一种基于dq0变换和专家系统的电能质量信号辨识方法

提出了一种基于dq0变换和专家系统的电能质量信号辨识新方法。利用dq0变换后的d、q和0序分量，能对单相、两相或三相电压出现电能质量问题的电力系统电压进行准确有效的信号特征提取；利用这些信号特征，结合相应的基于规则的专家系统能有效地进行电能质量信号辨识。仿真计算结果表明该方法是有效的。     

基于S变换和扩张神经网络的电能质量扰动分类

提出了一种基于S变换和扩张神经网络的电能质量扰动分类方法。首先使用S变换对扰动信号进行时频分析,研究了在有多种扰动同时发生的情况下,从S变换的结果中提取扰动特征量的方法,得到了由基频特征矢量、高频特征矢量、相位特征矢量组成的特征矢量组。最后,将提取出来的扰动特征矢量组送入由扩张神经网络构建的分类器中,完成对扰动的分类。扩张神经网络以扩张距离代替欧氏距离来衡量测试数据与聚类中心的相似度,分类正确率高、结构简单、训练快速。仿真结果表明,该方法能准确地对扰动进行分类,对噪声不敏感。     

基于时域、小波变换和FFT的电能质量扰动识别

利用时域均方根值电压变动特性、小波变换及FFT变换对多种电能质量扰动信号进行分层次辨识.首先根据扰动信号均方根值分布特性将扰动初步分类,随后对扰动信号多尺度小波分析,确定具体的扰动类型.对陷波和谐波应用其频谱特性进行区分.仿真试验结果表明了该方法的可行性、有效性和较强的抗噪性.     

基于S变换的电能质量扰动分析

介绍了采用S变换进行电能质量扰动信号检测的方法,并提出了基于S变换进行电力质量检测的未来研究方向。     

基于时域、小波变换和FFT的电能质量扰动识别

利用时域均方根值电压变动特性、小波变换及FFT变换对多种电能质量扰动信号进行分层次辨识。首先根据扰动信号均方根值分布特性将扰动初步分类,随后对扰动信号多尺度小波分析,确定具体的扰动类型。对陷波和谐波应用其频谱特性进行区分。仿真试验结果表明了该方法的可行性、有效性和较强的抗噪性。     

基于改进HHT和决策树的电能质量扰动辨识

为了准确辨识电能质量扰动的类型,以实现电能质量问题的有效治理,提出一种基于改进希尔伯特-黄变换(Hilbert-Huang transform,HHT)和决策树的电能质量扰动辨识方法。该方法先采用改进的基于斜率的方法(improved slope based method,ISBM)抑制希尔伯特-黄变换算法的端点效应,然后利用改进的HHT方法进行电能质量扰动信号的分析;从得到的瞬时频率曲线中提取频率成分、扰动持续时间和扰动持续期间频率3个特征量,并从瞬时幅值曲线中获取扰动期间电压幅值;最后构建分类决策树,将这4个特征量作为判断依据,实现扰动信号的分类和识别。根据各类电能质量扰动信号的数学模型,产生大量的测试样本进行仿真测试,结果证明了该方法的有效性和准确性,并且与现有的2种扰动辨识方法进行对比,结果表明该方法具有更高的识别准确率,能准确辨识出电能质量扰动的类型。     

基于S变换的电能质量扰动支持向量机分类识别

采用s变换和支持向量机进行电能质量扰动的分类识别。作为连续小波变换和短时傅立叶变换的发展，S变换引入了宽度与频率成反向变化的高斯窗，具有与频率相关的分辨率。由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。     

基于dq变换与小波变换的电能质量扰动检测与识别方法

提出了一种基于dq变换和小波变换相结合的电能质量扰动检测与识别方法,该方法利用dq变换有效值的特征和小波变换对突变信号的敏感性,能对电压暂降、暂升等10种电能质量扰动进行检测与识别,具有较高的识别正确率,并能计算出各种扰动的特征参量。同时。还对部分多种扰动同时发生的情况进行了初步探讨和仿真研究,并取得了较好的检测识别效果。     

基于小波变换的电能质量扰动源定位

扰动问题直接影响电能质量,对供用电双方都会带来巨大的损失,只有及时发现扰动源的准确位置才能顺利排除扰动源。对采集的数据进行小波变换,计算暂态扰动功率与稳态扰动能量,进行扰动方向判定。根据监测点之间的连接关系以及功率流向构建监测关联矩阵,对监测关联矩阵与扰动方向矩阵进行运算,实现对扰动源的定位,仿真结果验证了算法的准确性。     

基于Hilbert变换和分类树的电能质量扰动分类辨识

提出了一种基于Hilbert变换和分类树相结合的暂态扰动分类方法。首先运用Hilbert变换对暂态扰动信号进行时域分析,然后提取扰动信号的特征量,最后生成用于对暂态扰动信号进行分类的决策树分类辨识方法,以此来实现暂态扰动信号的分类辨识。仿真计算结果表明,该方法能够对暂态扰动信号进行有效的分类辨识,分类树简单、易于实现且准确度高。     

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.     

基于小波包除噪的电能质量扰动检测方法

小波包变换能够实现信号频带的均匀划分，在任意频率聚焦，是分析暂态电能质量扰动时频特性的良好工具。但是电气信号中的电磁噪声严重影响了小波包的检测特性。该文提出了一种小波包除噪算法。通过仿真验证，该算法可以消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

用人工神经元网络和最小二乘法估计负荷模型的比较

该文分别采用现代辨识技术之一的递推最小二乘法和人工神经元网络(ANN)误差反向传播算 法(BP算法)估计2000年四川电网某一变电站的负荷模型，结果表明人工神经元网络模型 能更好地反映负荷的非线性特性。     

利用小波变换分析配电网电能质量扰动

小波变换具有良好的时频局部化特性，可以同时提取信号的时频特性，是分析电能质量问题的有力工具。文中介绍了利用小波变换分析配电网中常见的因开关动作、变压器磁饱和及电力电子装置引起的电能质量扰动问题。经仿真分析，验证了小波变换能够更好地提取扰动的特征信息，从而为电能质量问题的检测、评估、分类以及治理提供了依据。     

小波变换在电能质量分析中的应用

对小波变换在电能质量问题分析中的应用情况进行了综述,主要内容涉及小波变换的基本概念、应用小波变换对电压下降与电压凹陷的幅值与持续时间的分析、电能质量扰动数据压缩、暂态电能质量问题的分析以及小波变换与人工神经网络结合对电能质量扰动类型的辨识。最后对小波变换在电能质量问题分析中的发展方向进行了展望。     

一种基于人工神经网络的电力谐波测量方法

提出了一种新颖的电力谐波测量方法,它用一个多层前馈神经网络替代模拟并行式谐波测量装置中的带通滤 波器,使各次谐波都可以用这个训练过的神经网络测量出来。阐述了该神经网络训练样本的组成和训练方 法。对一含有谐波的畸变电流的仿真结果说明了这种测量方法的有效性。     

基于ANN削减负荷的发输电组合系统可靠性评估

为提高计算效率,提出了基于人工神经网络（ANN）的发输电组合系统可靠性评估模型。该模型为一个3层前向神经网络,其中输入层为参与可靠性计算的元件的信息,输出层为系统中节点负荷的信息,用改进的BP算法训练该网络,经训练后的网络具有负荷削减计算功能,由于该模型不需进行在线的故障状态潮流计算以及负荷削减计算,大大提高了计算效率,在缓解“计算灾”方面取得了较大进展,该ANN模型考虑了发电机出力,变压器和线路容量以及负荷等的变化,比通常的可靠性计算模型具有更强的实用性,用实例验证了方法的正确性和有效性。     

检测电压瞬时脉冲扰动的小波-神经网络新方法

对动态电能质量暂态扰动中的电压瞬时脉冲扰动进行了分析，提出了一种基于小波-神经网络的电压瞬时脉冲扰动识别的新方法。首先讨论了电压瞬时脉冲扰动产生的原因，用PSCAD/EMTDC软件包实现电压瞬时脉冲扰动的暂态仿真。然后，选用db4小波并将扰动波形进行4尺度的小波分解，以分解后各层的能量作为3层概率神经网络（PNN）的输入特征矢量，从而正确地把雷击和开关动作造成的扰动区分开。仿真结果表明，与传统的基于电压幅值/有效值的扰动识别方法相比，该方法不但能正确区分各种扰动，且能对不同原因造成的扰动进行正确分类。