于顺序形态学-dq变换的动态电能质量扰动检测算法

介绍了基于形态学理论的顺序形态滤波原理,并结合改进的双dq变换提出了一种全新的动态电能质量扰动的检测方法.将顺序形态变换应用到一维电力信号处理中,选择合适的结构元素和百分位构造滤波器.电压信号分别进行正、负序的双dq变换和滤波处理后,可以准确地检测到动态电能质量扰动的各项特征值.仿真结果表明该方法具有良好的准确性和动态响应特性.     

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S变换和分类树的电网暂态电能质量扰动分类辨识

针对暂态电能质量的检测分析,分别在强弱两种噪声背景下运用S变换的不同方法对暂态多扰动信号进行定位检测.对于暂态多扰动的分类辨识,运用了基于S变换和分类树相结合的暂态电能质量多扰动分类辨识方法,首先运用S变换对暂态多扰动信号进行时频分析,然后提取扰动信号的特征量,最后生成用于对暂态多扰动信号进行分类的决策树分类辨识方法,以此来实现对暂态多扰动信号的分类辨识.仿真计算结果表明,该方法对暂态多扰动信号能够进行有效的分类辨识,准确度高且抗噪能力强.     

基于S变换和分类树的电网暂态电能质量扰动分类辨识

针对暂态电能质量的检测分析,分别在强弱两种噪声背景下运用S变换的不同方法对暂态多扰动信号进行定位检测.对于暂态多扰动的分类辨识,运用了基于S变换和分类树相结合的暂态电能质量多扰动分类辨识方法,首先运用S变换对暂态多扰动信号进行时频分析,然后提取扰动信号的特征量,最后生成用于对暂态多扰动信号进行分类的决策树分类辨识方法,...     

基于数学形态学和瞬时无功功率分解的电能质量扰动参数估计

电能质量扰动参数是定义和分类电能质量扰动,评估电能质量水平的重要依据.提出了一种基于数学形态学和瞬时无功功率分解的电能质量扰动参数估计方法,该方法将电能质量扰动分为不同的类型,通过dq变换,广义形态滤波和高帽变换结合的方法对基波幅值变化类扰动进行分析,对分析结果进行参量计算用以估计电能质量扰动参数.仿真结果验证该方法是行之有效的.     

基于改进HHT和决策树的电能质量扰动辨识

为了准确辨识电能质量扰动的类型,以实现电能质量问题的有效治理,提出一种基于改进希尔伯特-黄变换(Hilbert-Huang transform,HHT)和决策树的电能质量扰动辨识方法。该方法先采用改进的基于斜率的方法(improved slope based method,ISBM)抑制希尔伯特-黄变换算法的端点效应,然后利用改进的HHT方法进行电能质量扰动信号的分析;从得到的瞬时频率曲线中提取频率成分、扰动持续时间和扰动持续期间频率3个特征量,并从瞬时幅值曲线中获取扰动期间电压幅值;最后构建分类决策树,将这4个特征量作为判断依据,实现扰动信号的分类和识别。根据各类电能质量扰动信号的数学模型,产生大量的测试样本进行仿真测试,结果证明了该方法的有效性和准确性,并且与现有的2种扰动辨识方法进行对比,结果表明该方法具有更高的识别准确率,能准确辨识出电能质量扰动的类型。     

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。     

基于数学形态学和网格分形的电能质量扰动检测及定位

提出一种基于数学形态学和网格分形的电能质量扰动检测及定位方法。首先利用数学形态学理论构造一种多结构并行复合形态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；然后对滤波后的波形，根据网格的变化规律进行分析，提出一种简单快捷的奇异性检测判据，以准确快速地检测出扰动并进行时间定位。分别用电压骤降、电压骤升、谐波及其组合扰动对所提方法进行验证。数字仿真结果证实了其正确性和有效性。     

基于多变换-谱峭度的配电网暂态电能质量扰动检测与辨识方法研究

针对配电网暂态电能质量扰动类型众多和噪声环境复杂等因素造成的暂态电能质量扰动精准辨识难度大等问题,论文深入研究了一种基于多变换和谱峭度的智能配电网暂态电能质量精准检测与辨识方法.该方法先通过小波变换消除信号中的噪声,然后对消噪后的信号进行小波变换检测出暂态电能质量扰动的幅值和时刻,并利用谱峭度对信号的冲击成分敏感及抗噪能力强等特性,通过对消噪后的信号短时傅里叶变换的谱峭度计算辨识出暂态脉冲、暂态振荡和短时电压变动,通过对短时电压变动扰动进行希尔伯特-黄变换检测出短时电压变动中的电压暂降、电压中断和电压暂升的瞬时频率和瞬时幅值,进而辨识出电压暂降、电压中断和电压暂升.该方法避免了HHT对暂态脉冲、暂态振荡的无用检测,具有计算过程简单、检测精确度高、辨识精确性高、通用性强等诸多优势.     

多层多分辨分析算法及在电力系统中的应用

为了改善小波函数在电力系统故障信号分析中的性能，提高小波变换的运算速度，提出了新的小波函数构造方法及其相应的小波变换。该方法具有普遍性，所构造的小波具有简单、时频局部化性能好等优点。根据这种新的小波构造方法，提出了多层多分辨分析的快速算法，此外，利用多层多分辨分析的算法，对电力系统故障信号进行处理和分析，证明基于多层多分辨分析小波变换方法在检测电力系统故障的突变信号分量方面，是一种非常有效的方法。该小波函数构造方法及其多层分辨分析算法，同样适合于其它领域里的故障信号分析与信号处理。     

基于CMFDE的单向阀早期微弱故障诊断方法

对单向阀早期微弱故障进行诊断可预防高压隔膜泵因单向阀磨损击穿无法正常工作而造成经济损失及安全事故。针对往复式高压隔膜泵单向阀早期微弱故障特征不明显且受大量噪声干扰的问题,提出基于复合多尺度波动散布熵(composite multiscale fluctuation dispersion entropy, CMFDE)的单向阀早期微弱故障诊断方法。首先,用正切S型替换CMFDE方法中的正态分布函数映射,提高CMFDE的抗噪性;其次,计算振动信号的复合多尺度波动散布熵值,构建特征矩阵,并将其输入支持向量机(support vector machine, SVM)分类器中进行故障诊断;最后,利用单向阀实际工程数据验证该方法的有效性,并进行对比实验。实验结果与对比分析表明,不需对单向阀原始信号进行降噪,简化了诊断过程。复合多尺度波动散布熵可精确反映单向阀不同信号特征,提高了单向阀早期微弱故障诊断的识别率,且故障诊断结果受分类器影响小,识别准确率达到96.667%。     

利用改进Prony算法的励磁调节器中PSS的设计

提出了基于Prony分析的电力系统等值线性模型的辨识方法.对传统的Prony方法进一步扩充,首先通过小波变换对信号去噪来提高辨识的准确性,然后建立多信号样本函数矩阵来辨识振荡特征,并考虑了输入信号对输出信号的影响,得到了系统的传递函数,采用留数方法对模拟励磁调节器进行了参数的协调配置.在此基础上设计了一种含PSS的励磁...     

基于多尺度熵分析与改进 SVM 的变压器故障识别

为解决传统变压器故障识别方法提取故障特征难度大、识别准确率低等问题,提出基于多尺度标准差模糊熵( SDMFE) 和哈里斯鹰算法(HHO)优化支持向量机(SVM)的故障识别方法。 首先,采用基于模糊熵的多尺度分析法量化变压器振动信号 复杂的动态特性,提取多时间尺度下的故障特征。 随后,将利用 SDMFE 获得的故障特征输入 SVM 分类器识别变压器不同的故 障。 同时,为了提升 SVM 的识别性能,引入 HHO 算法以自适应、准确地选择 SVM 参数。 最后,利用变压器实测振动信号进行 了对比试验。 与不同的信息熵、不同的优化策略和不同的分类器相比,所提方法取得 98. 56%的最高识别准确度和最好的识别 稳定性。 结果表明所提方法能够有效提取故障敏感特征和准确识别变压器故障状态。     

基于二进制采样快速S变换算法的 电能计量方法研究

大量非线性以及冲击性、波动性负荷的应用使电网环境变得复杂,将会产生非稳态信号。传统的电能计量方式及计量算法对非稳态信号电能计量不够精确。本文首先采用了一种把基波分量、畸变分量分开计量的方式,再借鉴快速S变换的思想提出了一种基于二进制采样快速S变换的电能计量算法。理论分析可知:电网信号畸变的情况下,基波、畸变分量分开计量的方式比传统的全电能以及基波计量方式更加合理;二进制采样快速S变换核函数形式固定,而不像小波算法那样很难选择合适的小波基函数。并且在相近的精度下,快速S变换比S变换节省很多的时间。最后通过仿真对比验证,无论是稳态信号还是非稳态信号,基于二进制采样快速S变换算法的电能计量结果的精确度都大大优于小波变换,并且比S变换运算效率更高。     

发电机励磁系统参数辨识综述

综述了发电机励磁系统参数辨识的方法及其在国内外的应用和发展,将辨识方法分为时域法、频域法和人工智能法3种。时域法原理简单,计算方便,对激励信号没有特别要求,容易实现,但是该方法没有滤波功能;频域法利用快速傅里叶变换,将时域上的卷积转化为频域上的简单乘积,计算方便,但它需要伪随机信号作为激励信号,对伪随机码的参数选取要视具体情况而定,对低阶系统的参数辨识准确度高;人工智能方法原理简单,对激励信号没有特殊要求,能辨识非线性系统,可以直接得到实际参数,但它也没有滤波功能,而且对系统的先验知识要求较高,这些先验知识制约着用遗传算法辨识系统参数的精度。3种辨识方法没有绝对的最优,可根据不同情况选用不同方法,必要时3种方法可结合使用。     

基于二维小波分析的配电网单相接地故障选线的一种新方法

将二维小波分析应用于配电网单相接地故障选线中,通过构造零序电流的解析信号,实现了对故障暂态信号幅值和相位相结合的分析,提出了一种接地选线的新方法。相对于单纯考虑幅值或相位的方法,这种结合分析能够更充分地提取丰富的故障暂态量特征信息。理论分析及Matlab仿真表明:该方法可以更加准确有效地实现故障选线。     

一种电能质量扰动信号的分层识别新方法

为了快速准确地对电能质量扰动进行分类和识别,结合时域和频域分析方法,提出了一种新的电能质量分层分类识别新方法.该方法由基波和扰动分离模块、扰动时间特征提取分类模块等多个功能模块构成,通过将dq变换、广义形态滤波、傅里叶变换等计算简单的信号分析方法相结 合,逐层提取出幅值、扰动时间、扰动频域奇异熵等特征并对其进行分类,最后依据各层分类结果对信号的扰动类型进行综合识别.对7种常见的单一电能质量扰动及部分混合电能质量扰动仿真分析表明,所提出的方法有较好的分类识别效果.     

滚动轴承故障信号的数学形态学提取方法

基于非线性数学形态变换的概念设计了形态非抽样小波变换算法，通过构造信号分解算子和结构元素，经过多尺度形态小波分解既能够平滑噪声又提取了信号中的故障特征成分。分别对模拟信号和实验数据进行分析处理，结果均表明该方法对信号冲击特征的提取是有效的。最后通过与包络解调分析方法的对比，说明了形态非抽样小波变换对滚动轴承故障特征的提取效果更明显。由于形态非抽样小波变换算法只涉及加减和取极大、极小运算，运算简单，执行高效，非常适于滚动轴承故障的在线监测和诊断。     

采用改进连续小波变换的电力系统短信号阻尼参数识别

连续小波变换的端点效应给电力系统短信号的阻尼参数识别带来了极大困难,由于振荡模式的能量在信号末端已接近于0,小波变换在信号末端端点效应的影响已经很小,为此提出了改善信号首端端点效应的改进小波变换方法。在小波系数的每个卷积时刻,该方法强制位于小波函数左半平面的信号为0,改善了短信号阻尼参数识别效果。算例结果验证了该方法的有效性。