基于S变换和径向基神经网络的暂态电能质量扰动识别

提出一种基于S变换和径向基神经网络的暂态电能质量扰动识别的方法。该方法首先用S变换对暂态电能质量扰动波形进行预处理,使用统计的方法提取了5个相关特征量,然后用径向基神经网络对提取的特征量样本进行分类。仿真结果表明,该方案正确率高,抗噪声能力强,训练样本少,响应快速。     

一种基于小波变换的电能质量特征量提取及分类的方法

提出了一种利用小波变换实现动态电能质量特征量扰动(电压上升、电压凹陷、电压中断、电压瞬变和电压缺口等)的提取以及分类方法. 利用小波变换的奇异性检测原理提取动态电能质量信号中的突变, 并进行定位, 确定信号变化的时间,并用电压均值法确定扰动的类别, 并通过仿真表明方法的有效性. 最后讨论了本方法在DSP上的实现.     

基于db4提升小波的暂态电能质量的检测

暂态扰动是影响电能质量的重要因素之一,对电力用户和电力系统都会产生危害。针对暂态扰动信号具有非平稳性、突变性的特点,分析了db4提升小波变换的特性,提出了更新—预测—更新—预测—更新的结构,选择了合适的采样频率和分解层数,对暂态电能质量扰动信号进行检测与定位。在MATLAB仿真环境下,利用db4提升小波变换对电压暂降、暂升、中断以及暂态脉冲、振荡等几种暂态电能质量扰动信号进行检测与定位,仿真结果表明,该方法可以实现对扰动信号起止时刻更为准确的检测与定位,且计算速度快。     

基于人工神经网络的暂态电能质量现象的分类与识别

暂态电能质量信号具有发生随机性,持续时间短和非平稳的特性,使得信号的识别实现较为困难。目前对电能质量信号进行辨识的方法有基于规则的专家系统方法、基于神经网络的方法以及结合小波变换技术的神经网络方法等。利用小波变换和人工神经网络的结合方法,对各种暂态现象实现有效地识别和初步地分类。     

基于小波变换的电压暂态扰动检测的研究

随着各种敏感电力电子设备以及非线性负荷的广泛应用,电能质量扰动问题已经成为大家关注的共同焦点.本文介绍了小波变换的基本原理,并将电压中断,电压暂降以及电压瞬变这三种典型的扰动现象通过MATLAB仿真进行分析.     

基于改进S 变换和贝叶斯相关向量机的电能质量扰动识别

提出一种改进S变换和相关向量机相结合的电能质量扰动分类法.首先通过引入调节因子构建时频分辨率可控的改进S变换,从而提取各类扰动信号的时频特性;然后利用层次分类法与最小输出编码法构建贝叶斯相关向量机多级分类树模型,实现电能质量扰动信号的分类与识别.研究表明,该方法能在强噪声背景下获得高精度的扰动分类识别率,具备比S变换更高的时频分析能力,较支持向量机需要更少的相关向量数目,测试时间更短.     

基于小波变换和FRVM的电能质量扰动分类

针对相关向量机(RVM)计算复杂度大、训练时间长的问题,提出一种基于快速相关向量机(FRVM)的优化算法,其大大减少了相关向量机的训练时间,提高了分类的精度.将它应用于电能质量扰动分类中,首先对电能质量扰动信号进行基于小波变换的时频分析,提取小波变换各层信号的能量与标准信号的能量之差组成特征向量;然后用FRVM对特征量进行分类,进而实现基于小波变换和FRVM的电能质量扰动分类新方法.实验仿真验证了该方法能够对各类电能质量扰动信号进行分类,并且其分类效率和准确率均优于传统的相关向量机分类方法.     

基于GST的煤矿电能质量扰动特性分析

针对我国现代化矿井的发展现状,阐述煤矿主要存在的4种暂态扰动信号的产生原因及特征,结合广义S变换(GST,generalized S-transformation)在分析电压幅值、持续时间及频率等方面的优越性,从不同角度提取模时频矩阵(MTFM,module time-frequency matrix)中频域和时域的有用特征,对4种暂态扰动信号:电压暂降、电压暂升、电压波动和电力谐波进行仿真分析.Matlab结果表明,基于GST的MTFM特征量提取方法能有效地检测到扰动的幅值突变、持续时间及频率变化,高频检测能力好.这些不同的特征可为进一步煤矿电能质量的扰动识别以及综合治理打下基础.     

电能质量监测数据采集分析系统

电能质量监测技术是目前电力领域的一个研究热点。电能质量监测的难点是对突变的、暂态的、非平稳状态下电能质量扰动的检测日。本文介绍了一种结构合理并以数字信号处理器（DSP）TMS320VC5402为核心的数据采集分析系统,通过在该电能质量分析平台的DSP上运行扰动分析算法,提取电网节点的扰动情况并记录特征信息。文中主要描述了该数据采集分析系统的硬件设计。实际运行结果表明,该方案具有采样率高、实时性较好和较高的性价比等优点。     

一种暂态电能质量检测新方法的研究

电能质量扰动带来的复杂信号调制特性,使得从电能质量监测数据中提取扰动信号特征依然面临困难。为提高噪声背景下复合电能质量扰动检测准确性,采用自适应无参经验小波变换(APEWT)对扰动信号进行模态分解,进而基于频率加权能量算子(FWEO)对单模态分量进行能量计算,同时通过解调提取用于扰动定位的瞬时频率和幅值特征量。一方面,APEWT中基于自适应频带分割的小波滤波器组输出仅包含有效模态分量,有效避免了模态混叠现象的出现;另一方面,FWEO噪声鲁棒性有效提高了强噪声背景下扰动特征提取的准确性。将算法应用到仿真及实测信号,结果显示该方法能够有效地追踪扰动信号的瞬时变化,且解调得到的瞬时频率和幅值也进一步证明了方法的可行性和有效性。     

电能质量短时扰动检测及其DSP实现

工业生产中对电能质量短时扰动精确检测的需求日益增长,设计了基于DSP的电能质量短时扰动检测装置。分析了Teager能量算子检测短时扰动的原理,针对高频扰动的情况使用了小波变换优化算法,并给出了Teager算法在DSP上的具体实现。实验结果证明该方法是可行而且高效的。     

电能质量干扰发生装置的研制

电能质量干扰发生器常用于检验电力设备受电能扰动时的性能,提出了一种基于波形信号发生器加线性功率放大器的电能质量干扰发生器装置的设计方案.以可编程逻辑器件EPM7128、双口RAM和数模转换器为基础,采用直接数字合成技术设计了正弦信号产生电路.利用SM5964单片机对数模转换器的参考电压进行控制来改变波形输出幅度,实现小信号的聚升、跌落、中断和凹陷等功能.通过高压高速集成功率运放PA89A对小信号进行幅度放大,采用高压高频三极管并联技术设计了扩流电路.使用Multisim软件对功率放大电路的参数进行仿真和优化,仿真实验结果表明,该电能干扰发生装置的输出电压幅值在0 ～264 V范围内任意可调,负载电流达到2A,并能实现电压跌落、聚升、中断和凹陷等功能.     

基于虚拟仪器的电能质量检测系统

该文设计了基于虚拟仪器和PCI总线技术的综合电能质量监测系统,该系统能够测量电能质量5项指标并具有数据库功能,可以对电能质量进行更准确的监测,经过试验完全可以满足现代电能质量监测的需要。     

基于无线胎压传感器的耗能研究

本文首先介绍了胎压检测系统的架构和无线胎压传感器的硬件组成。然后,给出了详细的无线胎压传感器耗能构成,包括压力检测模块、温度检测模块、电压检测模块、信号调理模块、射频发射模块、低频接口、模块静态耗电、电池自放电及脉冲放电。最后,以某著名汽车主机厂采用的基于该耗能构成的无线胎压传感器为例,进行了计算和测试。结果表明无线胎压传感器的耗能绝大部分来自压力检测模块耗电、模块静态耗电及电池自放电,提出的无线胎压传感器耗能构成及计算方法具有合理性,满足使用要求。     

基于小波包能量熵的电能质量扰动识别

提出了一种基于小波包能量熵的电能质量扰动识别方法。该方法对仿真的扰动电压信号进行4层小波包分解,提取小波包能量熵特征向量,利用主分量分析法提取电压信号的小波包特征向量并输入到概率神经网络(PNN)进行扰动识别,实现了扰动样本的最优压缩,简化了扰动分类中神经网络分类器的结构,提高了神经网络扰动识别的速度和精度。仿真结果表明,该方法具有良好的扰动识别能力。