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.     

基于小波系数KPCA和PNN的电能质量扰动分类

针对电能质量扰动分类,提出基于小波系数特征的核主成分分析(KPCA)和概率神经网络(PNN)的分类新方法.对正常信号和六种常见电能质量扰动(电压暂降、暂升、短时中断、谐波、电压波动和振荡暂态)进行小波变换和多尺度分析,提取各类扰动在多个尺度上小波系数作为特征向量;利用KPCA进行主成分提取,降低了小波系数特征向量维数,再输入PNN进行分类.仿真表明,该方法分类速度和准确率良好.     

基于深度置信网络的电能质量扰动事件分类

为满足电能质量扰动准确分类的需求,提出了一种基于极大重叠离散小波变换(MODWT)和深度置信网络(DBN)的电能质量扰动分类方法。首先利用MODWT提出一种可靠的电能质量暂态事件检测算法,该算法无需设定检测阈值,可准确获取暂态事件的起止时刻。接着提取暂态事件的电压谐波成分并组成特征向量。然后用DBN分类器对扰动信号进行分类识别,DBN方法比常用的分类方法具有更高的分类准确率和更短的训练时间。通过应用于现场实测扰动数据表明:所提出的方法适用于多种类型的电能质量扰动检测,在少样本情况下具有优越的分类性能。     

基于小波变换和模糊逻辑的暂态电能质量扰动分类

针对暂态电能质量扰动现象的内在特征,提出了小波变换和模糊逻辑相结合的暂态电能质量扰动分类方法。该方法使用小波变换提取扰动的时间特征,将扰动持续时间、扰动幅度、扰动频率、电压变化率绝对值作为暂态电能质量扰动的特征向量,输入到4输入2输出的模糊逻辑推理系统,自动判别暂态电能质量的扰动类型及扰动强度。在Matlab平台上使用该方法对应用电磁暂态仿真工具EMTDC仿真得到的暂态电能质量扰动波形进行分析,效果良好,验证了该方法的有效性。     

几种短时电能质量扰动分类和检测的双小波分析法

提出了短时电能质量扰动分类和检测的双小波分析法。利用双小波(dbl和db24)各自的优点，把电能质量5种扰动(电压凹陷、电压凸起、电压间断、暂态脉冲和暂态振荡)有效地从含有噪声的采样信号中鉴别出来，并能实现扰动的各项指标测定。该方法弥补了以往小波检测方法中，当噪声污染严重或扰动发生、终止在工频相角为0或π附近时，可能检测不到或误判断的不足。仿真计算结果表明，该方法对扰动的分类简单、有效，对扰动各项指标测定尤其是电压凹陷、凸起和间断的时刻及幅度的确定，精度甚高。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法.先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡.该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类.经仿真分析,验证了此方法的准确性和高效性.     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。     

基于小波变换的统一电能质量控制器检测方法研究

本文提出了一种基于小波变换的用于统一电能质量控制器(UPQC)的检测方法,该方法对系统中的电压暂态扰动及电流稳态谐波的检测与现存的其他检测方法相比具有快速、准确的特点,满足UPQC对系统进行实时补偿的要求,并且通过电压暂态扰动及电流稳态谐波检测的数字仿真,验证了这种方法的实用性和有效性.     

基于小波变换和神经网络的暂态电能质量自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹凸和电压中断分别检测出来,然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,能有效地避免噪声的影响,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。     

基于最小二乘支持向量机的电能质量扰动分类方法

提出一种基于最小二乘支持向量机和小波包分解的电能质量扰动分类方法。对正常电压和几种常见电能质量扰动(电压骤升、电压骤降、电压中断、暂态脉冲、暂态振荡、谐波和电压闪变)进行小波包分解,提取各终节点小波包系数的标准偏差作为特征向量;然后,用自适应优化算法对最小二乘支持向量机进行优化;最后,利用基于优化参数和最小输出编码的最小二乘支持向量机进行分类和识别。与BP神经网络分类方法相比,该方法能克服训练时间较长、容易陷入局部最小等问题,具有较快的训练速度和较高的分类准确率,在样本数较小时仍取得较好的效果。仿真实验验证了该方法对扰动分类的有效性。     

基于S变换模时频矩阵相似度的短时电能质量扰动分类

提出了一种基于S变换模时频矩阵相似度的短时电能质量扰动分类方法。首先,建立各种扰动的标准模时频矩阵,然后计算扰动信号模时频矩阵与标准模时频矩阵的相似度,按照相似度最大的原则将扰动分类。该方法直接利用S变换结果,而不用增加其它算法或变换,原理简单、计算方便。仿真结果显示,该分类方法在不同噪声水平下均能达到满意的分类正确率,是一种有效的短时电能质量扰动分类方法。     

基于改进贝叶斯分类法的电能质量扰动分类方法

基于改进贝叶斯分类法提出了2种改进的暂态电能质量扰动分类方法。该分类方法保留了原贝叶斯分类法“最优分类”的性质,使原贝叶斯分类法转化为非参数分类法,扩大了分类法的适用范围,可对数量有限的交叉样本进行最优分类。采用交流暂态仿真软件对5种典型的电能质量扰动信号如电压振荡、电压中断等进行仿真和分类识别。对暂态电压扰动的分类结果表明,上述改进的暂态电能质量扰动分类方法分类特性良好、适用范围较广。     

基于改进QPSO形态滤波器的电能质量暂态扰动检测

提出一种基于改进量子粒子群算法（QPSO）的形态滤波器,用于电能质量暂态扰动检测。首先对量子粒子群算法进行改进,利用混沌序列对粒子位置初始化以提高算法全局寻优能力,通过引入变异算子进一步避免算法过早收敛。然后将改进后的算法应用于形态学滤波器的结构元素的自适应优化中,结合结构元素的特点,寻找出属性最佳的结构元素从而提高滤波能力。结合仿真实验,研究了含有复杂多变噪声的环境下,发生电压骤升、电压骤降和电压中断暂态干扰现象时所构造改进滤波器的滤波性能。通过实验对比,证明所提方法具有快速、准确的特点,较传统的滤波方法有了很大的改善,提高了电能质量扰动检测的可靠性。     

采用Meyer小波变换的电能质量扰动信号的检测与时频分析

论述了小波多分辩率信号分解,提出了采用基于小波多分辩分解的电能质量几种暂态干扰检测和时频分析。并用Meyer小波对暂态振荡、暂态脉冲、电压跌落、电压上升、电压中断、短时间谐波失真、暂态谐波失真和电压瞬变等电能质量干扰的检测进行了仿真实验,结果表明所提出的Meyer小波在时域和频域上都具有良好的检测性能,适合于短暂瞬变信号的检测与分析,并可用于其他时变的非平稳信号处理。     

一种简单便捷的动态电压扰动检测方法

介绍了一种基于Park变换的简单便捷的动态电压扰动检测方法,并把它扩展到单相电路系统,该方法可以有效地检测出诸如电压骤升、暂降、不对称、闪变、波动、谐波以及瞬时中断等电压扰动的补偿值。由于没有使用低通滤波器,该方法具有很好的实时性,同时,该方法具有物理意义明确,易于用程序实现,易在工程上实现等优点。仿真结果验证了该方法的有效性。     

滑动去趋势波动分析在电能质量暂态扰动检测中的应用

针对电能质量暂态扰动信号的不规则性和突变性特点,提出了一种基于滑动去趋势波动分析的电能质量扰动检测新方法。扰动的发生使原信号的相关性特征发生变化,而去趋势波动分析的波动参数对这种变化反应敏感。通过滑动窗构建波动参数曲线,不仅能够对扰动时刻进行准确定位,而且可以确定电压暂升、暂降等典型暂态扰动的电压波动幅值。试验结果证明了该方法的有效性,与基于小波变换的检测方法相比,所述方法在抵御噪声干扰方面更具优越性。     

基于能量阈值和自适应算术编码的数据压缩方法

近年来,电能质量问题日益受到关注。为了对电能质量进行分析与评估,需要对其进行监测,在扰动记录过程中,监测装置产生的大量数据给存储及传输带来了不便。对电能质量扰动数据进行压缩,可以有效地节省存储空间,加快数据传输速度。以小波变换为基础,提出了能量阈值法,并结合自适应算术编码方法对扰动数据进行压缩,获得了较好的压缩效果。对包括电压凹陷、电压上升、瞬时断电和暂态脉冲在内的4种典型电能质量扰动进行了测试,仿真结果表明了该方法的有效性。     

广义内插小波在电能质量扰动信号分析中应用

广义内插小波(GIW)具有对称性、紧支撑性、双正交性、内插性和高阶消失矩等优点,并消除了分解初始化时的Mallat误差。介绍了GIW的基本概念和分解、重构算法。将GIW应用于电能质量扰动信号的分析,对电压骤升、电压骤降、局部跌落、瞬时断电、频率漂移和局部振荡进行了仿真,并比较了GIW、Bior 3.7、Coif3、Db 4等4种小波在电压骤升、局部跌落、局部振荡时的信号定位性能,结果表明:虽然选取的GIW的滤波器长度要大于其他3种小波,但其对突变信号定位的幅值和偏移点数等参数仍优于其他三者;检测突变信号时,选用紧支撑对偶、具有高阶消失矩的小波可以更精确地检测突变点。分析可知,GIW具有很好的综合性能指标,可以有效地检测出各种微小扰动。     

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.