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。     

基于异常值分析的变压器在线监测方法

从变压器在线监测数据中异常值产生的机理出发，提出了一种利用在线观测值中异常点的发生时间和类型进行报警的变压器在线监测方法。实例表明，这种方法可用于运行条件存在较大差异，难以用统一的标准值来判别状态的设备，存在较高的实用价值。     

基于奇异值分解算法的大坝监测数据回归模型

针对大坝观测数据统计回归计算中出现的数据共线性和观测数据中的粗差问题，应用奇异值分解算法计算大坝统计模型中的系数。计算结果表明，基于奇异值分解算法的模型能够在这 2个常见问题上均取得较满意的结果。     

基于电力电子变压器的低压微电网负荷灵敏度在线辨识

负荷灵敏度在线辨识是一种新的负荷建模方法,在对含有电力电子变压器(power electronic transformer,PET)的低压微电网负荷灵敏度在线辨识方法及应用进行深入研究的基础上,首先建立了AC/DC/AC型PET的数学模型,并给出了PET实现负荷灵敏度在线辨识的基本方法,分析了分布式电源的接入对辨识结果的影响;在此基础上,提出了一种基于PET电压/频率协调控制的微电网柔性负荷控制策略。仿真结果表明,在线辨识方法可以实时获得负荷模型参数,依据所获负荷模型,PET通过跟踪系统柔性减载指令,实现系统柔性控制与管理,为电网柔性负荷控制提供技术支持。     

基于差分波形奇异值极差的通用电力扰动检测方法

电力扰动数据蕴含大量系统和设备状态信息,基于电力扰动检测分析可实现系统和设备的状态感知。现有扰动检测方法以检测电能质量扰动和故障扰动为主,算法针对性强,通用性和适应性较差,尤其当扰动幅值小或持续时间短时,检测灵敏度较低。为此,提出一种通用的高灵敏度电力扰动检测方法,基于相邻周期差分信号的奇异值分布规律实现扰动检测,利用奇异值极差进行扰动与正常波形区分,提出基于历史奇异值极差序列参考值和差分信号分布特征的自适应阈值计算规则。通过大量仿真和现场实测数据对算法进行验证,结果表明算法在强噪声背景下对各类微弱扰动均具有较高检测灵敏性,证明了算法的正确性和有效性。     

基于奇异值分解和TLS-ESPRIT的电能质量扰动信号检测方法

为了能有效地改善电能质量,准确地对电能质量扰动信号的发生及结束时间以及其特征参数进行检测是其前提。文章提出将奇异值分解与TLS-ESPRIT算法相结合来对暂态电能质量扰动进行检测。首先利用基于奇异值分解的方法对暂态电能质量信号进行定位,可以得到较为准确的定位效果。然后以定位点为界,向前及向后各取一个周期的采样信号,对得到的信号利用TLS-ESPRIT算法进行计算,可以估算得到信号的幅值、频率等特征参数。利用这些参数可进一步对扰动类型进行判别。仿真实验结果表明,该方法仅需较短的采样信号,对电压暂降、电压暂升、频率偏差、谐波、谐波加暂降、暂态振荡等多种电能质量扰动信号有较高精度的检测效果。     

基于奇异值分解的风电场杂波微动特征提取

风电场作为一种特殊的大型建筑物,会影响航管监视雷达对飞机目标的准确探测。同时,由于风电场通常分布在某一大面积区域,风轮机之间具有多径传输特性,进而会影响航管监视雷达对飞机目标的定位和测速。因而,分析风电场杂波的微动特征有助于检测和识别风电场杂波信号,提高雷达探测目标的准确性。基于航管监视雷达风电场回波信号模型,利用奇异值分解技术分析了风电场回波信号的微动特征,并构造相应的特征量实现其微动特征的提取。同时,在飞机目标存在背景下,提取了风电场回波的微动特征,并将其与飞机目标的多普勒特征进行对比分析,仿真结果证明了所提方法的有效性。     

电力电子电路中变压器的等效模型分析

提出了电力电子电路中变压器的完整集中参数模型,并做了简化,得出中频变压器的等效模型,即时间响应特性等效模型.分析了模型相关参数的计算方法,并给出了在实际电路分析中选用不同模型的原则.试制了样机和实验平台,通过实验证明了变压器时间响应特性等效模型的正确性.     

语音信号的奇异值分解去噪

针对时域中含噪语音信号较长而无法直接进行奇异值分解以及在分解中无法自适应确定分离阶数的问题,本文提出了将时域语音信号分段后再进行奇异值分解的方法,该方法在分段分解后通过拼接可还原出原信号。为了解决分离阶数选取困难的问题,在分解过程中本文采用均值法及方差法自适应确定分离阶数,仿真实验结果验证了该方法对语音信号去噪的有效性。     

奇异值分解理论和小波变换结合的行波信号奇异点检测

准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声,有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题,提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵,并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列,对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明,该方法在强噪声情况下可以去除噪声影响,并且保持信号的奇异性,准确检测到信号的奇异点。     

奇异值分解(SVD)理论在同步电机参数辨识中的应用

将奇异值分解理论应用于同步电机参数辨识中 ,这一方法可在最小二乘辨识算法中无论雅可比矩阵奇异与否 ,均可获得最短的向量解 ,从而提高辨识算法收敛性及减少迭代次数 .应用本文算法成功地对一台 2 0 0MW汽轮发电机的参数进行了辨识 .     

三相级联H桥型电力电子变压器电容值设计方法

针对三相级联H桥型电力电子变压器(PET),分析了输入侧瞬时功率波动特性,建立了其直流侧电容电压及中间级高频变压器原、副边电流的时域解析模型,并基于该模型提出一种PET电容值设计方法。基于MATLAB/Simulink仿真平台搭建三相级联H桥型PET仿真模型,并在功率模块测试平台进行实验验证。仿真及实验结果表明该解析模型可以准确地描述电容电压及变压器高频电流的波动特性,进而为主电路参数设计与控制系统设计提供研究基础。     

自适应奇异值分解局放信号降噪方法

针对高压设备局部放电现场检测时存在周期性窄带干扰、白噪声问题,提出了一种自适应奇异值分解局放信号降噪方法.该方法首先对测试信号构建Hankel矩阵,以此作为轨迹矩阵进行奇异值分解;通过提取前两个奇异值重构并结合功率谱熵自适应判断测试信号中是否含有周期性窄带干扰,以此为判断依据利用奇异值本身和奇异值子集标准偏差作为奇异值...     

基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法.算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率(PCTE)选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号.仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景.     

奇异值分解波束形成声源识别方法

为了克服传统波束形成声源识别方法受旁瓣限制而无法识别次声源的缺点,将奇异值分析与波束形成算法相结合,给出了奇异值分解波束形成声源识别新方法:首先对阵列传声器测量信号的互谱矩阵进行奇异值分解重构,然后基于分解后的各互谱矩阵进行波束形成运算,从而识别主声源及各次声源。在仿真及算例试验均验证了其准确性及有效性的基础上,利用奇异值分解波束形成对某汽车前围板隔声薄弱环节进行识别,结果表明:空调进风口为第一声源,暖风机进出水管安装孔及空调漏水管安装孔分别为第二和第三声源。该方法准确高效,能够获得更全面的声源信息,提高了波束形成的声源识别性能,为识别次声源提供了有力工具。     

基于奇异值分解的电能质量信号去噪

提出了一种基于奇异值分解的电能质量扰动信号去噪算法。算法重构采集信号时间序列的吸引子轨迹矩阵,根据轨迹矩阵奇异值的加权能量贡献率（PCTE）选择奇异值进行扰动信号重建,重建信号即为去除噪声后的电能质量扰动信号。仿真试验结果表明奇异值分解能够有效地提高扰动信号的信噪比,保持原始电能质量信号的扰动特征,此算法理论基础完善,易于实现,有良好的发展前景。     

电力变压器状态在线监测和故障诊断的新方法

介绍一种电力变压器绝缘在线监测和故障诊断的新思路，一方面通过在线油色谱分析仪检测6种故障特征气体含量和产气率，运用模糊理论及专家系统等人工智能技术对电力变压器的绝缘状态进行跟踪监测，另一方面尝试用参数辨识的方法进行变压器三相电气量的在线监测，依据变压器绕组结构及参数在故障前后会改变的原理，用参数辨识的方法，进行变压器绕组故障及其故障部位的识别，实现故障局部定位，提高变压器状态监测和故障诊断的准确性。     

结合奇异值分解与最小描述长度准则的变压器极化电流数据去噪方法

现场测量变压器极化电流受噪声干扰造成测量精度偏低,为消除噪声干扰,本文提出一种奇异值分解(SVD)结合最小描述长度准则(MDL)的信号去噪算法.利用测量数据构建Hankel矩阵并进行奇异值分解,将信号分解为有用分量与无用分量的线性叠加,再利用MDL确定信号与噪声的界限,提取有用分量重构信号.对变压器极化电流的仿真和实测...     

基于奇异值分解方法的FACTS交互影响分析

针对电力系统中多台灵活交流输电装置(FACTS)控制器之间可能存在的交互影响问题,以可控串联补偿器(TCSC)和静止无功补偿器(SVC)2种FACTS控制器为研究对象,提出了一种基于奇异值分解(SVD)的交互影响分析方法,定量分析了新英格兰10机39节点电力系统中同时装设TCSC和SVC时,2台FACTS装置之间可能存在的交互影响问题及电气参数对交互作用的影响。时域仿真结果验证了所提出的方法的有效性,表明电气距离的改变对TCSC与SVC间的交互作用有着较强的影响,增加电气距离,交互影响变弱,缩短电气距离则会加重两者之间的交互影响。     

基于FPGA的大矩阵奇异值分解的实现

提出了一种在FPGA中实现大矩阵奇异值分解的方法。主要思想是通过有限状态机进行控制,复用流水线CORDIC计算模块。这种方法极大地节省了FPGA的面积资源,并且增加了算法求解的时间并行度。计算256阶实对称矩阵的奇异值仅占用3601个ALUT,运行时间仅为95.28ms。