基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上，使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号，再对最优基下小波包系数作阈值处理，消除幅值较小的系数，达到压缩的目的，最后对压缩后的数据进行重构，并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明，提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

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。     

基于分段离散余弦变换的电能质量数据压缩算法实现

采用分段离散余弦变换对电能质量数据进行压缩,用小波变换对原始信号进行奇异值检测,然后以检测到的奇异值作为端点进行分段,对每段信号分别作离散余弦变换。仿真试验结果显示,谐波信号直接采用离散余弦变换的压缩效果要优于小波变换;对于短时电压变动信号,采用分段离散余弦变换的信号压缩效果要好于直接采用离散余弦变换和小波变换。     

基于最佳小波包基的电能质量暂态数据压缩

针对电能质量暂态扰动数据高频分量频率高(最高达到MHz)的特点,在小波压缩技术的基础上,提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩,利用最佳小波包基的快速搜寻算法对高、低频分量同时进行分解,再对扰动数据进行压缩重构,并将其与基于小波变换的数据压缩方法进行仿真比较。结果表明,在压缩比大致相同的情况下,得到数据的失真率比传统小波的压缩方法低。     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

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。     

基于小波包变换的电能质量调节系统的数据处理

针对配电网电源侧电能综合调节系统(ActivePowerLineConditioner-APLC)的功能要求,基于小波理论设计了APLC的数据处理系统。针对实时补偿检测中存在的时延问题,提出了基于小波变换的递推式预测检测方法,利用该检测系统获取的补偿指令信号可有效地解决时延问题。另外,数据的分析中,针对电能质量采集数据频带宽、数据存储量大的特点,在应用小波包变化数据进行就地分析时对存储数据进行了有效压缩,节省了大量的存储空间。仿真结果证实了所设计系统的有效性和可行性。该研究为配电源侧电能质量的分析和调节提供了一种良好的检测手段。     

基于小波包变换的电能质量调节系统的数据处理

针对配电网电源侧电能综合调节系统(Active Power Line Conditioner-APLC)的功能要求,基于小波理论设计了APLC的数据处理系统.针对实时补偿检测中存在的时延问题,提出了基于小波变换的递推式预测检测方法,利用该检测系统获取的补偿指令信号可有效地解决时延问题.另外,数据的分析中,针对电能质量采集数据频带宽、数据存储量大的特点,在应用小波包变化数据进行就地分析时对存储数据进行了有效压缩,节省了大量的存储空间.仿真结果证实了所设计系统的有效性和可行性.该研究为配电源侧电能质量的分析和调节提供了一种良好的检测手段.     

基于DSP的暂态电能质量小波变换检测方法

介绍一个基于DSP的暂态电能质量小波变换检测新方法,分析暂态电能质量小波变换测量的基本原理,阐述暂态电能质量小波变换测量运算的DSP实现电路与编程策略;模拟实验结果证明该方法的有效性.     

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。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题.利用二维db小波变换对矩阵数据分别进行行卷积和列卷积,把检测数据的高频信号和噪声信号分解在3个不同的方向上,且信号的能量集中在很少的小波系数上.再通过改进的能量阈值法,利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上,从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声.对6种扰动信号进行仿真并与小波包的压缩结果进行比较,结果表明该方法极大地提高了压缩率,并对噪声干扰有很好的去噪能力.     

基于小波包变换的电压骤降信号分析

电压骤降是暂态电能质量问题中最常见的现象,对其进行准确的检测是控制和治理的前提。小波包变换是小波变换的进一步完善和发展,其均等划分频带特性使之具有比小波更好的时频分辨率。利用此特性,信号被分解到小波包平面,根据有用频带信息,提取电压骤降信号的特征分量;对信号中混有噪声和数据量过大的情况,利用软阈值法同时进行去噪和压缩处理,并对调节系数对软阈值法处理的影响进行了分析。仿真结果表明,小波包变换也是分析电压骤降信号的一种有效方法。     

小波包在暂态电能质量分析中的应用

对小波包在暂态电能质量现象分析中的去噪、数据压缩及特征提取几方面进行了阐述 ,并对电压骤降信号进行仿真。其结果表明 ,利用阈值方法 ,小波包的去噪效果要明显优于小波变换 ;利用其对高频再次分解的特性 ,通过对分解系数的处理 ,能有效地实现暂态非平稳信号时数据压缩和特征提取     

基于整数小波变换的Ray-Period压缩算法

为解决基于传统小波变换的数据压缩方法存在的问题，在深入分析整数提升过程的基础上，提出了一种基于整数小波变换的Ray-Period压缩算法。该算法针对电力数据的特点，根据整数小波变换多分辨率分析的特性，将原始数据变换到小波域，以使变换后的信号能量主要集中在低频系数上，而后采用无损的Ray-Period压缩算法处理低频数据，采用改进的阈值压缩算法处理高频系数，并采用新的位图压缩算法处理阈值压缩后元素值超过3.125%时的非零元素。采用实际数据进行压缩，该算法的能量恢复系数优于10-4，压缩比小于6.39%，速度比传统的小波变换压缩算法提高了近1倍。     

基于小波和神经网络的电能质量扰动信号数据压缩

在小波变换数据压缩方法和神经网络数据压缩技术的基础上,提出了将小波和神经网络应用于电能质量扰动信号数据压缩的方法。利用小波时域和频域的双重分辨率和神经网络的非线性函数逼近能力,以压缩比、均方误差为压缩效果的评价指标,对实际扰动信号进行数据压缩。采用样条小波和径向基神经网络数据压缩方法,以一个实例,给出了电能质量扰动信号的压缩仿真过程,给出了各类(电压凹陷、突起、尖峰、闪变及瞬态振荡)电能质量扰动信号的仿真分析结果。结果表明,该电能质量扰动信号数据压缩方法,压缩后得到的均方误差为-16.1397 dB,压缩效果良好。     

An improved method for signal processing and compression in power quality evaluation

This paper introduces a new waveform coding technique, based on wavelet transform, for power quality monitoring purposes. The proposed enhanced data compression method (EDCM) presents a complete adaptive signal processing approach to estimate the fundamental sinusoidal component and separate it from the transient ones in the monitored signal. When these nonstationary components are submitted to the compression technique, the sparse representation property of the wavelet transform provides an improvement in the compression ratio. Also, the degradation inserted by the lossy compression process is minimized. Simulation results confirm the effectiveness of the proposed method when compared to the standard solution, characterized by the compression of the whole monitored signal.