基于最佳小波包基的电能质量暂态数据压缩

针对电能质量暂态扰动数据高频分量频率高(最高达到MHz)的特点,在小波压缩技术的基础上,提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩,利用最佳小波包基的快速搜寻算法对高、低频分量同时进行分解,再对扰动数据进行压缩重构,并将其与基于小波变换的数据压缩方法进行仿真比较。结果表明,在压缩比大致相同的情况下,得到数据的失真率比传统小波的压缩方法低。     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上,使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号,再对最优基下小波包系数作阈值处理,消除幅值较小的系数,达到压缩的目的,最后对压缩后的数据进行重构,并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明,提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

基于最优小波包基分解的暂态电能质量分类方法

对屯能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤。提出基于最优小波包熵特征的特征提取方法．对采样信号进行小波包分解及时域预处理并选取最优小波包基．计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起．形成最终的特征向量并作为神经网络的输入构建神经网络识别系统．对暂态电能质量信号进行识别。系统负荷投切和电容器充电的仿真结果表明．该方法能快速有效地区分暂态脉冲和振荡暂态。     

基于模糊熵的自适应小波包电能质量扰动检测

为提高电能质量扰动检测定位在高噪声环境下的准确性,在小波包降噪的基础上引入模糊熵判据,对不同噪声水平的扰动信号自适应最优分解层数,构造阈值随噪声系数改变的函数.选取噪声序列模糊熵最大时的阈值作为最优阈值,对降噪后的扰动信号进行Hilbert-Huang变换,以确定其起止时间与频率等参数.将算法与传统的小波阈值降噪方法进...     

基于二维小波包和v -SVR的电能质量数据压缩

将支持向量回归算法应用于电能质量数据压缩领域.将一维向量表示的电能质量原始数据进行二维重构,获得二维表示的的电能质量图像.再采用自适应小波包变换把二维电能质量图像分解到不同尺度的子空间,并针对小波系数方向性采用不同的数据编码算法.低频系数采用DPCM编码.高频系数采用v支持向量回归机算法,用稀疏支持向量表示原始数据,以达到去冗余,数据压缩的效果.仿真实验证明提出算法的压缩效果与传统算法相比,压缩性能有了明显的提高.     

基于二维小波包和v -SVR的电能质量数据压缩

将支持向量回归算法应用于电能质量数据压缩领域。将一维向量表示的电能质量原始数据进行二维重构,获得二维表示的的电能质量图像。再采用自适应小波包变换把二维电能质量图像分解到不同尺度的子空间,并针对小波系数方向性采用不同的数据编码算法。低频系数采用DPCM编码。高频系数采用v支持向量回归机算法,用稀疏支持向量表示原始数据,以达到去冗余,数据压缩的效果。仿真实验证明提出算法的压缩效果与传统算法相比,压缩性能有了明显的提高。     

基于小波包分解的电能质量扰动分类方法

随着敏感性设备的大量应用,电能质量问题已日益受到关注。对各种电能质量扰动进行分类是采取适当措施降低扰动带来影响的前提。小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息。章分别选取小波包分解终节点的能量和熵作为特征矢量,应用Fisher线性分类器设计了分段线性分类器,对扰动分类进行了仿真识别。仿真结果表明,以熵为特征矢量的分类方法有较高的识别正确率。     

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.     

基于小波和神经网络的电能质量扰动信号数据压缩

在小波变换数据压缩方法和神经网络数据压缩技术的基础上,提出了将小波和神经网络应用于电能质量扰动信号数据压缩的方法。利用小波时域和频域的双重分辨率和神经网络的非线性函数逼近能力,以压缩比、均方误差为压缩效果的评价指标,对实际扰动信号进行数据压缩。采用样条小波和径向基神经网络数据压缩方法,以一个实例,给出了电能质量扰动信号的压缩仿真过程,给出了各类(电压凹陷、突起、尖峰、闪变及瞬态振荡)电能质量扰动信号的仿真分析结果。结果表明,该电能质量扰动信号数据压缩方法,压缩后得到的均方误差为-16.1397 dB,压缩效果良好。     

基于小波变换和改进的RVM的电能质量扰动分类

为了提高相关向量机的回归预测的准确率,本文提出了一种改进的相关向量机算法.该算法从相关向量机的核函数角度出发,将实际中大部分噪声属于正态分布这一个特性引入到核函数中,并在其基础上加入了幅度调节因子,实现了对核函数的改进.为了进一步提高电能质量扰动分类性能,将改进的相关向量机应用于电能质量扰动分类.首先,采用小波变换对电能质量信号进行分解,将分解后得到的各层小波系数能量所占的比例值作为特征量,然后,用改进后的相关向量机对特征量进行分类,进而实现基于小波变换和改进的相关向量机的电能质量扰动分类.实验结果表明,该方法能够对各种电能质量扰动信号进行分类,并且其分类准确率优于支持向量机和未改进前的相关向量机等其他分类方法.     

基于PQD IF格式压缩的电能质量数据模型

标准化数据解决方案是不同厂家的电能质量监测系统实现互操作性,达到信息共享的重要保证。介绍了电能质量数据交换规范PQDIF(PowerQualityDateInterchangeFormat)。在此基础上详细分析了电能质量数据传送、数据对象统一建模和基于Zlib的数据压缩等内容。采用此数据模型基于Web技术的电能质量监测和分析系统已投入运行。     

基于混沌加密和小波包分解的数字水印算法

提出了一种基于混沌加密和小波包分解的自适应数字水印嵌入算法.该算法首先利用混沌序列对水印图像进行预处理加密,使水印嵌入方案具有一定的安全性.然后根据信息熵选取最优小波包基,对宿主图像进行小波包分解变换.利用不同频域可以承受的信噪比不同的原理,在低频区域引入人类视觉系统,高频区域采用适当的阈值,分别计算出各频域的水印嵌入强度系数,自适应地嵌入水印信息.实验表明此算法使水印的嵌入达到了很好的抗攻击鲁棒性和视觉效果.     

基于改进小波阈值函数和CEEMD电能质量扰动检测

为提高在噪声环境下电能质量扰动检测定位的准确性,提出基于改进小波阈值函数和完备总体经验模态分解(CEEMD)的电能质量扰动检测算法。在采用CEEMD处理电能质量扰动信号的基础上,通过排列熵计算各固有模态函数的随机噪声强度,利用小波改进阈值函数对噪声强度高于排列熵值的分量降噪,并对降噪后分量进行Hilbert-Huang变换,求取定位扰动起止点以及频率等参数。将该算法与CEEMD舍弃高频分量和小波阈值函数降噪方法的对比分析,结果表明算法不仅具有较强的抗噪性,而且能有效保留高频信息不被滤除。以PSCAD/EMTC双馈式风力发电系统中的单相短路和两相短路为例,仿真验证了所提算法的有效性,最后搭建了基于PXI和Lab VIEW平台电能质量扰动检测平台,为应用于工程实践中奠定基础。     

基于小波包的配电网单相接地故障判别

基于故障产生的暂态零序电压电流在特定频段内分量呈容性关系,应用小波包良好的频域分频特性,以适当频率带宽对配电网发生单相接地故障后暂态电气量进行分解,得到其在不同频段下的输出。对于中性点接地方式不同的配电网,按照能量的观点,在SFB频段内选择不同的频带利用波形识别技术来实现故障选线。理论及大量的仿真试验表明,该方法可以准确、可靠地实现单相故障接地选线,适合于接地方式不同的电网。     

基于小波变换的电能质量扰动信号的检测

为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位。针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测。研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性。