采用遗传算法和匹配追踪法检测电压闪变参数

随着电力系统中电压闪变现象的日趋严重,电压闪变检测受到人们越来越多的关注。将基于遗传算法优化的匹配追踪算法应用于电压闪变检测中,检测电压闪变中调幅分量的幅度、频率和相位等参数。先利用傅里叶变换分解出电压闪变信号中基波分量;然后将剩下的调幅分量用与之结构相匹配的参数原子进行分解,同时可获得各次调幅分量的参数;最后,通过仿真验证了该检测方法的有效性。     

经验模态分解及Hilbert谱分析在电压闪变检测中的应用

文章应用基于经验模态分解（EMD）和Hilbert谱分析的Hilbert-Huang变换,进行电压波动与闪变信号的分析与检测,并对应用中的一些问题进行了探讨;应用研究表明,对暂态闪变信号进行EMD分解,再对得到的各IMF分量求HHT谱,可以精确地检测到暂态电压波动发生的时刻和终止的时刻;采用Hilbert-Huang变换进行电压闪变调幅波信号的包络解调,可以避免电网工频高次谐波对解调的影响,从而提高闪变分析的精度;所作的一些尝试表明,应用Hilbert-Huang变换分析电压闪变信号是可行的和有效的.     

LED灯的间谐波闪变分析

本文针对二极管桥式整流器的整流作用,提出一种基于IEC闪变仪的LED灯闪变检测方法,将电压信号通过抽样频率为fS=Mf1(f1为基波频率)进行抽样处理,归一化处理后以2f1频率对信号极值进行抽样,低通滤波器截止频率设为50Hz,避免滤除高于35Hz的频率分量。该方法克服了IEC闪变无法准确检测高频间谐波引起的闪变,能够准确检测LED灯(对于电压峰值波动较为敏感)的间谐波引发的闪变。仿真分析结果表明了该方法的准确性和有效性。     

基于Db小波的暂态电能质量分析方法研究

针对目前电力系统存在的暂态电能质量难以检测的问题,提出了基于Db5小波对电压信号进行4尺度分解,用各层系数的离差检测模极大值,从而检测暂态电能质量的方法.仿真结果表明,Db5小波变换能在时域上对电压暂态变动的发生时刻进行准确定位和信号类型分类.     

基于小波包变换的电力谐波检测研究

提出了一种基于小波包变换的电力谐波检测方法。该方法采用小波包变换对电流信号进行分解,即将该电流信号分解成低频部分与高频部分,然后分别对低频部分及高频部分进行小波包分解,重构后得到该电流信号的基波分量,从原始电流信号中减去基波分量,从而得到该电流信号的谐波分量。仿真结果表明,该方法能够很好地检测出电流信号中的谐波分量,并且能对指定频率的谐波进行检测。     

基于多子带信号采样和小波变换的宽带频谱感知*

在GHz级宽带信号频谱感知中,如果直接采样此宽带信号,其所需采样速率太高,超过现有的模数转换器指标;确切估计出主信号所占频段,可以进一步提高频谱利用率;因此本文基于调制宽带转换系统（MWC）,提出一种基于多子带信号采样和小波变换的宽带频谱感知方法。首先利用MWC实现宽带信号的低速率采样,得到子带信号;然后提出一种噪声功率及检测门限估计方法,再利用能量检测法实现对非噪声子带的频谱感知;最后利用小波变换对信号子带进行频谱边缘检测,以确定主用户信号占用频段的确切位置信息。仿真结果验证了本文所提出的宽带频谱感知方法的可行性和有效性。     

基于单周控制和i_p-i_q检测法的有源电力滤波器研究

针对基于单周控制的有源电力滤波器只能同时补偿谐波和无功分量的问题,提出了一种基于单周控制和ip-iq检测法的有源电力滤波器的设计方案。ip-iq检测法检测出的含有谐波或无功分量或两者皆有的基波分量作为单周控制器的参考信号,电源电流信号作为单周控制器的输入信号,这2个信号通过单周控制器生成补偿电流,从而实现单独补偿谐波或同时补偿谐波和无功分量的目的。仿真与实验结果验证了该方案的可行性。     

基于正交三角函数族的电力系统谐波识别算法

谐波是影响电能质量的重要因素,对谐波进行监测和分析具有重要的意义.基于傅立叶变换与小波变换的算法是目前电力系统谐波分析最常见的分析方法,但两者都存在频谱混叠问题.为了克服传统谐波算法的频谱混叠从而提高检测精度,根据电力系统信号的特点设计了一种新的基于正交三角函数族的谐波识别算法.算法不存在谱间干扰,能得到高精度的稳态谐波分量的幅值与相位信息.通过与FFT、加窗FFT以及小波包算法的对比,算法具有实现简单,分析精度高的优势.仿真试验验证了该算法的可行性.     

基于实时小波算法的暂态扰动检测的FPGA实现

通过实时小波算法在FPGA中的实现来检测暂态电能质量问题。采用高、低通分解滤波器来实现小波变换算法,以DB5小波为基函数,通过对暂态电能质量中五种扰动信号建立分析模型进行仿真并基于FPGA硬件平台进行模拟电能信号测试。对比信号源与测试结果中奇异点起止与持续时间,结果证明了该方法的准确性和可行性。     

闪变FFT检测算法的误差分析及修正

快速傅里叶变换(FFT)是在实际应用中测量闪变最常用的一种算法, 但是传统的快速傅里叶变换算法对于测量含多个调幅波所引起的闪变结果与国际电工委员会(IEC)推荐的测量闪变的方法相比不够准确, 存在比较大的误差。为了准确测量闪变, 提出了一种基于改进的快速傅里叶变换算法。以单频率调幅波和双频率调幅波为闪变检测输入信号, 对FFT法检测闪变的各实现环节与IEC方法进行对比分析, 发现FFT检测算法所得的瞬时闪变值与IEC所得的瞬时闪变值有一定的差距, 从而找出FFT检测法的误差来源, 通过修正瞬时闪变值来达到准确检测的目的。通过MATLAB仿真分析可以看出, 基于改进FFT的闪变检测结果与IEC法基本一致, 达到IEC闪变测量精度要求。该检测方法实现简单, 并且可以拓展应用于含三个及以上的调幅波的闪变检测。     

基于HHT的煤矿电网扰动起止时刻检测方法

针对煤矿电网电能质量扰动复杂、采用小波分析技术解决扰动暂态过程存在小波基选择的问题,提出了一种基于HHT的扰动起止时刻检测方法。该方法以电压缺口为例,在30dB和40dB噪声环境下,首先采用EMD算法对电压缺口信号进行分解,得到IMF1分量、IMF2分量、IMF3分量和剩余分量R;然后对含有高频部分的信号即原始信号、IMF1分量、IMF2分量进行Hilbert变换,得出通过瞬时幅值曲线中突变点位置可以检测扰动起止时刻的结论;通过对比原始信号、IMF1分量、IMF2分量的扰动起止时刻检测值,最后选用了误差最小的IMF1分量的瞬时幅值进行扰动起止时刻检测。实验结果表明,该方法精度高、抗噪声能力强。     

基于改进型能量算子的电压暂降快速检测方法

为了准确定位电压暂降扰动和精确测量暂降幅值, 提出了一种将新型Teager能量算子(NTEO)和有效值算法结合进行暂降检测的新方法。通过引入分辨率参数i对Teager能量算子（TEO）进行改善, 得到抗噪性能更优越的NTEO算法, 利用NTEO算法定位电压暂降扰动起止时刻, 并采用有效值（RMS）方法对所定位的暂降进行幅值测量。仿真结果表明, 该算法与小波变换相比实时性更强, 并弥补了TEO抗噪性能较差和RMS方法不能准确定位扰动的不足, 能够快速、准确地检测到电压暂降。     

基于db4提升小波的暂态电能质量的检测

暂态扰动是影响电能质量的重要因素之一,对电力用户和电力系统都会产生危害。针对暂态扰动信号具有非平稳性、突变性的特点,分析了db4提升小波变换的特性,提出了更新—预测—更新—预测—更新的结构,选择了合适的采样频率和分解层数,对暂态电能质量扰动信号进行检测与定位。在MATLAB仿真环境下,利用db4提升小波变换对电压暂降、暂升、中断以及暂态脉冲、振荡等几种暂态电能质量扰动信号进行检测与定位,仿真结果表明,该方法可以实现对扰动信号起止时刻更为准确的检测与定位,且计算速度快。     

基于NNAC算法的电能质量暂态扰动检测

针对当前电能质量检测分析的难点和重点问题,在分析了目前使用最多的方法小波变换优缺点的基础上,提出了基于神经网络自适应控制（NNAC）的电能质量暂态扰动检测算法。给出了电能质量暂态扰动检测的自适应控制结构,采用Hebb学习规则进行权值学习,并对电压暂降、电压瞬升、电压中断和暂态振荡等暂态扰动进行了仿真测试,结果表明所提算法可以很好地检测电网中的暂态扰动信号的类型,确定扰动发生的起始时刻和持续时间,且分析计算简单,速度快,计算所得数据量少,在电能质量扰动检测中更加具有实时性。     

一种基于小波变换的电能质量特征量提取及分类的方法

提出了一种利用小波变换实现动态电能质量特征量扰动(电压上升、电压凹陷、电压中断、电压瞬变和电压缺口等)的提取以及分类方法. 利用小波变换的奇异性检测原理提取动态电能质量信号中的突变, 并进行定位, 确定信号变化的时间,并用电压均值法确定扰动的类别, 并通过仿真表明方法的有效性. 最后讨论了本方法在DSP上的实现.     

基于小波变换的目标信号检测方法

根据舰船轴频电场信号的特点,提出了基于小波变换的目标信号检测方法.利用小波变换计算信号的功率谱,提取特征量,对信号进行滑动地目标检测.通过对海上试验采集的舰船轴频电场数据进行仿真,验证了该检测方法的有效性.     

Temporary short circuit detection in induction motor winding using combination of wavelet transform and neural network

Monitoring system for induction motor is widely developed to detect the incipient fault. Such system is desirable to detect the fault at the running condition to avoid the motor stop running suddenly. In this paper, a new method for detection system is proposed that emphasizes the fault occurrences as temporary short circuit in induction motor winding. The investigation of fault detection is focused on the transient phenomena during starting and ending points of temporary short circuit. The proposed system utilizes the wavelet transform for processing the motor current signal. Energy level of high frequency signal from wavelet transform is used as the input variable of neural network which works as detection system. Three types of neural networks are developed and evaluated including feed forward neural network (FFNN), Elman neural network (ELMNN) and radial basis functions neural network (RBFNN). The results show that ELMNN is the most simply and accurate system that can recognize all of unseen data test. Laboratory based experimental setup is performed to provide real-time measurement data for this research.     

基于正交小波变换的心冲击图自适应去噪方法

研究了心冲击图的正交小波变换最小均方自适应去噪;阐述了基于正交小波变换的最小均方自适应去噪原理;利用径向高斯核函数对心冲击图进行自适应时频联合分析,得到了中心频率并确定了小波分解尺度;提出了通过选择小波基函数和输入信号长度确定自适应滤波器阶数的方法;从矩阵角度给出了算法的实现步骤,并分析了正交小波变换提高最小均方算法收敛速度的原因.实验结果表明,正交小波变换最小均方算法使自适应去噪后的心冲击图更快达到稳态,随心动周期的变化趋势更加明显.比较去噪前后心冲击图的功率谱密度可知,正交小波变换最小均方算法在保留心冲击图特征的同时自适应地去除了其中的时变噪声,获得了良好的去噪效果.