伪并行遗传算法在无功优化中的应用

在无功优化中，应用矩阵奇异值分解理论，引入了静态电压稳定裕度最大化目标和并行遗传算法思想，提出了用于无功优化的伪并行遗传算法。该算法在一定程度上避免了常规遗传算法容易出现的“早熟”现象，收敛速度也有一定提高。对Ward＆Hale 6节点和IEEE 14节点系统进行了测试，计算结果表明，本文所提模型和算法是合理可行的。  

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。  

一种用于电力系统谐波与间谐波分析的超分辨率算法

文中总结了经典DFT方法的缺陷,将现代谱估计理论引入电力系统谐波、间谐波分析领域,详细讨论了基于子空间分解的Min-Norm算法原理,针对其估计性能受噪声影响大的缺点,提出了基于互相关的互谱Min-Norm算法,利用白噪声序列的独立性及互相关运算有效地抑制了噪声对算法的影响,并将其用于电力系统谐波、间谐波分析。仿真结果表明该算法不仅具有超分辨率特性,而且可在低信噪比环境中获得高分辨率、高精度、高稳定性的谐波、间谐波分析结果,具有经典DFT方法无可比拟的优越性,可推广应用于电力系统谐波、间谐波测量领域。  

基于奇异值分解的电力系统谐波状态估计

用传统最小二乘法及其改进方法进行谐波状态估计时,大都是对谐波进行非同步测量,然后求解一个大型的超定线性方程组,其估计精度不足、计算量大、状态量测量数目多且费用昂贵。提出一种基于同步相量测量的谐波状态估计,并用复数奇异值分解求解病态线性复变量方程组的方法,可在系统状态非完全可观的情况下进行有效估计,降低了对测量冗余的要求。以IEEE30节点系统为例,采用同步测量方法测量支路的谐波电流和节点的谐波电压,分别用Matlab和基于奇异值分解(SVD)的最小二乘估计程序进行仿真。结果表明,用SVD算法对系统进行谐波状态估计时较为准确。  

一种提取噪声中正弦信号的总体最小二乘法

本文提出了一种提取噪声中正弦信号的总体最小二乘方法。在采用信号增强技术降低观测噪声后 ,利用总体最小二乘方法估计被测信号参数可以得到比传统方法更好的分析结果。仿真实验表明 ,本文方法具有较好的噪声稳定性和较高的频域分辨能力 ,能准确地检测出频率非常接近的正弦信号 ,具有较好的估计性能  

基于奇异值总体最小二乘法的间谐波估计算法

通过分析噪声误差，提出采用奇异值总体最小二乘(singular value decomposition total least squares，SVDTLS)算法进行间谐波频率估计，即同时考虑矩阵方程两边的噪声干扰，采用SVDTLS算法求解该情况下的最小范数解，通过对增广矩阵进行奇异值分解(singular value decomposition，SVD)，采用简单实用的与信噪比相关的主奇异值个数确定方法对分解的右奇异矩阵进行存储计算，得到了较精确的间谐波频率估计结果。仿真结果表明，该算法具有良好的抗噪性能和数值稳定性，在低信噪比情况下可准确提取信号的频率。  

特高压交流线路故障谐波分析

针对特高压线路典型分布参数特性,利用现代信号处理方法-最小二乘矩阵束法实时分析故障电流谐波。以1000 kV电压等级的输电线路为模型,用EMTP仿真建模,给出了最小二乘矩阵束法分析线路中间和末端发生单相接地和三相短路时的故障信号中的自由分量衰减特征。仿真结果表明,最小二乘矩阵束法以衰减指数函数为模型,能够快速、准确地计算出故障信号中的频率分布、相应的频率衰减时间常数以及含量。同时也给出了电科院1000 kV的动模波形和EMTP仿真波形的结果比较。动模分析结果表明,仿真模型合理,该方法很适合于暂态谐波分析,为分析暂态量对保护的影响提供指导意义。  

奇异值分解和最小二乘支持向量机在电能质量扰动识别中的应用

基于奇异值分解(singular value decomposition，SVD)和最小二乘支持向量机(least square support vector machine，LS-SVM)提出电能质量扰动类型识别的新方法。通过对电能质量扰动信号的小波包变换系数矩阵进行奇异值分解，将基频、扰动频率分量、噪声分解到不同的正交特征子空间。再与正常电压信号的奇异值作比值以抵消噪声能量的影响，最大限度地体现出扰动类型间的细微差别，以此作为扰动特征向量，作为最小二乘支持向量机分类器的输入参数，来实现电能质量扰动类型的识别。仿真结果表明，该方法识别准确率高，受噪声影响小，算法稳定性好。  

基于奇异值分解和内点法的交直流系统无功优化

基于奇异值分解和预测?校正原对偶内点法,提出了一种交直流系统无功优化策略.首先基于交直流网络间的耦合关系,并利用奇异值分解的右奇异向量指标判别交直流系统电压稳定弱节点,候选为无功补偿节点;然后建立了以有功网损、无功补偿设备的投入、电压水平为目标的无功优化数学模型,在推导出交直流系统耦合的Jacobi、Hessian矩阵后,采用预测?校正原对偶内点法进行求解,从而获取优化补偿节点及补偿节点的优化补偿容量.经算例仿真验证了该策略的有效性和快速收敛性.  

奇异值分解理论和小波变换结合的行波信号奇异点检测

准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声，有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题，提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵，并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列，对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明，该方法在强噪声情况下可以去除噪声影响，并且保持信号的奇异性，准确检测到信号的奇异点。