一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果。引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导。针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究。结果表明：这种消噪模式可以改善电能质量信号信噪比门限的影响。利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息。     

小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

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.     

基于改进MDL准则的电能质量信号消噪新方法

电力系统中电能质量信号往往含有大量的噪声,这将会在很大程度上影响检测的效果。为了有效地消除噪声,基于MDL准则提出了将MDL函数的第2项改为信号的剩余能量比以提高消噪能力的改进算法,同时给出了改进后MDL函数参数确定的方法,讨论了小波分解层数的确定及小波基函数的选取等问题。对不同电能质量信号进行消噪处理时该新方法能得到最优的分解层数和小波基函数,消噪后信号具有较高的信噪比且信号的剩余能量比高。仿真结果表明:该新方法优于小波分析的电能质量消噪方法和基于MDL准则的电能质量消噪方法,取得了令人满意的消噪效果。     

基于可调Q小波变换与基追踪的电能质量信号去噪

现场采集的电能质量信号中夹杂着高斯白噪声和脉冲噪声,这些噪声的存在给电能质量信号的检测与分析带来困难,因此要对电能质量信号进行去噪预处理。针对传统去噪方法的局限性,本文给出了基于可调Q小波变换与基追踪的去噪算法,该方法先用不同品质因数的小波基函数对含噪信号进行稀疏分解,再利用基追踪去噪算法对得到的小波系数进行优化处理,最后对优化的小波系数进行重构,这样就实现了电能主特征信号与脉冲噪声和高斯白噪声的分离,从而达到去噪的目的。仿真结果表明该方法可以有效地去除电能质量信号中的高斯白噪声及脉冲噪声,且去噪效果和可靠性优于广泛使用的小波去噪和集合经验模态分解去噪。     

电能质量信号去噪中小波选取特点的研究

有效滤除电能质量信号中的噪声是电能质量检测的重要前提,然而小波特性却对去噪效果有着很大的影响。针对此问题,文中给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点。在深入研究小波的正交性、支撑长度、正则性、消失矩阶数、对称性等特性的基础上,提出为达到最好的去噪效果小波选取应满足的五个特点。采用db 5、haar、bior 2.2、rbio 3.1四种小波对电压暂降、暂升、中断、振荡、谐波扰动信号进行四尺度分解,计算噪声标准差的基础上进一步引入算子修正阈值,利用提出的新阈值函数对小波细节系数进行去噪处理,分析小波逆变换重构信号的细节,并计算出去噪后的信噪比和均方误差,实验结果表明在不同噪声强度干扰下,db 5小波都具有最佳的去噪效果,这证明了所提出的电能质量信号去噪中小波选取应该遵循的五个特点的正确性和可靠性。     

一种新的电能质量扰动信号去噪方法

针对电能质量扰动信号去噪过程的简化和硬件实现问题,提出基于信号相关性处理的跨小波尺度空间去噪方法.基于电能质量扰动信号不同成分在小波尺度空间上的相关性不同,新方法把原信号分为两个数据长度相等的新信号,分别进行小波变换,跨两个尺度空间对相同分解深度的尺度系数进行相关性处理和软阈值处理,合并后的信号可滤除噪声成分.仿真信号去噪前后的赋范均方误差小且具有更好的检测效果.算法计算复杂度分析结果和实际运行表明,在高速DSP上可以实时实现该算法.     

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     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

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.