基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。     

结构自适应滤波技术的研究概述

自适应滤波技术是信号处理学科的一个重要分支,结构自适应滤波又是其进入21世纪后新兴的研究方向。以研究结构自适应滤波技术为目的,主要描述结构自适应滤波技术的算法与性能,从传统的结构自适应滤波算法的原理出发,采用算法对比分析的方式,分析了分段滤波(SF)算法、梯度下降(GD)算法以及分数抽头(FT)算法的优缺点,并结合已有文献给出了可行的新型分数抽头(FT)算法,通过应用实例对比说明新型分数抽头(FT)算法具有更好的稳定性、收敛速度以及信噪比。     

一种基于指数渐消因子的自适应卡尔曼滤波算法

本文应用自适应估计理论,提出了一种指数渐消因子自适应算法。该算法通过实测残差与理论残差的比值来确定指数方程的系数,调节自适应渐消因子,保证了滤波的稳定性,提高了滤波精度,并且冲破了经验储备系数的限制。最后对比其他三种自适应滤波算法进行了仿真比较,仿真结果表明,指数渐消因子自适应滤波算法是一种实用而有效的算法。     

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中，由于窄带周期干扰的频率范围很宽，自适应滤波器的参数设置比较困难，有时甚至会导致算法不稳定。为此，文中提出了一种基于小波分解的自适应滤波算法，以用于抑制窄带周期干扰：利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。计算机仿真分析和现场数据处理表明，该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。     

基于区域特征的路面裂缝图像滤噪算法

分析了破损路面图像的像素点区域特征，针对不同区域提出加权区域滤波和自适应加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能够根据图像的区域特征自适应的滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

大型发电机局部放电在线监测抗干扰的研究

针对大型发电机局部放电在线监测中存在的干扰问题,分析了监测现场各种干扰信号的特性,提出了采用自适应滤波算法来抑制干扰,介绍了自适应滤波器的组成,重点对自适应滤波算法进行了分析,并针对随机脉冲性干扰和周期性干扰进行了仿真试验。实验室的仿真表明自适应滤波算法能有效地抑制干扰和提取局部放电信号。     

基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法。对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难。根据经验模态分解EMD(Emp iricalMode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法。局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果。仿真及实际数据的处理验证了该算法的有效性。     

步长因子对最小均方误差自适应滤波效果影响的研究

自适应滤波器凭借其优越的性能,在微电子、自控、信号处理等诸多领域逐渐得到广泛应用。介绍了自适应滤波原理、自适应滤波算法,论述了步长因子对最小均方误差(LMS)自适应滤波效果的影响,借助MATLAB Simulink对被随机干扰的周期信号进行仿真研究,分析了步长因子对LMS算法收敛速度、滤波过程及输出信号稳态失调的影响。     

基于高频噪声主频估计的自适应最小二乘算法

进一步提高电力系统继电保护的动作速度，要求寻找速度更快的保护滤波算法。传统的最小二乘算法与卡尔曼滤波算法虽然速度较快，但准确度难以提高。通过对电力系统故障信号高频噪声分量的理论分析与仿真研究，发现高频噪声分量存在一个主频，并提出一种使用遗传算法的主频频率估计器。根据高频噪声主频的存在性与自适应滤波原理，提出了一种基于高频噪声主频估计的自适应最小二乘算法，它利用高频噪声主频估计器计算输入信号的高频噪声主频频率，根据主频频率修改最小二乘算法的模型参数，实时形成最小二乘算法的计算式。仿真试验表明，该算法显著地提高了保护滤波算法的滤波速度与准确性，即使在噪声非常严重的情况下，也能取得很好效果。     

基于网损等值负荷模型的直流潮流迭代算法

为提高直流潮流计算精度,研究了标准直流潮流模型中由于忽略支路电阻而带来的有功平衡问题,给出了按比例调整出力或负荷、引入网损等值负荷模型这2种有功平衡方法。为了使网损等值负荷模型的应用不依赖于交流潮流的收敛性,重点提出一种改进的直流潮流算法,该算法通过网损迭代得到等值负荷的大小,且保留了标准直流潮流求解的便利性和快速性。实际电网算例的计算结果表明,提出的改进直流潮流算法与标准直流潮流算法相比,计算结果的精度大幅提高,在交流潮流不收敛的情况下,可作为一种有效的近似潮流计算方法。     

改进粒子群算法的无功优化

通过对传统梯度算法和粒子群算法的研究,提出了将梯度算法和粒子群算法(GPSO)相结合的梯度粒子算法.建立了无功优化的数学模型,将梯度粒子算法运用到无功优化中,通过算例验证,梯度粒子算法能够获得更好的全局最优解,此表明该算法运用到实际中将有利于在线电力系统无功优化.     

基于协同粒子群优化算法的电力系统无功优化

为了解决粒子算法应用在电力系统无功优化中存在的问题,提出了一种改进的协同粒子优化算法.笔者根据电力系统无功优化问题非线性、不连续、大范围以及电压等级增多、无功优化控制变量较多的特点,建立了改进的协同粒子优化算法无功优化的数学模型,并将协同粒子群算法在无功优化中进行了应用.算例结果表明,该算法有效地改善了粒子群算法的局部收敛问题,缩短了搜索时间,提高了准确性.     

基于改进FC-IRKM的电力用户负荷分类研究

为了提升电力用户负荷分类精度,从而为电力企业有效掌握用户用电规律,制定电价,合理评估用电需求,进行了基于改进的FC-IRKM的电力用户负荷分类研究。首先,模糊聚类综合了模糊思想与聚类方法,粗糙集则解决了数据分类不清晰的情况,将两种方法的优点进行结合,提出了模糊粗糙K均值算法;其次,对IRKM算法记进行了理论分析,结合模糊粗糙算法,提出了一种FC-IRKM算法,并通过遗传算法对其参数进行优化,获得改进后的FC-IRKM算法;然后通过仿真对比实验,验证了在处理相同数据的时候,改进的FC-IRKM算法比其他常见传统算法的分类精度更高,适用性更广;最后将改进的FC-IRKM算法应用于电力用户负荷分类上,分类结果与预期结果相互印证,验证了该方法的适用性。该研究为电力企业把握电力用户的用电规律、合理规划供电计划提供了可靠的理论支持。     

基于改进HPSO算法的风电场内部无功优化研究

双馈风电机组(DFIG)是当前风电场的主流机型之一,具有有功功率和无功功率可解耦控制的优点。将风电场中每一台DIFG机组作为单独的连续无功源,以每台DIFG机组无功出力为控制变量,把双馈风电场内部有功网损设为目标函数建立无功优化模型。为了减少风电场内部有功网损并稳定节点电压,在基本粒子群(PSO)算法的基础上引入了自适应权重和遗传算法中的杂交概念,提出了一种混合PSO算法,并将该方法应用于风电场内部无功优化模型求解。以华北地区某风电场为例,在MATLAB软件中采用改进HPSO算法对所建立的无功优化模型进行了求解,求解结果与基本PSO算法和线性递减权重的PSO算法相比,改进HPSO算法收敛速度更快且结果更优,验证了文中模型和算法的正确性。     

Hybrid Tabu search-simulated annealing method to solve optimal reactive power problem

Reactive power optimization problem has a substantial inspiration on secure and economic operation of power system. In this work we utilized Hybridized Tabu Search-Simulated Annealing (HTSSA) algorithm to solve reactive power problem. At first both the algorithm separately solved the reactive power problem, then hybridization has been done and the hybridized algorithm has been utilized to solve the reactive power problem. Detailed comparisons have been done between three modes. The validity of the proposed algorithm has been tested in standard IEEE 30 bus system. And the results show the proposed algorithm HTSSA efficiently solved the reactive power problem. Simulation results clearly show that real power loss considerably reduced and voltage profiles also within the limits.     

基于改进蜉蝣算法的一种新型无功优化补偿方法及其应用

基于改进的蜉蝣算法提出了一种电力系统新型无功优化计算方法。首先以电力系统有功网损最小为目标函数,选择发电机端电压、可调变压器分接头以及并联静止电容器组数为控制变量,建立了无功优化的数学模型;提出将新型群搜索智能优化算法蜉蝣算法引入到无功优化问题中;针对基础蜉蝣算法易陷入局部最优解的缺陷,提出优化基础蜉蝣算法,将Levy飞行以及随机惯性权重系数引入蜉蝣算法的位置更新策略中,提高蜉蝣算法的全局搜索能力。最后,以IEEE30节点系统为测试对象,证明了改进的蜉蝣算法在电力系统无功优化问题中的有效性及优势。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

基于有功无功联合调整的动态潮流

提出了一种新型潮流算法,可同时考虑无功功率的区域平衡以及系统负荷变化所产生的净加速功率,并通过有功和无功的联合调整以获得更合理的潮流结果。计算过程取消了常规潮流算法定义的节点类型,使所有节点均参加有功和无功迭代,避免了人为确定节点类型对潮流分布的不良影响。最后通过IEEE30节点系统将所提算法与常规潮流算法、动态潮流算法进行了比较,结果表明所提算法能够改善系统的有功和无功功率分布。     

基于 LSA-MP 改进原子分解的 电能质量数据压缩方法

电能质量数据压缩是电能质量问题检测和识别中的重要步骤,其本质即为探寻电能质量稀疏特征的过程。针对稀疏分解中常用的匹配追踪算法在匹配最佳原子时计算复杂度高、耗时长,不能满足电力信号分析实时性要求的问题,应用收敛精度高、收敛速度快以及全局寻优能力强的闪电搜索算法搜索最佳原子,提出了闪电搜索匹配追踪算法。利用所提算法在构建的电能质量相关原子库中对电能质量信号进行原子分解,提取电能质量特征参数,将提取到的参数作为压缩后的电能质量数据,实现电能质量数据压缩。实验结果表明,所提算法匹配最佳原子的耗时约缩短为原算法的1/98,基于所提算法的电能质量数据压缩方法在匹配最佳原子满足电力信号分析的实时性要求,具有较高的压缩率和较低的重构误差,提高了数据压缩的性能。