结合短时傅里叶变换和谱峭度的电力系统谐波检测方法

针对电能质量分析中的谐波检测问题,提出一种结合短时傅里叶变换和谱峭度的电力系统谐波检测方法。采用短时傅里叶变换作为时频分析工具对采样信号进行时频分解,同时引入频谱标准差和基于短时傅里叶变换的谱峭度作为辅助分析。通过频谱标准差和谱峭度对谐波模态进行识别,并根据识别结果从频谱矩阵中提取出相应的谐波分量,然后采用基于奇异值分解的扰动定位方法对暂态谐波的起止时刻进行准确定位。仿真实验结果验证了算法的有效性,在低信噪比的情况下仍具有较高的检测精度,具有较好的抗噪性和鲁棒性。     

基于短时傅里叶变换的电能质量扰动识别与采用奇异值分解的扰动时间定位

提出了用短时傅里叶变换作为时频信号分析工具研究电能质量扰动识别问题,同时提出了用奇异值分解技术研究扰动时间定位问题。从扰动电压信号短时傅里叶变换后得到的二维频谱幅值矩阵中提取出4个特征序列,生成频谱峰值曲线、基频幅值曲线、高频幅值曲线和幅值标准差曲线,这些曲线用6个特征量来表征。当6个特征量中的某几个满足一定的取值组合...     

基于短时傅里叶变换及其谱峭度的电能质量混合扰动分类

考虑到电能质量混合扰动分类的复杂性,提出一种基于短时傅里叶变换(short-time Fourier transform,STFT)及其谱峭度(spectral kurtosis,SK)的电能质量混合扰动分类方法。采用短时傅里叶变换作为时频分析工具分析各种类型的电能质量扰动,同时引入基于短时傅里叶变换的谱峭度作为辅助分析,从基频幅值曲线、频率幅值标准差曲线和频率谱峭度曲线中提取适宜的特征量,然后采用基于Binary-SVM的多标签分类法对电能质量混合扰动进行分类。该方法充分考虑到单一扰动之间的相互影响,并通过所提取的特征量进行有效抑制。仿真结果表明,该方法对单一扰动和混合扰动的分类均具有较高的分类准确度,具有较强的鲁棒性和较好的抗噪性。     

基于多变换-谱峭度的配电网暂态电能质量扰动检测与辨识方法研究

针对配电网暂态电能质量扰动类型众多和噪声环境复杂等因素造成的暂态电能质量扰动精准辨识难度大等问题,论文深入研究了一种基于多变换和谱峭度的智能配电网暂态电能质量精准检测与辨识方法.该方法先通过小波变换消除信号中的噪声,然后对消噪后的信号进行小波变换检测出暂态电能质量扰动的幅值和时刻,并利用谱峭度对信号的冲击成分敏感及抗噪能力强等特性,通过对消噪后的信号短时傅里叶变换的谱峭度计算辨识出暂态脉冲、暂态振荡和短时电压变动,通过对短时电压变动扰动进行希尔伯特-黄变换检测出短时电压变动中的电压暂降、电压中断和电压暂升的瞬时频率和瞬时幅值,进而辨识出电压暂降、电压中断和电压暂升.该方法避免了HHT对暂态脉冲、暂态振荡的无用检测,具有计算过程简单、检测精确度高、辨识精确性高、通用性强等诸多优势.     

修改DEH 阀序消除机组轴振及降低轴承温度

1 DEH调节阀控制顺序阀控制是DEH对机组功率的一种控制功能,按照汽轮机高压调节阀的开关顺序,将汽轮机流量指令分配给各高压调节阀,以确定各高压调节阀的开度.调节阀管理程序接受的控制信号为负荷调节或CCS控制方式下转化成的综合阀位指令,即通过逻辑程序将蒸汽流量信号转换成相应的调节阀开度.在单阀方式下,各高压调节阀的开度相同,蒸汽全周进入调节级动叶,调节级叶片受热均匀,机组可以较快改变负荷,但由于各调节阀均为部分开启,因此节流损失较大.在顺序阀方式下,需要确定调节阀的开启顺序及其对应开度.在2种方式相互转换时也需要进行流量与开度的转换.调节阀管理程序同时计算各调节阀在单阀和顺序阀方式下的最终流量值.     

基于小波变换与傅里叶变换相结合的电能质量监测方法

介绍了至今为止国家标准中规定的各项电能质量指标的计算方法,提出了一种将小波变换与短时傅里叶变换相结合的方法对电能质量的暂态和稳态问题监测的方法,其中小波变换选用Mallat算法,短时傅里叶变换窗函数选用Hanning窗。利用小波变换Mallat算法对暂态电能质量问题进行实时监测,并且区分稳态扰动与暂态扰动,再对各频段进行短时傅里叶变换去分析,从而能够很好的对时域和频域进行分析。MATLAB的仿真结果验证了该方法的准确性和有效性     

基于变尺度标杆的短时电能质量分类法

短时电能质量扰动特征取决于其频率特征和持续时间,S变换被认为是最适合于分析短时扰动的方法之一。提出了基于S变换的不同类型扰动标杆相似度识别不同持续时间扰动的方法。基于双线性插值的尺度变换建立同类扰动不同持续时间的标杆,该扰动标杆涵盖了同类扰动的不同特征;对被测扰动信号进行S变换,经过尺度变换后统一为与标杆维数相同的矩阵,依据相似度最大原则对扰动类型进行识别。该方法无需额外的分类器,过程简单有效。仿真证明,该方法对噪声不敏感,能较好地解决不同持续时间的电能质量扰动信号的识别问题。     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法--基于经验模态分解(EMD)的希尔伯特(Hilbert)变换方法,应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测;通过Hilbert边际谱与傅里叶幅值谱的比较,表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

电厂一次风管道调节阀开度特性研究

选用了两种阀门,针对不同阀门开度利用Fluent对一次风管道内部流场进行仿真模拟及分析计算,研究所选阀门在不同阀门开度下管道的流量和阻力特性,得到了调节阀质量流量与阀门开度的关系式,可用于一次风管道风粉均衡调节时有望进一步显著改善锅炉带粉运行时风、粉分配不均的现象。     

LCMV分频的改进维纳滤波后置波束形成算法

针对封闭环境中语音信号受到混响影响,提出了LCMV分频的改进维纳滤波后置波束形成算法。该算法通过计算麦克风阵列接收到含混响信号的短时傅里叶变换得到频域阵列信号,对频域阵列信号分频处理,将分频的信号进行线性约束最小方差波束形成滤波处理,该波束滤波根据每个频段上混响时间不同的特性对频域阵列信号进行分频处理后,将波束形成算法分别应用到高低频中,以提高混响抑制的精度;再由频域阵列信号的组合功率谱进行维纳后置滤波以抑制混响,由麦克风阵列接收到混响信号的直达波和反射波之间不相关性及麦克风阵列接收信号的空间信息解决维纳滤波器的精确估计问题;最后由逆短时傅里叶变换恢复出时域信号。仿真结果表明,该算法对混响抑制具有明显的改善;且在混响时间600 ms条件下语音增强系统的PESQ值提高了0.26。     

Study of the Flow Induced by a Sliding Discharge

In this work, we report on electrical and fluid-dynamics studies concerning the flow induced by a sliding discharge (SD). This kind of discharge was created with a three electrode system configuration: one excited with AC and the others with a DC negative voltage. The SD was activated on a quiescent fluid at atmospheric pressure. The flow field induced by the SD was analysed by measurements undertaken with Pitot probes and Schlieren Image Velocimetry. Under the conditions of our experiments two "jet flows", that blown towards the interelectrode space, were induced from the air exposed electrodes. As a consequence of the mutual interaction of these two flows and of the magnitude of each flow, a resulting plume like planar jet of adjustable direction (0-180deg) could be formed. A robust control of the axis direction of the plume could be achieved by modifying the AC voltage value.     

基于S变换和希尔伯特-黄变换的电能质量复合扰动分类识别

根据S变换和希尔伯特-黄变换的时频分析特点,提出一种电能质量复合扰动的分类识别方法。通过 S变换提取出扰动信号的基频和高频特征,并结合希尔伯特-黄变换提取出扰动前后信号的瞬时振幅。通过分析各扰动信号的特点,定义了相应的特征函数作为分类识别的判据,从而实现对电能质量复合扰动的正确分类,并准确定位出暂态扰动的起始、终止时刻。实验结果表明,通过 S 变换和希尔伯特-黄变换的融合,可准确地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。     

An effective wavelet-based feature extraction method for classification of power quality disturbance signals

This paper presents a wavelet norm entropy-based effective feature extraction method for power quality (PQ) disturbance classification problem. The disturbance classification schema is performed with wavelet-neural network (WNN). It performs a feature extraction and a classification algorithm composed of a wavelet feature extractor based on norm entropy and a classifier based on a multi-layer perceptron. The PQ signals used in this study are seven types. The performance of this classifier is evaluated by using total 2800 PQ disturbance signals which are generated the based model. The classification performance of different wavelet family for the proposed algorithm is tested. Sensitivity of WNN under different noise conditions which are different levels of noises with the signal to noise ratio is investigated. The rate of average correct classification is about 92.5% for the different PQ disturbance signals under noise conditions.     

基于GWO-SVM的电压暂降扰动源识别

针对电压暂降扰动事件发生频繁、扰动种类多样,难以有效识别扰动源的实际情况,结合电压暂降扰动信号的时-频特性、灰狼优化算法(GWO)和支持向量机(SVM)分类模型,提出了一种电压暂降扰动源识别新方法。通过S变换对电压暂降扰动信号进行多分辨率时-频分析,从S变换结果矩阵中提取出信号的特征曲线,建立6类电压暂降混合扰动信号的8个特征量。构建GWO-SVM一对余(OVR)分类器,以提取出的特征量作为输入,对扰动源进行分类识别。基于MATLAB/Simulink构建电压暂降模型,经仿真验证分析,该方法可以有效识别电压暂降扰动源,也为电压暂降扰动治理提供必要的技术支撑。     

叶片前缘气膜冷却离散孔下游湍流特性试验研究

以NASA发布的燃气轮机叶片为研究对象,风速设定为10m／s;以热膜风速仪为测量工具,在气膜冷却叶片压力面和吸力面下游指定位置沿不同叶高湍流度进行测量。实验结果表明：随着射流比的增大,压力面和吸力面主射流掺混中心有上移的趋势且掺混中心扰动强弱受当地吹风比影响较大;在压力面叶片型面曲率梯度较大处,沿壁面流动的风速增大导致回流、扰动加强及混合流体的贴壁性变差;吸力面流体近尾流区域在大吹风比下扰动反而减弱;叶片表面的湍流度受到射流比、壁面曲率梯度大小及方向等多方面因素的影响。     

水电站厂房振动传递路径的仿真模拟及结构振动特性研究

基于泸定水电站厂房,研究提出了水电站厂房非定常湍流、机组及混凝土结构相互作用的流固耦合振动分析方法,对流体压力脉动的振动能量传递路径进行了仿真模拟,建立了厂房全流道湍流-整体结构流固耦合振动分析的全耦合仿真模型。通过流体和固体交错迭代考虑流体和固体间的耦合作用,进行时程振动计算分析。结果表明,水轮机叶片与导叶间静动干扰所引起的流体脉动压力对厂房整体结构振动影响较为显著,座环安放处混凝土的振动相对最为剧烈,研究成果揭示了水电站厂房的整体振动规律。     

基于广义S变换的短时电能质量扰动信号分类

提出一种基于广义S变换的短时电能质量扰动信号分类方法。首先对短时电能质量扰动信号进行广义S变换,得到模矩阵,再从模时频矩阵中提取5种统计量特征值,然后利用决策树对扰动信号进行归类,从而实现对短时电能质量扰动信号的自动分类。仿真结果表明,该方法识别正确率高,且对噪声不敏感,适用于实际电网电能质量扰动信号的分析。     

电能质量分析与参数估计的研究方法综述

当前,整个社会对高质量电能的追求与电能质量问题日趋严峻的矛盾越来越突出,准确全面地进行电能质量分析,进而采取合理措施实现电能质量的改善和治理已十分必要.综述电能质量信号的特征提取、消噪、扰动的参数估计和扰动分类等四个电能质量分析领域的研究现状,总结了各种分析方法的优缺点和适用范围.所得结论对于进一步开展电能质量分析的研究具有参考价值.     

基于改进局部均值分解和概率神经网络的电压扰动识别

随着新能源技术的发展和普及，大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响，提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合，构造一种电压扰动分类器，对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应，应用改进LMD算法对扰动信号进行3层分解，得到具有电压信号幅频信息的乘积函数PF（product function）分量，将由PF分量构造的信号能量作为概率神经网络的输入，以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验，结果表明，该方法可以准确识别电压扰动信号，有助于提高电力系统中电压扰动信号的识别精度。     

小波局部奇异性检测在CFB中的应用

压力波动是流化床设计和运行中的重要问题,其信号包含了流化床内大量的流体动力学行为特征。以小波变换方法进行连续小波变换,提取小波局部极大模线来对流化床内的压力信号进行分析,讨论了表观气速、静床高和床料粒径对压力波动的影响,分析结果有助于深入理解CFB流动机理。