基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

基于变换的电能质量扰动识别方法研究

综述了基于变换的方法在电能质量扰动分析中的应用,分别对基于小波变换、短时傅里叶变换、S变换的分析方法在电能质量扰动检测与扰动类型识别中的应用加以讨论。文中分析了在应用这些方法时涉及到的关键问题以及目前的解决情况,指出了现有一些文献中取得的好的成果及存在的一些问题,并就值得进一步研究的问题以及今后的主要研究方向进行了展望。     

基于短时傅里叶变换的电压暂降扰动检测

用短时傅里叶变换作为时频信号分析工具，研究在电压暂降扰动下暂降电压幅值检测、扰动时间定位和扰动源识别问题。提出利用暂降后电压信号的基频幅值曲线检测暂降电压幅值，利用暂降发生和结束时产生的高频信号对电压暂降扰动时间定位的方法，并提出根据基频幅值和扰动点个数来识别电压暂降扰动源的方法，该方法可以有效区分由短路故障引起的电压暂降和由感应电机启动引起的电压暂降。仿真试验结果表明该方法对电压暂降扰动检测精度高，同时比以往基于小波变换的方法在抵御谐波和噪声干扰方面更具有优越性。     

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。     

短时电能质量扰动识别技术及其应用

在短时电能质量扰动信号分析过程中,研究不同的信号检测分类方法与相关算法相结合的实时处理技术.通过对扰动信号奇异点的检测,准确地定位扰动的起始时刻、持续时间和扰动幅度,对扰动信号进行准确分类,同时尽可能减少信号处理过程中的计算量,充分满足短时电能质量扰动监测的实时性要求.     

应用短时傅里叶变换识别串联电弧故障特征的研究

介绍了电弧故障保护电器在电气火灾防护中的作用以及电弧故障检测现状。通过短时傅里叶变换,分析了多种负载串联电弧故障特征频段,提出了一种串联电弧故障识别的方法。串联电弧故障波形分析表明,短时傅里叶变换为串联电弧故障特征的提取提供了可靠依据,在此基础上采用的统计分析可准确识别串联电弧故障,并有效区分负载起动冲击电流的干扰。     

基于数学形态学的短时傅里叶分析

为了提取恰当的短时傅里叶分析(STFT)时间窗宽度和中心,进而利用STFT分析暂态信号成分,提出了基于数学形态学的STFT方法.针对电力系统信号特点,讨论了结构元素的选择问题,推导了结构元素大小公式及离散化的结构元素方程.同时提出了奇异点定位算法,进而得到了基于数学形态学的STFT算法.在MATLAB中的仿真结果表明该方法能够快速准确地得到暂态信号中主要频率成分及其幅值,可提高STFT的精度和效率.     

基于短时傅里叶谱的调节阀流场扰动研究

为了解决调节阀对管道中流体的扰动问题,采用皮托管对扰动后的压力波动信号进行取压的方式,对调节阀流场扰动问题进行了研究。在考虑皮托管总压信号与流场扰动之间关系的基础上,提出了一种基于短时傅里叶变换谱的总压波动信号分析方法。另外,为了提高皮托管总压信号的应用泛化能力,对得到的皮托管总压信号进行了无量纲化处理,得到了量纲1量。同时对归一化后得到的皮托管总压波动信号进行短时傅里叶变换谱分析,得到了相同流量不同开度及相同开度不同流量下的短时傅里叶变换谱的分布特征。     

短时傅里叶变换在频移键控解调中的应用

传统频移键控解调方法多使用带通滤波器法,带通滤波器的中心频率等于载波频率,但对于信号接收方而言,载波频率可能是不知道的,此时这种解调方法将不适用.针对传统频移键控解调方法的不足,将短时傅里叶变换引入到对频移键控的解调.此法能够在未知载波频率的情况下对频移键控信号实现解调.介绍了频移键控调制解调和短时傅里叶变换的原理及其...     

基于STFT变换和DAGSVMs的电能质量扰动识别

提出了一种基于短时傅里叶变换和DAG(Directed Acyclic Graph)支持向量机的电能质量扰动检测和识别方法.将扰动信号通过Blackman窗短时傅里叶变换,得出时域最大幅值向量,然后把它作为特征向量输入到DAG支持向量机来实现电能质量扰动类型的识别.其中,时域最大幅值向量不仅能反映各种扰动的特征,还能显示电压突升、电压暂降、电压中断和暂态振荡等扰动的发生时刻和持续时间.仿真测试表明,该方法能有效识别各种电能质量扰动,而且识别正确率高,训练时间短,实时性能较好.     

基于S变换局部奇异值分解的过电压特征提取

针对实测过电压信号波形不规则、不易识别问题,根据矩阵奇异值的特点,提出了一种采用S变换和局部奇异值分解的过电压特征提取方法。首先通过S变换得到过电压发生时零序电压的时频模值矩阵,然后对矩阵进行划分,计算各个子矩阵的最大奇异值,利用最大奇异值在不同频带以及整个时频空间的分布差异来构造过电压特征量。对变电站实测的感应雷过电压等五种过电压信号的计算表明,所提取的特征量维数低,对过电压信号随机扰动具有相对稳定性,能提取出过电压的本质特征。     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

基于时域变换特性分析的电能质量扰动分类方法

在分析电能质量扰动Clarke变换和Park变换特性的基础上,提取了扰动的四个特征量,并利用这些特征量对5种单一扰动和6种混合扰动进行了较为准确的分类,且算法简单,易于硬件实现,并可以作为电量参数分析和评估的基础。最后,对提出的扰动分类方法进行了仿真分析,仿真结果表明,提出的特征量及分类方法准确、有效和误判率低,识别混合扰动效果较好。     

结合滑动窗奇异值分解的EEMD暂态电能质量扰动检测法

为了解决噪声、模态混叠等原因造成提取电能质量扰动信号的时频特征不清晰的问题,根据电能质量扰动信号具有非平稳、不确定性以及周期性强的特点,应用总体经验模态分解(ensemble empirical model decomposition,EEM D)的方法对电能质量扰动信号进行分解,基于滑动窗奇异值分解(singular value decomposition,SVD)数据压缩方法对EEMD分解得到的一系列固模函数(intrinsic mode function,IMF)分量组成的矩阵进行了重构,并对重构后的IMF分量作Hilbert变换降维,提取了扰动信号时间、频率、幅值上的特征。对比传统的EEMD算法,新方法能更加准确定量地提取各个扰动成分的起始时刻、幅值、频率等扰动特征,同时能够有效抵御噪声的干扰,克服了以往只能通过人为选取IMF分量来提取扰动时频特征过于主观的缺点。算例仿真的结果验证了该方法的有效性。     

基于改进奇异值分解法的电力系统弱节点研究

本文建立了ZIP负荷和感应电动机负荷静态模型的综合负荷模型,并推导了计入综合负荷模型后的潮流雅克比矩阵。并在改进奇异值分解法的基础上,利用弱节点判断指标,分析了不同负荷模型对系统弱节点的影响。通过对IEEE30节点系统进行仿真计算,取得了满意的计算结果,从而验证了本文建立综合负荷模型及相应弱节点指标的正确性和可行性。     

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。     

基于改进HHT和决策树的电能质量扰动辨识

为了准确辨识电能质量扰动的类型,以实现电能质量问题的有效治理,提出一种基于改进希尔伯特-黄变换(Hilbert-Huang transform,HHT)和决策树的电能质量扰动辨识方法。该方法先采用改进的基于斜率的方法(improved slope based method,ISBM)抑制希尔伯特-黄变换算法的端点效应,然后利用改进的HHT方法进行电能质量扰动信号的分析;从得到的瞬时频率曲线中提取频率成分、扰动持续时间和扰动持续期间频率3个特征量,并从瞬时幅值曲线中获取扰动期间电压幅值;最后构建分类决策树,将这4个特征量作为判断依据,实现扰动信号的分类和识别。根据各类电能质量扰动信号的数学模型,产生大量的测试样本进行仿真测试,结果证明了该方法的有效性和准确性,并且与现有的2种扰动辨识方法进行对比,结果表明该方法具有更高的识别准确率,能准确辨识出电能质量扰动的类型。