遗传优化时频参数的电能质量扰动匹配特征分析

针对电能质量暂态扰动信号时频局部化信息量较广难以简洁灵活提取有效细微特征以及匹配追踪算法计算量大的问题,提出一种应用于电能质量扰动特征参量提取及压缩重构的匹配时频原子框架及其遗传优化改进算法。在Gabor过完备时频原子库离散基础上,采用匹配追踪方法(matching pursuit,MP)对扰动信号进行时频原子自适应分解,并通过遗传算法(genetic algorithm,GA)对时频原子参量进行优化计算,从而降低匹配追踪搜索过程的复杂度,获得最佳匹配电能质量扰动信号特征的时频原子参量化解析表示以及匹配特征重压缩构波形。算例仿真表明,该框架重构信噪比高达50 dB,均方误差数量级为0.001,能量恢复系数达到0.99以上,与小波(包)相比,具有更优良的压缩重构性能及多分辨能力,遗传优化时频参量的改进算法,基本保持了 MP 优良的压缩重构性能,计算复杂度缩减率为95.8%,算法收敛性得到提高,匹配扰动信号计算效率提高80~100倍,满足电能质量扰动分析要求。     

基于MP的电力系统数据压缩方法

匹配追踪算法能够自适应地从构造的完备原子库中建立信号的稀疏解析表示。提出一种基于MP(Matching Pursuit)算法的原子稀疏分解的电能质量扰动数据压缩方法,根据电能质量扰动信号的特点建立原子库,采用衰减正弦量原子对信号进行稀疏分解,提取扰动信号成分。仿真算例验证了所提出的数据压缩方法具有压缩比高的优点。     

基于PSO-MP算法和RBF神经网络的电能质量扰动识别

准确识别扰动信号类型对分析和治理电能质量问题具有重要意义。文中提出一种基于粒子群优化匹配追踪算法(PSO-MP)和RBF神经网络的电能质量扰动识别方法。首先,构建工频原子库将工频信号提取出来,得到的残余信号能更好地体现扰动信号差异性;再利用PSO优化匹配追踪算法以减小计算量,并结合离散Gabor原子库对残余扰动信号进行稀疏分解,准确提取其原子参数;最后将原子参数以及残余信号在原子上的投影的均值和标准偏差作为特征量,利用RBF神经网络对扰动信号进行识别。仿真算例表明,该方法能够有效地识别几种常见的电能质量扰动,且具有抗噪性能强、计算量小等优点。     

基于分层匹配追踪算法的电能质量复合扰动参数辨识方法

针对电能质量中的复合扰动信号分析问题,提出一种粒子群优化(PSO)和匹配追踪(MP)算法相结合的分层搜索的原子分解方法。首先应用MP算法提取基波分量,对于去除基波分量的残差信号,利用快速傅里叶变换找寻能量最大的频率成分,采用PSO算法粗搜索出最佳匹配粒子,然后以最佳匹配粒子为中心,在一定范围内重新离散化,生成小规模原子库,再应用MP算法有针对性地进行细搜索,最终得到最佳匹配原子,提取出电能质量复合扰动特征参数。仿真结果表明,该方法能克服MP算法匹配时间长、计算量大及PSO优化MP算法残差积累过大、容易陷入局部最优、匹配参数不准确等缺点,且具有一定的抗噪性和实时性。     

应用HS改进原子分解的电能质量扰动辨识分析

结合原子分解与和声搜索算法,提出了一种电能质量扰动信号自适应分解及特征参数辨识方法。针对Gabor原子分解匹配追踪算法计算量大、实时性差的问题,首先利用傅里叶变换进行频谱分析,估计出扰动信号频率、幅值等参数,并以估计值作为搜索的初始解,加快算法的收敛速度;然后根据电能质量扰动信号特点将Gabor原子库分解为类基波库、脉冲库、谐波库、振荡库4个子库,依次搜索各子库,降低搜索的复杂度;再次,利用和声搜索算法快速、准确的全局搜索和协同搜索的特点对匹配追踪算法进行改进,加快了搜索速度;最后,依据获得Gabor原子索引参数实现电能质量扰动信号参数辨识。算例仿真表明,所提方法在保留匹配追踪算法优良重构性能的前提下,计算复杂度显著降低,搜索效率和收敛速度加快,扰动参数辨识精度得到提高。     

基于正交优化时频原子分解算法的电能质量扰动匹配特征分析

针对电能质量扰动信号时频局部化信息量较广难以简洁、灵活提取有效细微特征以及匹配追踪收敛速度较差的问题,提出一种应用于电能质量扰动分解重构及扰动特征参量提取的匹配时频原子框架及其改进方法。在Gabor时频原子库离散优化基础上,通过匹配追踪算法对扰动信号进行自适应分解,同时对搜寻的最佳时频原子进行正交变换,减小冗余分量,设定迭代次数或残差阈值作为终止条件,从而获得一系列匹配扰动信号波形特征的正交时频原子及其参量化形式。仿真结果表明,该框架能有效分解提取电能质量扰动信号时频特征参量,相对基于匹配追踪的稀疏分解,改进算法单一扰动匹配特征重构信噪比高达55dB,多重扰动达35dB,均方误差数量级为0.001,匹配扰动特征精度及收敛性能进一步提高,满足电能质量分析要求。     

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。     

原子分解快速算法在电能质量扰动分析中的应用

提出一种原子分解的快速算法,并应用于电能质量扰动信号的分析中。该方法构建相关原子库,并将原子离散的参数连续化,能减少重构信号所需的原子数并使分解结果更准确;针对频率范围较大的谐波、衰减振荡等信号,采用快速傅里叶变换对最优原子频率进行预求解,从而降低原子库规模;采用粒子群优化的匹配追踪算法选出反映电能质量扰动信号特征的最优原子。仿真算例表明,该方法可快速准确地提取电能质量信号的扰动特征,且有较好的抗噪性能。     

应用原子分解的电能质量扰动信号特征提取方法

提出一种应用原子分解实现的电能质量扰动信号特征提取方法.该方法以Gabor原子库和匹配追踪算法为基础,从扰动信号中迭代求取Gabor原子成分,再将Gabor原子转化为衰减正弦量原子,获得电能质量信号中各种扰动成分参量化的原子解析表示.用初始残余能量的阈值作为原子分解迭代终止条件,以改善特征提取效果.该方法可准确定量地提取各扰动成分的起止时刻、幅值、频率和变化规律等扰动特征,适用于暂态扰动、稳态扰动和多重扰动.算例分析验证了所提出的方法的有效性.     

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法EI北大核心CSCD

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。     

采用原子分解法的同步电机参数辨识

为了准确辨识出同步电机参数,提出一种基于原子分解的新算法。首先构建相关原子库并将原子离散化参数连续化,运用进化匹配追踪算法,快速从同步电机突然短路电流中提取基波电流、直流电流、倍频电流;然后从分解的各原子信号特征参数中推算出同步电机参数。通过截取稳态短路电流的采样信号,辨识出同步电机的同步电抗和短路初相角值。以理想突然短路电流和含噪声的短路电流为例,仿真进行了对信号的原子分解,获得了相似度较好的重构信号。较之经验模态分解(EMD)和Prony算法,所提出的方法对含噪声信号短路电流的分解效果更佳。实测算例表明,应用原子分解方法可准确地提取同步电机参数,且有较好的抗噪性能。     

回溯自适应匹配追踪电能质量信号重构方法

为改善电能质量暂稳态信号重构性能,提出了基于压缩感知理论的回溯自适应匹配追踪的电能质量信号重构方法,对电能质量信号进行处理。在自适应匹配追踪的基础上改变一个回溯步骤,初选出满足条件的候选集,然后在终选步骤中利用回溯功能,剔除系数相对较小的原子,所以该方法能够灵活地删除一些被在初选时被错误选择的原子,有着更好的稀疏信号重构和逼近性能。另外该方法无需先验信号的稀疏度,具有稀疏度自适应能力。仿真实验结果表明,10种电能质量信号的压缩重构精度都在97.63%以上,能量恢复系数要高于99.57%,信噪比高于31.42dB,均方误差百分比在2.31%之内,都能达到很好的性能指标。     

基于稀疏度特征的短时电能质量扰动信号重构方法

现有基于压缩感知的短时电能质量扰动信号重构方法尚未考虑信号稀疏度特征,重构性能有待进一步提高。为此,提出一种基于稀疏度特征的信号重构方法。首先,根据压缩感知理论对信号进行采样。随后,开发出短时电能质量扰动信号的稀疏度特征—稀疏度在频域为偶数。基于该特征,提出"双步长稀疏度自适应匹配追踪"重构方法。分析与仿真结果表明,相对于传统的稀疏度自适应匹配追踪算法,提出方法降低了计算复杂度和均方误差,提高了重构信噪比和信号的正确重构概率。     

动力学小波字典驱动的轴承故障个性化稀疏诊断

针对轴承信号稀疏分解方法中因轴承个性化振动行为导致稀疏分解字典与故障信号适配性差,以及因字典参数设置、 选取不当而使其在实际应用中稀疏分解效果不佳的问题,提出一种基于动力学小波字典的个性化稀疏诊断方法。 该方法基于 有限元技术和稀疏分解的思想,根据轴承所处运行工况的不同,建立个性化动力学仿真模型,仿真出振动信号,并从中提取出单 个瞬态冲击作为字典原子,将原子进行拓普利兹(Toeplitz)延拓生成动力学小波分析字典,结合正交匹配追踪算法(OMP)对信 号进行稀疏分解并重构,提取轴承故障特征频率。 动力学模型仿真信号和试验台信号的分析结果表明,相比常用的相关滤波算 法(CFA)构造的参数字典、K-SVD 自学习字典和快速谱峭度方法,所提出的方法可以更加准确有效地提取故障特征成分,且具 有较好的的稳定性和可拓展性。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

一种改进的 MP-WVD 滚动轴承信号时频分析方法

针对魏格纳维利分布(WVD)方法直接对轴承振动信号进行分析时存在交叉干扰项的问题,提出一种基于改进匹配追 踪(matching pursuit,MP)算法与 WVD 的滚动轴承信号时频分析方法。 首先,根据对轴承振动信号的分析,确定 MP 算法中字典 原子的基函数,并通过相关滤波法确定原子参数,完成字典构造。 然后,利用快速傅里叶变换(fast Fourier Transform,FFT)计算 信号与字典中原子的互相关谱,替代 MP 算法中的内积运算,对信号进行稀疏表示,迭代过程中根据残差信号的频谱更新字典 中的频率参数。 最后,对稀疏表示结果中的原子进行 WVD 计算,并以原子对应系数为权重将各原子的时频表示线性叠加,完 成信号的时频分析。 实验结果表明,有效提高了 MP 算法的计算速度,并且与 3 种 WVD 改进算法相比,本文方法时频分析结果 的时频聚集程度更高,可以更好地克服 WVD 方法中的交叉干扰项,为滚动轴承信号的时频分析提供新的解决方法。