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。     

基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

基于CEEMDAN与改进小波阈值的电缆局部放电信号降噪方法

对检测到的电缆局部放电信号降噪是实现电缆绝缘诊断与评估的前提,为此提出一种基于自适应噪声的完备集合经验模态分解(CEEMDAN)与改进小波阈值的电缆局部放电信号降噪方法。首先,采用CEEMDAN算法将染噪局部放电信号进行分解,得到数个模态分量;然后,计算模态分量的峭度值,筛选出有效特征分量并重构;最后,将重构信号通过改进小波阈值法再次降噪去除冗余噪声,得到降噪后的局部放电信号。将该方法、传统小波阈值法及集合经验模态分解与改进小波阈值法分别用于不同噪声强度下局部放电仿真信号的降噪处理,结果表明该方法具有更高的信噪比与波形相似系数,能有效抑制周期性窄带干扰与白噪声。     

改进阈值函数的小波去噪算法

针对小波软、硬阈值函数去噪后信号存在局部震荡和边缘模糊导致去噪效果不佳的问题,研究了小波去噪原理和优化阈值函数的规则,设计了一种具有连续性、灵活性和恒定偏差小的可调阈值函数,提出了一种基于改进阈值函数的小波去噪算法,将其应用于含有高斯白噪声的信号中进行去噪。实验表明,相较于传统方法,所提方法对仿真信号和心电信号都具有灵活性和适用性,并且去噪后信号的信噪比提升了16.21%,皮尔逊相关系数增大了1.62%。因此,本文所提算法具有可行性,可有效保留特征信息,去噪效果更加理想。     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用尺度系数和处理后的小波系数进行重构,得到去噪后的信号。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

基于小波理论和HT-LMD的电能质量扰动检测方法

针对含噪声的暂态电能质量扰动检测问题,提出了一种基于小波自适应去噪的改进HT-LMD(HilbertHuang and Local Mean Decomposition)分解检测方法。分析了局部均值分解检测扰动的优缺点以及噪声对LMD检测方法的影响,提出了采用小波分解与重构和自适应阈值技术以及基于正交性判据(Orthogonality Criterion,OC)新的HT-LMD检测方法。小波自适应去噪技术能减弱噪声对LMD分解影响,正交性判据能减少分解的迭代次数。典型暂态电能质量扰动模拟信号和实测信号的检测结果表明,所提方法能在有效提高LMD方法检测电能质量扰动效果同时很好地保留原有暂态扰动信号奇异性特征,提高了检测和定位精度。     

CEEMD在电能质量扰动检测中的应用

为了解决总体平均经验模态分解(EEMD)处理非平稳、非线性信号的不足,提出了一种基于完全经验模态分解(CEEMD)的电能质量扰动检测新方法。首先采用CEEMD对含噪的电能质量扰动信号进行分解得到固有模态函数,并对固有模态函数进行Hilbert变换检测出瞬时幅值和瞬时相位特征参数。对所得瞬时幅值求取二阶导数得到模极大值点,提高了通过模极大值点定位扰动时刻的准确性。针对高频复合扰动采取两次CEEMD分解方法去除噪声与虚假分量有效提取出扰动成分,针对稳态扰动提出先去除谐波再提取闪变包络的检测方法。并通过Matlab仿真实验以及依托交流调压器负载实验和三电平实验平台的实测数据,验证了该方法既可以对未知扰动信号进行辨识区分,也可以确定电能质量扰动的时刻、类型、频率和幅值等特征参数。     

可调阈值函数和能量阈值优化的电能质量扰动小波去噪方法

电能质量信号在采集、传输过程中受外界环境的影响会引入噪声干扰,有效去噪的同时保留突变点信息是治理电能质量的重要前提.给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点.引入小波系数能量因子,以能量最大的尺度作为特征尺度,在此尺度上,子区间能量高于尺度能量者则为有效区间...     

基于改进小波阈值的电能质量扰动信号去噪算法

针对传统软、硬阈值函数在阈值处不连续或存在恒定误差等问题,本文提出了基于小波变换的改进阈值去噪算法,在小波阈值去噪的基础上改进了通用阈值和阈值函数,通过峰和比PSR来估计出每层小波细节系数的有效信息与噪声的分布,使得修正因子可以根据每层噪声分布的不同自适应的修正阈值.之后提出了一种新的阈值函数,其能更有效地保留信号的扰...     

基于EEMD阈值去噪的电能质量扰动检测研究

电能质量信号的采集常受噪声干扰,影响对扰动信号的分析。研究具有自适应性的EEMD阈值去噪方法,对染噪电能质量扰动信号进行去噪,并与小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值4种阈值方法的去噪效果相比较。通过对去噪前后的波形、信噪比SNR和重构后的均方误差MSE 3个标准进行分析比较,对除噪后的信号进行HHT获取扰动的特征量。仿真结果表明,EEMD阈值方法消噪后的波形接近真实值,信噪比高,均方误差小,通过HHT提取的特征量可以准确定位扰动发生的起止时刻和获取扰动的瞬时频率和幅值信息。     

基于CEEMD与排列熵相结合的谐波检测方法研究

为消除基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）的谐波检测法易受到迭代次数与辅助白噪声的干扰而产生虚假分量与模态混叠等问题,以及CEEMD方法在检测噪声背景下的谐波信号精度不高的缺陷,提出一种基于排列熵（Permutation Entropy,PE）算法与CEEMD相结合的PE-CEEMD谐波检测方法。首先对谐波信号进行互补集合经验模态分解,得到若干频率由高到低排列的固有模态函数（Intrinsic Mode-Function,IMF）,利用排列熵算法快速选定随机性较大的噪声分量进行剔除,对剩余信号再进行CEEMD分解。仿真实验数据表明,相较于CEEMD方法,PE-CEEMD方法能够较好地克服模态混叠与虚假分量等问题,并且针对复杂谐波信号的各次谐波频率成分与幅值的检测精度分别提高了4.424%与9.3%。     

基于小波阈值去噪和CEEMD的混合三端直流输电线路故障测距

针对行波法测距精度受波速、行波波头标定的精度以及噪声的影响,提出一种基于小波阈值去噪和CEEMD-HT结合的混合三端直流输电线路测距方法。首先利用小波阈值去噪对故障信号滤噪,然后对滤噪后的信号使用互补集合经验模态分解和希尔伯特变换标定初始波头的到达时间。再根据故障行波到达测量端时间比值识别故障支路。最后考虑到行波波速难以精确确定,基于已知线路长度和初始波头到达时间,提出一种不受波速影响的测距方法。仿真结果表明,所提方法能够有效标定波头,且测距结果不受波速、故障距离、故障类型、过渡电阻及噪声的影响。与利用波速计算的双端法、HHT及小波包测距算法相比,该方法的测距误差更小。     

基于改进EEMD-SE-ARMA的超短期风功率组合预测模型

针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。     

一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。     

基于小波阈值的电力谐波信号去噪研究

电力系统不同程度的噪声污染会影响谐波检测的准确性,传统小波阈值去噪方法在工程实际应用上有诸多缺陷,例如硬阈值函数在阈值处不连续、软阈值函数存在固定偏差,量化规则缺乏尺度自适应性等。鉴于此我们从阈值函数和阈值量化规则两方面改进小波阈值去噪,文中使用改进的软硬阈值折衷函数结合分层阈值选取规则对模拟谐波电力信号去噪。在MATLAB环境下仿真模拟染噪电力谐波信号使用传统和改进阈值方法去噪,从三个去噪效果衡量指标定量分析,结果表明,改进阈值去噪方法提高了重构信号的输出信噪比,降低了均方根误差和平滑度,在不牺牲计算复杂度的条件下可灵活有效去噪。     

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.     

基于经验模态分解与小波分析相结合的风电功率平滑控制

为了缓解风电功率输出的波动性对系统的影响,常用储能装置平滑风电的输出。合理配置储能装置容量的关键是确定风电场注入电网有功功率的参考值。当前计算风电场并网功率的参考值的主要方法,如低通滤波器平滑方法和频谱补偿法等,都存在着一定的缺陷。提出了一种采用经验模态分解与小波分析相结合的方法,能较好地分析原功率的特征,能更好地还原原有功率值,从而获得更为准确的风电并网功率的参考值。并在综合考虑电池储能的荷电状态、效率等情况下,采用仿真法得出储能装置容量的最低配置值。算例分析中,通过与传统的低通滤波平滑下的容量配置进行对比,验证了所提出方法的有效性和优越性。     

基于FCM的暂态电能质量扰动识别

提出一种应用模糊C均值聚类(FCM)对暂态电能质量扰动进行识别的新方法。该识别方法分层实现,第一层判断信号中是否包含暂态振荡扰动,第二层判断是否包含暂态脉冲扰动,第三层判断是否包含幅值扰动及综合判断出各种复合扰动的类型。通过与集合经验模态分解(EEMD)和奇异值分解方法的结合,分层提取出有效特征量,并将其作为FCM的输入,得到聚类中心和隶属度矩阵。最后通过计算待测样本与已知样本的聚类中心的欧氏距离实现扰动类型识别。通过仿真分析,该分层识别方法准确可行。     

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。