Symlets小波幅值算法研究

提出了利用小波变换高频分量模极大值预测故障电流幅值的Symlets小波幅值算法.分析了Symlets小波的正交性、计算性和对称性,给出了与sym3小波相关联的分解与重构滤波器,研究了Symlets小波幅值算法可精确捕捉故障发生时刻的基本原理,建立了基于sym3小波变换高频分量模极大值的故障电流幅值计算数学模型.通过利用sym3小波变换对不同电流信号进行分解和重构,确定了每周期采样点数不同和故障前最后一个采样点相位不同时数学模型中系数k的大小.仿真结果表明,该算法可精确捕捉故障发生时刻并能在7/N个电力信号周期内定量预测出故障电流幅值.     

小波－奇异值分解在异步电机转子故障特征提取中的应用

针对电流信号中异步电机的转子故障特征分量经常被电源频率分量淹没而无法准确检测的缺点,提出了一种基于小波-奇异值分解的转子故障特征提取方法。通过连续小波变换将电流信号中的各特征频率分量转换到时频分布空间中,对该时频空间进行奇异值分解将各特征频率分量分解到不同的正交特征子空间中,对特征子空间的选择重构可以有效地滤除电源频率分量而提取出转子故障特征分量。模拟数据和实际故障信号的应用表明,该方法提供了一种可实际应用的异步电机转子故障诊断方法。     

基于奇异值分解理论的双端行波故障测距的研究

行波故障测距中行波信号奇异点的精确检测和行波波速的确定是影响测距精度的主要因素。根据Hankel矩阵方式下奇异值分解第一个分量后的各分量具有的奇异性检测能力,对行波信号进行奇异值分解,利用第二个SVD分量脉冲模极大值检测出信号的奇异点。同时,提出一种不受行波波速影响的双端测距方法,通过检测故障初始行波和故障点反射波分别到达两端母线的时刻,列写方程组,得到与速度无关的测距公式。EMTDC仿真证明了该故障测距方法的正确性。     

高阶小波包奇异谱熵在故障选线中的应用研究

针对奇异熵对经高阻接地的不敏感性、经常导致选线失败的问题,提出了基于高阶累积量多分辨率奇异谱熵的方法.该方法有机地融合了小波包分解理论,奇异值分解理论和信息熵理论的各自优点,并充分体现信号的内在信息,有效地提取非线性特征分量和抑制高斯噪声,经高阶累计后包含了更多的选线信息.基于 ATP 的仿真结果表明:该故障选线方法能够快速识别故障线路,不易受到故障时刻、过渡电阻、故障位置等因素的影响,具有较好的适应性.     

小波变换和自相关分析法在电力电缆故障测距中的应用

在深入分析电力电缆故障测距特点的基础上,本文采用电感式脉冲反射电流冲闪法取得故障信号。运用Daub4小波变换对原始故障信号进行分解、重构、消噪,得到分解后的高频信号和低频信号。对低频信号应用自相关分析技术提供约束条件,得到粗略的脉冲时刻,再根据模极大值搜索法,逐层向高频信号进行搜索,达到放电脉冲与反射脉冲时刻精确定位,从而实现故障的自动精确测距。仿真实验结果表明,此方法可取得较高的故障测距精度。     

基于经验小波变换和高频分量的微电网保护方法

针对微电网灵活运行方式和不同于传统电源的故障特性使传统保护方法失效的问题,提出了一种基于经验小波变换和最高频分量的微电网保护方法。首先通过选取各母线的零序电流作为分析对象,然后利用经验小波变换对零序电流进行分解,选取最高频的分量作为故障特征分量。接着,求取最高频分量的一阶微分及其奇异点,并依据奇异点两边数据构建了特征方向和关联方向,通过关联方向的正负来区分故障区段和非故障区段,有效避免了微电网不同运行方式下传统保护阈值选择困难的问题。最后,大量仿真实验表明,该方法在不同接地电阻、不同故障区域、不同故障类型以及不同运行方式下均能实现准确判断。     

基于CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过自相关法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。     

基于VMD-TEO的输电线路故障定位方法

用于交流输电线路故障测距的小波变换故障定位方法存在精度低和自适应差的缺陷。为此,提出一种VMD-TEO算法,利用变分模态分解(variational mode decomposition, VMD)算法分解故障行波信号,通过Teager能量算子(Teager energy operator, TEO)提取分解后的高频模态分量的能量突变点,将能量峰值对应的时刻带入分布式故障测距算法,获取故障位置。算例仿真对比结果表明:VMD-TEO算法定位误差小于0.1%,小波变换法故障定位的误差约为VMD-TEO算法的10倍;VMD-TEO算法分解信号后能够有效去除噪声干扰,成功提取波头信号,大幅度提高故障定位的准确度。     

风速数据奇异点辨识研究

保证风速数据的真实性与可靠性,可以有效地提高风电功率预测精度。针对风速信号中包含奇异点,采用基于小波模极大值的方法进行辨识。该方法将阈值判定与李氏指数相结合,首先,求出小波分解后细节系数的局部极值点,由于奇异点的高频分量很大,因此利用阈值对奇异点的位置进行初步判定;然后,寻找各尺度局部极值点的传播点并绘制模极大值线,从而求得李氏指数α,当李氏指数α<1时,判定该点为奇异点;最后利用自回归滑动平均法ARMA（p,q）对奇异点进行修正。研究实例表明,所采用的基于小波模极大值的奇异点辨识方法,能够准确的判断出信号的奇异性以及发生的时刻,并且能够有效地修正奇异点的值,从而保证风速数据的可靠性,具有一定的实际应用价值。     

基于小波分量奇异值分解的单通道盲分离算法

针对单通道盲分离领域先验信息不足的问题,提出了一种基于小波变换、奇异值分解和独立分量分析的单通道盲分离算法.首先对单路传感器接收的信号进行小波分解和重构,得到一组代表原始信号特征的细节信号,对其施加奇异值分解并剔除小于门限值的奇异点,以此消除干扰信号和噪声的影响.然后将经过处理的细节信号组作为独立分量分析算法的输入信号...     

小波变换在超高压输电线路双端故障测距中的应用

研究了基于小波分解的故障测距,对故障行波电流信号进行相模变换,通过小波分解提取出故障分量发生奇异性的时间点,针对以往利用单端行波故障测距存在故障距离检测不准确的问题,采用双端故障测距将行波到达两端的时间相减,可以更准确地定位故障点。实例分析表明该方法有很高的测距精度。     

双极HVDC输电线路行波故障定位

为准确定位双极HVDC输电线路故障,介绍了基于小波模极大值理论的双端D型行波故障测距方法及该方法在双极HVDC输电系统中的应用并用PSCAD和MATLAB软件仿真分析双极HVDC系统,得到故障点初始行波波头分别到达整流侧母线和逆变侧母线的时刻,从而算出故障点到达两侧母线的距离,完成故障定位。该结果表明,小波变换的模极大值能够刻画出故障行波信号的奇异点和奇异性,用小波变换提取高频暂态信号可准确找出故障极线路,识别出故障极初始电流行波的波头,实现双极HVDC输电线路高度精确的故障定位。     

小波变换在电能质量分析中的应用

针对电力系统暂态信号分析提出了一种基于小波变换的解析信号分解方法。该方法将小波变换的时频局部性与解析信号关于信号相位及瞬时频率的描述相结合,可提取暂态信号的奇异点及各尺度分量的幅值包络、相位、瞬时频率等特征信息,为电能质量分析提供了更加丰富的依据。     

光纤电流互感器渐变性故障时频特征辨识

通过时频变换方法分解光纤电流互感器(FOCT)输出信号,获取渐变故障信号特征,是故障分析的关键步骤。针对FOCT渐变性故障信号时域跨度大且劣化过程呈随机性的特点,对输出信号进行跨间隔采样,利用小波包分解算法,根据故障信号频段实现故障信号特征提取,利用相关评价指标对时域特征参数进行筛选,得到表征FOCT劣化趋势的最优特征参数。针对信号特征维度高的特点,提出主元分析法对高维特征降维处理,满足故障特征辨识快速性的需求。实验结果表明：使用6层小波包分解算法,得到64个包含不同频段信号的子序列,对比各个频带能量占比来确定互感器运行状态,能够实现有效辨识渐变性故障特征。     

小波包特征熵提取水轮机尾水管动态特性信息

将小波包多分辨与信息熵相结合,提出了一种故障检测与诊断的方法——小波包特征熵-故障法。首先对采集到的振动信号进行3层小波包分解,在通频范围内得到分布在不同频段内的分解序列,进而建立信号的小波包特征熵向量,选取最能反映故障特征的参数作为特征参数,进行故障诊断识别。以水轮机尾水管压力脉动信号为例,运用此法进行了尾水管动态特性信息提取。试验表明小波包特征熵法是提取故障信息并进行故障识别的一种行之有效的方法,为流体机械的故障诊断开拓了新的思路。     

基于压缩感知理论的小电流接地故障选线法

将一种全新的信号处理方法——压缩感知理论应用于小电流接地故障的选线中．采用压缩采样方法对故障前1／4周期到故障后1／4周期各线路零序电流进行低频压缩采样．然后通过恢复算法对所采信号进行精确重构。对承构信号采用小波去噪后进行经验模态分解（empirical mode decomposition．EMD）,选出各线路零序电流最高频IMF分量作差分运算．依据故障线路零序电流最高频IMF分量在故障发生时刻的一阶差分板性和健全线路相反的原则实现故障选线。Matlab仿真试验表明该方法不受采样频率限制．选线结果具有较高的准确度．     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于小波包去噪与EMD的故障电弧检测算法研究

经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。     

电机故障的小波MRA诊断技术

本文论述了电机运行过程中产生的故障现象,以及对电机故障信号的诊断方法。利用小波变换的多分辨率分析特性对电机故障信号进行多尺度分解,将信号分解到不同的频带上。通过对高频带分解系数的分析,可以提取出故障信号的特征,从而可以有针对性地对故障进行定位和诊断。仿真结果表明,从小波分解的高频细节系数中能够提取出精确的故障信号发生时刻以及频率,为故障的诊断提供了可靠的依据,表明了小波分析在电机故障诊断方面的广泛应用前景。