经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换（EWT）和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交（NDQ）算法和奇异值分解（SVD）算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法（IPSO）优化支持向量机（SVM）的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。     

基于改进经验小波变换的电能质量扰动检测新方法

针对经验小波变换(EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄漏和噪声污染干扰的问题,提出一种基于改进经验小波变换(IEWT)的电能质量扰动检测新方法。首先,通过Fourier谱包络动态测度算法确定扰动信号的特征频点,并在原有频带边界的基础上进行延拓;然后,运用IEWT将扰动信号分解为若干调幅-调频(AM-FM)分量之和;最后对扰动分量实施标准希尔伯特变换,以求取扰动幅值、频率和起止时刻。通过算例仿真和变电站实测数据验证了所提方法的有效性,并对其检测结果进行对比分析。实验结果表明,所提方法兼具良好的模态分解能力和抗噪性能,且普适性更强,运算耗时更短,适用于工程实践。     

基于S变换和多级SVM的电能质量扰动检测识别

提出了一种基于S变换和多级支持向量机(SVMs)的电能质量扰动检测和识别方法.首先通过S变换对电能质量扰动信号进行时频分析,有效实现对各种扰动的检测输出.然后对检测输出进行时频特征提取,并通过一个N?1级支持向量机器分类器,最后实现N种电能质量扰动信号的分类识别.测试结果表明,该方法能有效识别参数大范围内随机变化的各种电能质量扰动,识别正确率高,且训练时间很短,实时性能好.     

电能质量扰动分析中广义S变换算法的改进与实现

基于传统广义S变换的电能质量扰动分析方法计算量大,不利于信号的实时检测与分类,且存在信噪比不高时检测精度仍较低和分类正确率不高的问题。该文对传统广义S变换算法进行改进并应用于电能质量扰动分析。首先,利用快速傅里叶变换估计信号频率,缩小频域分析范围,大幅度节省计算时间;其次,用双高斯窗替代传统高斯窗,解决传统广义S变换检测扰动起止时间的幅值曲线变化缓慢的问题,并通过自适应选择双高斯窗参数,信号变换后得到的模时频矩阵信息更加可靠。最后,借助Matlab R2010b仿真平台引入新的电能质量扰动指标准确估计扰动起止时间信息和依据提取有效特征信息直接分类或借助简单的判别树识别特定扰动,提高了分类效率和正确率。通过对12种电能质量扰动信号的分析结果,验证了文中方法的有效性。     

基于小波变换与希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识研究

由于可再生能源接入微电网会给其带来很多电能质量问题,因而对微电网的电能质量信号进行检测及辨识十分必要。但在对电能质量信号进行采集与检测的过程中极易受到噪声的干扰,有效地降低信号中的噪声且完整地保留下反映信号突变特征的奇异点是检测其电能质量扰动的基础。而传统检测方法基本只适用于稳态电能质量扰动且抗噪性较低。为提高在噪声条件下检测的准确性,本文提出了一种基于小波变换和希尔伯特-黄变换的微电网暂态电能质量扰动检测及辨识的方法。该方法使用小波阈值去噪方法消除信号噪声,并利用小波变换和希尔伯特-黄变换对微电网暂态电能质量扰动进行辨识及检测,同时进行了计算机仿真验证,仿真结果表明:该方法去噪效果明显、辨识效果显著、检测精度高、实用性强。     

基于S变换的暂态电能质量扰动检测与仿真

提出了基于S变换的暂态电能质量扰动检测的新方法。介绍了S变换的基本原理和利用S变换的幅值矩阵检测电能质量扰动的实现方法。仿真试验表明该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于电能质量扰动的监测和辨识系统。     

S变换在电能质量扰动分析中的应用综述

结合国内外采用S变换应用于电能质量扰动分析的现状,对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足,介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。     

基于S变换的暂态电能质量扰动检测与仿真

出了基于S变换的暂态电能质量扰动检测的新方法.介绍了S变换的基本原理和利用S变换的幅值矩阵检测电能质量扰动的实现方法.仿真试验表明该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于电能质量扰动的监测和辨识系统.     

S变换在电能质量扰动分析中的应用综述

结合国内外采用S变换应用于电能质量扰动分析的现状,对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结.分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足,介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况.最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望.     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

基于二进小波变换的电能质量扰动检测

电能质量扰动起止时刻和持续时间是描述扰动的重要属性,为了对电能质量进行分析与评估,需要对其进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。连续小波变换的计算量大,存在较大冗余,而多分辨率分析的方法由于进行了二抽取,难以直接根据变换结果进行检测,需要重构信号,因此,采用了二进小波变换对电能质量扰动进行检测。使用电磁暂态分析程序ATP仿真软件对电能质量扰动信号进行了仿真,用样条小波进行二进小波变换,检测结果表明在分解尺度一上可以实现较为准确的检测。     

基于希尔伯特-小波变换与神经网络的风电接入配电网电能质量检测与辨识方法研究

提出了一种希尔伯特变换、小波变换与神经网络相结合的风电接入配电网电能质量检测与辨识方法。该方法利用希尔伯特变换对低频电能质量扰动敏感、小波变换对高频电能质量扰动和短时电能质量扰动敏感及消噪能力强、神经网络模式识别能力强等特性,通过合理的小波变换消噪、希尔伯特变换的时间幅值特性和时间频率特性以及离散小波变换的细节系数、尺度系数和模极大值的计算,可以检测出各个电能质量扰动的实时值、幅值、频率和起止时间;通过合适的神经网络,辨识出各个电能质量扰动的具体类型。该方法具有通用性强、检测信息全面、检测准确度高和辨识准确性高等优点,仿真结果验证了其有效性和可行性。     

电能质量扰动检测与分类方法的应用策略

近年来,电能质量扰动问题引起越来越多国家电力部门和用户的关注,对其进行正确的检测和分类十分必要。介绍了基于Foufier变换(F11)、小波变换(WT)、小波包变换(WPT)、人工神经网络(ANN)和Hidden Markov模型(HMM)等理论的电能质量扰动检测和分类方法;阐述了电能质量扰动检测和分类的研究现状和方向。对比分析了各种方法之利弊,指出了基于FFT尺度分类法和基于WPT的HMM模型法的分类器优于其他检测和分类方法。     

小波包变换在电能质量扰动检测中的应用

鉴于小波包变换能够均匀划分信号频带,聚焦任意频率,是暂态电能质量扰动分析的良好工具,提出了在噪声环境中电能质量扰动检测和定位的有效方法,即利用小波包变化模极大值原理定位电力系统短时扰动并确定扰动持续时间。仿真表明,通过小波包一、二次分解和重构能更好地提取扰动特征信息,从而为电能质量的检测、评估及治理提供依据,且该算法计算简单、快速、有效。     

电能质量的S变换仿真

针对电能质量扰动信号的特征,介绍了一种基于S变换的信号检测与分类的方法.该方法利用S变换模矩阵来检测电能质量扰动信号,并对其进行分类.对影响电能质量的8种扰动信号(电压凹陷、电压隆起、短时中断、电压尖峰、电压缺口、谐波、间谐波和瞬态振荡)进行了仿真.仿真结果表明,该方法可以准确地确定扰动发生时刻和持续时间,能够对电能质量扰动信号进行简单、直观地分类.     

基于S变换的电能质量扰动特征提取

电能质量扰动识别是电能质量检测系统的重要组成部分,也是进一步采取适当措施对其进行治理和控制的前提和依据。通过对扰动信号的S变换提取出扰动信号基频和高频特征,从而实现对电能质量扰动的分类,并通过S变换后的基频和高频特征分别提取出扰动信号前后的瞬时振幅以及扰动起始、终止时刻。实验结果表明,S变换可准确检测出电能质量扰动信号所属类别和扰动特性,以及扰动信号的起始、终止时刻。     

基于小波变换的电能质量扰动检测与定位

根据电能质量扰动信号的非平稳性,通过对小波变换原理的分析,从小波变换能够突出信号局部特征的特性出发,探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了利用小波变换对电网电压暂降及周期脉冲等典型电能质量扰动进行检测与定位的方法。为验证方法的有效性,以电压暂降扰动和周期脉冲扰动检测为例进行了相应的仿真研究,结果证实了利用小波变换能更精确地检测和定位电能质量扰动。     

电能质量扰动小波变换检测与识别方法的发展

电能质量扰动问题近年来已经成为众多领域关注的焦点，国内外学者提出了一系列对电能质量扰动进行分析的方法。介绍几种常用的电能质量扰动检测和识别方法，重点分析了基于小波变换以及小波变换与其他方法如时域分析法、d-q变换、人工神经网络等相结合的电能质量扰动识别方法，比较了各种方法的特点，指出了该领域研究发展的前景。     

基于离散余弦变换和小波变换的电能质量扰动信号检测方法

综合离散余弦变换和小波变换模极大值原理在时频分析中的优点,提出了基于离散余弦变换和小波变换的电能质量扰动信号检测方法.先通过离散余弦变换检测出各种基频干扰(电压暂降、电压暂升和电压间断)和各次谐波(包括暂态谐波),再利用小波变换模极大值原理检测出暂态振荡和暂态脉冲,并实现扰动时间和扰动幅值的测定.该方法具备较强的抗噪能力,仿真结果验证了该方法的有效性.     

基于改进S变换和GA-SVM的电能质量扰动识别与分类

电能质量扰动的准确识别与有效分类是改善与治理电能质量问题的前提,针对当前电能质量扰动识别与分类存在的不足,提出一种基于改进S变换和遗传算法(genetic algorithm,GA)优化支持向量机(support vector machine,SVM)的电能质量扰动识别与分类方法.首先,在S变换高斯窗函数中引入调节因子...