一种适合于电力系统机组组合问题的混合粒子群优化算法

该文针对机组组合问题，提出了一种新的混合粒子群优化算法。该算法包含3个重要的方面：通过在算法迭代过程中对松弛后的0、1变量与机组有功出力变量并行地进行优化，避免了由于决策变量过多造成的维数灾难题；引入变动阈值，解决了在寻优过程中粒子的值出现振荡时可能会丢失机组有效启停状态的问题：在粒子群优化算法中引入启发式变异技术，有效地处理了机组启、停时间的约束并提高了粒子群优化算法的全局收敛能力。文中通过对2个算例的计算及与其他算法进行的比较结果，验证了所提出的混合粒子群优化算法具有更好的全局收敛性。  

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。  

基于小波包变换的电机测试信号去噪处理

作为一种日益获得广泛应用的信号处理新技术 ,小波分析具有良好的时频局域化特性 ,适应于时变和瞬变信号的分析。针对电机起动过程中的噪声干扰信号 ,提出了基于小波包变换的浮动阈值去噪算法。实验结果表明 ,该方法具有良好的去噪性能  

电能质量信号的小波软阈值去噪方法

基于DONOHO的软阈值去噪方法,提出了一种改进的小波软阈值算法。该算法利用高斯白噪声的正态分布特点、3Σ法则和小波变换系数的分布特点,在有效去除白噪声的同时较好地保留了信号的局部特征,且不受采样点数的影响。MATLAB仿真表明,该法在较强白噪声干扰下仍能有效去噪,较之无偏风险、固定阈值、启发式阈值、极大极小值等去噪方法更为有效,特别适于强噪声背景下弱信号的提取。  

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解(EMD)的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数(IMF)的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。  

软门限小波去噪在变压器冲击试验中的应用研究

利用基于小波标架的软门限压缩降噪方法，对变压器冲击试验中的中性点电流进行处理。为了验证该方法可以在去噪的同时有效的保留原信号的特征分量，进行了模拟故障试验。结果表明这种去噪方法适用于对衰减快、振荡的信号的处理，能较好地解决保护信号局部特征与抑制噪声之间的矛盾。  

基于小波变换抑制GIS局部放电监测中白噪干扰的新方法研究

针对GIS局部放电监测中的白噪干扰 ,以离散二进小波变换为基础 ,采用软硬阈值结合的混合阈值滤波方式 ,将信号的能量误差函数作为去噪的目标函数 ,提出了一种从白噪声中提取GIS局部放电信号的新方法。仿真试验结果表明 ,该方法具有抑制白噪干扰能力强 ,PD信号畸变小 ,算法简单等优点 ,能够从白噪干扰中有效地提取出局部放电信号。  

基于小波包的图像去噪方法

本文在分析了信号与噪声的不同小波特性的基础上，提出了一种基于小波包的去噪方法，并用实验验证了该方法比相同条件下小波去噪的效果好。  

基于小波变换的自适应阈值消噪法

信号消噪与恢复是信号处理的一项前期的、最基本的工作，其目的是尽可能地复原被噪声(或干扰)污染的信号，消噪效果直接影响到后期的信号处理。介绍了几种常用的小波消噪方法，分别是小波分解与重构法、非线性小波变换阈值法、平移不变量法和小波变换模极大值法。针对非线性小波变换阈值法提出了一种自适应阈值消噪法。通过仿真实验证明，该方法不仅消噪效果好，而且可用于对含有时变的噪声信号进行消噪。  

基于小波原理的电能质量检测数据实时压缩方法

根据小波变换的理论，结合电能质量检测数据的特点，文中将基于小波变换系数的门限方法应用于电能质量检测数据的压缩。仿真计算结果及其分析表明，该方法简单而且压缩效果较好，能保留压缩信号的局部特征，计算速度快，很适合于实时性要求较强的场合。