金属磁记忆检测中应力集中区信号的识别

金属磁记忆技术可以快速检测出铁磁构件的应力集中区,对其故障进行早期诊断。磁记忆信号非常微弱,容易受到外来噪声和干扰影响,使得难以准确确定应力集中区。针对含有噪声非平稳性的漏磁信号,在原有信号特征量梯度的基础上,给出了新的时域空间梯度和峰-峰值组合特征量,以及能量峰值处理方法,有效消除了随机噪声对磁记忆信号的影响,提高了应力集中区的识别率;从磁记忆信号的奇异性检测角度出发,通过多尺度小波系数的平方相关一致性来确定真正的应力集中区;实验验证了所提方法的有效性。     

主导负荷参数类噪声辨识的数据处理方法

准确负荷模型的建立是电力系统仿真可靠性的重要保证。近年来,基于电力系统类噪声的负荷建模方法以其不依赖故障扰动的优势为克服负荷模型时变性提供了有效的解决思路。然而,由于类噪声信号的信噪比很低,量测数据质量愈发成为制约类噪声负荷辨识的关键问题。为提升参数辨识结果的可靠性,基于小波阈值去噪和多维核密度估计方法,提出了类噪声主导负荷参数辨识的数据处理架构。仿真分析和实测结果表明,所提数据处理方法能够提升主导参数辨识的可用率与辨识精度,最终获得反映系统实际动态特性的可靠负荷模型参数。     

基于形态学的暂态电能质量扰动检测

针对扰动检测过程中存在的脉冲噪声和白噪声影响暂态电能质量信息准确提取的问题,文章设计了一种基于LMS的多结构复合形态滤波算法,该算法具有在保留信号的有效成分的基础上最大限度地滤除噪声的功能。文章使用电压暂降、电压暂升、电压中断等对所提方法进行了仿真实验。仿真结果表明,基于LMS的多结构复合滤波算法得到的信噪比是多结构自适应复合滤波算法的1.01倍左右,是小波变换的1.1倍左右,即该算法能有效地滤除暂态电能质量扰动分析中的随机噪声和脉冲噪声;而且,该算法可较好地保持扰动信号的形状和特征。     

基于PMU的输电线路相参数在线抗差最小二乘辨识

针对输电线路相参数难以获取,且相量测量单元(phasor measurement unit,PMU)数据存在随机噪声的实际问题,提出了一种线路相参数在线最小二乘辨识方法。该方法采用相分量方法,仅需多次正常运行时三相不平衡的线路双端PMU电压、电流量测数据,即可实现相参数的辨识。建立了线路三相参数的∏型等值模型,推导获得其参数的辨识方法,并应用基于Huber估计的抗差最小二乘法,降低量测中一般的随机噪声及坏数据对辨识结果的影响,实现抗差辨识。最后,仿真验证了所提方法的有效性以及抗噪能力。     

基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法

针对现有红外图像分辨率低、清晰度差,易影响基于红外图像的电气设备故障检测效果的缺点,提出一种基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法.该文构建了基于多尺度协作模型的电气设备红外图像超分辨率重建网络,该网络以生成对抗网络为基础,通过引入多尺度协作模型和双通道结构,改善了超分辨率重建网络对红外图像的适应性,并优化了图像特征提取效果.在实现红外图像超分辨率重建基础上,结合深度学习目标检测方法,建立电气设备红外图像超分辨率故障辨识模型.针对所提方法进行了实验验证,实验结果表明:经该文所提超分辨率重建网络后,红外图像质量可明显提升,峰值信噪比(PSNR)、结构相似性(SSIM)值可分别提高至27.26dB、0.8283;采用该文所提红外图像超分辨率故障辨识模型可显著提高故障辨识效果,mAP、mAR、mAC和mAIOU值平均相对提高了19.34％、19.14％、11.83％和25.03％.     

考虑逆变器非线性因素的表贴式永磁同步电机参数辨识

在表贴式永磁同步电机参数辨识中,逆变器的非线性因素会影响电机参数的辨识精度。该文通过方程变换去除定子电压方程中逆变器非线性因素产生的误差电压,构建不受逆变器非线性因素影响的参数辨识模型。为了提高辨识结果的收敛速度并降低稳态误差,采用加入动量项的自适应线性元件(Adaline)神经网络算法辨识电机参数。实验结果表明,所提方法能提高电感、定子电阻和转子磁链的辨识精度,并加快辨识结果的收敛速度。     

基于卡尔曼滤波结合锁相环的OCT谐波测量方法

电力系统稳态电流不仅含有基波分量,还包含谐波分量,测量稳态电流各个分量和提高输出信噪比是光学电流互感器(OCT)信号处理的重要环节。本文介绍了基于法拉第磁光效应的OCT的测量原理,针对其低信噪比的特性和电力系统对谐波测量的要求,从时域的角度提出了一种基于线性卡尔曼滤波结合锁相环技术的谐波电流测量方法。在被测电流信号为基波电流、谐波电流和白噪声的混合信号的情况下,建立了线性的测量模型。在Lab VIEW上进行测量验证,结果表明卡尔曼滤波结合锁相环方法在测量稳态电流各个分量的同时能够有效地提高OCT输出信噪比和测量精度。     

基于结构相似约束生成对抗网络的视网膜 OCT 图像去噪算法

光学相干断层扫描(OCT)图像中存在的散斑噪声会掩盖视网膜重要的形态学细节,妨碍视网膜病变的观察和临床诊断。提出了一种基于结构相似约束生成对抗网络的视网膜OCT图像去噪算法,基于残差策略改进生成对抗网络模型结构,并融合结构相似性损失约束模型优化,实现散斑噪声抑制,同时增强对视网膜结构细节的保留。在杜克大学发布的SD-OCT公开数据集上的实验表明,所提算法的峰值信噪比和边缘保持指数分别为28.08和0.960,优于所对比的其他去噪方法,且适用于其他来自A2A SD-OCT研究的公开数据集。     

基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略

针对永磁电机系统反馈信号测量噪声无法确保为白噪声的问题,基于传统递推最小二乘法只在面向的数学模型是ARX模型时才能保证其无偏性,提出基于递推辅助变量最小二乘法的永磁电机参数在线辨识策略。通过电机电气方程辨识定子电阻、电感、转子磁链,通过机械方程辨识转动惯量、粘性摩擦系数、负载转矩,解决了传统递推最小二乘辨识方法适用数学模型具有局限性的问题。最后通过MATLAB Simulink验证了所提算法在参数突变时辨识性能良好。     

基于功率器件壳温估计的逆变电路动态限流方法

针对分立型功率器件构成的逆变电路,提出了一种基于器件壳温估计的动态限流方法。该方法首先构造了器件壳温估计的非线性热路模型;再建立了用于辨识该模型热学参数的目标函数,并通过原对偶内点算法对目标函数进行了求解;最后利用模型估计得到的器件壳温,实现逆变电路的动态限流。设计了相关实验平台,对所提方法进行了实验验证。相关结果表明,非线性热路模型能够有效描述功率器件壳温的动态变化,参数辨识可有效获得难以理论计算的热路模型参数。所提动态限流方法能够有效提升器件的热安全性和逆变电路的带载能力。相比传统逆变电路动态限流方法,所提方法无需实时测量器件壳温。因此当器件壳温测量不可靠时,所提方法具有明显优势。     

基于粒子滤波的光学电流互感器信号处理方法研究

有效滤除噪声,提高信噪比（SNR）和测量精度是光学电流互感器(OCT)信号处理的重要环节。介绍了基于法拉第效应的光学电流互感器的基本原理和信噪特性。针对光学电流互感器低信噪比的特性,提出了采用粒子滤波的方法来从时域的角度提高输出信噪比。在被测电流为直流和交流两种情况下,分别建立合适的滤波动态空间模型,选择合适的参数后采用裂变自举粒子滤波算法（FBPF）在Matlab上进行两种情况下的仿真验证,结果表明粒子滤波算法能够有效地提高输出信噪比和测量精度。     

基于序贯卡尔曼滤波的OCT信号处理方法研究

使用光学电流互感器(Optical Current Transducer,OCT)测量小电流时,测量得到的内部噪声信号往往大于光电信号,测得的读数不能正确反映电流的真实值。有效滤除噪声,提高信噪比是OCT信号处理的关键所在。介绍了基于法拉第磁光效应的光学电流互感器的基本原理和信噪特性,在被测电流为交直流混合信号的情况下,建立合适的滤波状态空间模型,采用序贯卡尔曼滤波的方法在Lab VIEW上进行仿真。结果表明序贯卡尔曼滤波算法能够对测量电流实时进行信噪分离,同时准确分离出交流和直流分量,提高了输出信噪比和测量精度。     

基于深度前馈网络的电能质量复合扰动识别

针对电能质量复合扰动识别中识别准确率不高和泛化性能较差的问题,提出基于深度前馈网络(Deep Feedforward Network,DFN)的扰动识别方法。先在少数重要频率点上对扰动信号作不完全S变换,从得到的时频矩阵中提取多种识别特征,构建和训练三层DFN扰动分类器,并使用Dropout正则化来提高分类器的泛化性能。仿真实验和实测实验表明,文中的方法能够有效识别8种复合扰动在内的共17种扰动类型,并具有很好的抗噪性能和泛化性能。与CART决策树、极限学习机、随机森林等现有方法相比,方法识别准确率更高,鲁棒性更好,具有良好的应用前景。     

一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。     

基于自适应滤波的光学电流互感器的信噪分离

在采用基于抗磁性材料的光学电流互感器(OCT)测量小电流时，由于测得的信号己被OCT内部固有的噪声严重污染，测得的读数不能正确反映被测电流的数值。由于OCT内部的噪声基本上与被测电流信号所在的频段相重叠，因此无法使用传统的滤波器方法将其滤除。作者将一种基于自适应滤波技术的信噪分离方法应用于在河北省保定市供电局某变电站110kV线路上挂网运行的自适应光学电流互感器中。实践表明，自适应信噪分离器可以将有用信号和OCT的固有噪声不失真地完全分离，因此这种方法可以提高OCT测量小电流的准确度。     

基于改进UPF滤波算法的稳态及短路电流下光学电流互感器信噪分离研究

我国大力发展特高压电网,对电流互感器的测量精度和速度提出了更高的要求。当输入电流信噪比低时,光学电流互感器(OCT)很难从频域角度进行滤波。因此提出无迹粒子滤波算法(UPF)来提高OCT的信噪分离能力,并针对传统UPF计算量大导致实时性较差的问题,采用基于全局采样的改进UPF滤波提高滤波的实时性。之后对电力系统发生三相短路下该滤波情况进行讨论,以改进UPF滤波中的残差作为阈值进行计算。最后在Matlab进行仿真验证,结果表明基于全局采样的改进UPF方法有效提高了输出信噪比和滤波精度,短路时也能快速、准确滤波,为继电保护装置提供电流。     

基于锁定放大器的光学电流互感器的研究及应用

随着电力系统的发展,传统的直流互感器因为种种缺点已经难以适应超高压直流测量的需要.光学电流互感器自问世以来,以其无饱和、高绝缘、抗电磁干扰等诸多优点成为传统电磁式电流互感器的替代产品.但长期以来因种种不利因素的困扰OCT的实用化迟迟没有提上日程.本文针对提高光学电流互感器的输出信噪比展开研究,分析OCT的信噪特性,进行...     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

CEEMDAN-WT 降噪提升 BOTDA 信噪比研究

针对布里渊光时域分析仪(BOTDA)存在的信号噪声问题,提出一种自适应噪声完备集合经验模态分解联合小波阈值 (CEEMDAN-WT)的降噪方法。 首先,分析了 CEEMDAN-WT 算法降噪原理,基于微波扫频测量原理建立了 BOTDA 信号解调模 型,通过仿真研究验证了 CEEMDAN-WT 方法可有效去除信号中的随机噪声。 其次,搭建了 BOTDA 测温系统,在不同传感距离 和不同空间分辨率下进行了降噪效果实验验证。 结果表明,在 30 km 的传感距离和 2 m 的空间分辨率下,CEEMDAN-WT 方法 将光纤末端的信噪比提升了 8. 89 dB。 研究证明,CEEMDAN-WT 方法可为 BOTDA 信噪比提升提供一种有效方案。