交叉验证方法在电能质量信号白噪声抑制中的应用

电力系统中,电能质量信号往往含有大量噪声,这将在很大程度上影响检测的效果。基于交叉验证方法提出了电能质量信号白噪声抑制新方法,该方法无需事先估计信号中白噪声的任何参数,能根据所定义的积分均方误差（ISE）代价函数自适应地选择最佳消噪阈值,解决了小波去噪过程中小波基函数选择的固有难题,而且去噪效果优于传统方法。仿真结果表明,该方法能够准确提取出扰动信号的突变信息,提高电能质量信号的信噪比,且信号的均方误差较小。     

基于可调Q小波变换与基追踪的电能质量信号去噪

现场采集的电能质量信号中夹杂着高斯白噪声和脉冲噪声,这些噪声的存在给电能质量信号的检测与分析带来困难,因此要对电能质量信号进行去噪预处理。针对传统去噪方法的局限性,本文给出了基于可调Q小波变换与基追踪的去噪算法,该方法先用不同品质因数的小波基函数对含噪信号进行稀疏分解,再利用基追踪去噪算法对得到的小波系数进行优化处理,最后对优化的小波系数进行重构,这样就实现了电能主特征信号与脉冲噪声和高斯白噪声的分离,从而达到去噪的目的。仿真结果表明该方法可以有效地去除电能质量信号中的高斯白噪声及脉冲噪声,且去噪效果和可靠性优于广泛使用的小波去噪和集合经验模态分解去噪。     

提高暂态电压测量精度的自适应小波去噪方法

去除测量系统输出中的噪声对准确获取暂态电压波形具有重要意义。为此,提出一种基于小波分解的去噪方法。通过计算原始带噪信号各层小波系数的能量以及能量增量,确定去噪效果最好的小波分解层数;通过计算各层小波系数的峰效比,确定最佳小波基的选择。对暂态电压信号以及正弦信号进行去噪仿真试验,结果表明所提出的方案能够正确的选出最优小波分解层数和最佳小波基。将提出去噪方案应用于实验室以及变电站现场的暂态电压信号中,结果表明该方案能够在去除噪声的同时,保留信号的高频信号。     

基于小波阈值的局部放电去噪新方法

针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。     

基于经验模态分解的电能质量信号消噪新方法

基于EMD理论,采用一种电能质量信号消噪的新方法,即首先对电能质量信号进行EMD分解,得到一系列的IMF分量和一个剩余分量,根据噪声和信号在不同尺度的IMF分量上的表现特性,分别将其进行阈值处理,再将消噪后的IMF分量重构,从而得到消噪后的电能质量信号.仿真结果表明,该方法的消噪效果较好.     

局部放电信号检测的HHT-MDL自适应阈值算法

基于局部放电信号特征,将HHT与信息论的MDL 判据相结合应用于局部放电信号的提取。该算法以多分辨率的EMD为基础,结合MDL判据自适应地确定EMD得到的IMF的阈值,来提取局部放电信号,同时还得到局部放电信号的时间-相位-幅值谱。对于强周期窄带干扰,提出了先用FFT预处理后,再用HHT和MDL消噪的简单算法。该算法综合了这两种方法的优点：无需定义任何基函数,无需事先知道噪声的水平,不需要预置阈值、不需要选择阈值行为方式,有较强的自适应性。仿真结果表明,本方法能够有效地消除局部放电中的噪声,其效果优于基于小波和MDL准则的消噪算法,为局部放电信号的消噪提供了一种新思路。     

局部放电信号检测的HHT-MDL自适应阈值算法

基于局部放电信号特征,将HHT与信息论的MDL 判据相结合应用于局部放电信号的提取.该算法以多分辨率的EMD为基础,结合MDL判据自适应地确定EMD得到的IMF的阈值,来提取局部放电信号,同时还得到局部放电信号的时间-相位-幅值谱.对于强周期窄带干扰,提出了先用FFT预处理后,再用HHT和MDL消噪的简单算法.该算法综合了这两种方法的优点:无需定义任何基函数,无需事先知道噪声的水平,不需要预置阈值、不需要选择阈值行为方式,有较强的自适应性.仿真结果表明,本方法能够有效地消除局部放电中的噪声,其效果优于基于小波和MDL准则的消噪算法,为局部放电信号的消噪提供了一种新思路.     

基于CEEMDAN与小波自适应阈值的去噪新方法

一维电能质量信号中通常含有不同程度的白噪声,高效去噪是对电能质量信号进行检测与识别的重要前提。为了能有效地消噪并完整还原信号的奇异点等真实信息,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值的去噪新方法。首先通过自相关法对CEEMDAN分解得到的含噪高频固有模态函数(IMFs)进行筛分;然后对这些高频分量进行小波自适应阈值降噪,这样就保留了高频部分的有效信息;最后与低频IMFs进行信号重构。仿真结果表明该方法去噪效果好,有效地保留了高频成分中的真实信息,为电能质量信号去噪提供了新思路。     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

二维离散小波变换在电能质量检测数据压缩中的应用

提出了用二维离散小波变换和能量阈值相结合的方法来解决电能质量扰动信号的压缩问题.利用二维db小波变换对矩阵数据分别进行行卷积和列卷积,把检测数据的高频信号和噪声信号分解在3个不同的方向上,且信号的能量集中在很少的小波系数上.再通过改进的能量阈值法,利用能量均值修正系数设置阈值使得压缩后的能量保留在99%以上,从而保证了重构信号的失真度很小且自适应地消除了加在扰动信号上的噪声.对6种扰动信号进行仿真并与小波包的压缩结果进行比较,结果表明该方法极大地提高了压缩率,并对噪声干扰有很好的去噪能力.     

基于二进小波变换和三角样条插值的电机故障信号重构方法

近几年来小波变换在信号处理尤其在电力系统故障信号的分解、消噪、重构以及故障特征提等诸多方面得到了广泛的应用，基于小波变换的各种算法不断出现。文[8]提出了使用二进小波变换提取信号边缘特征，根据信号特征点的值和导数值用三次埃米特多项式进行插值重构。本文分析了文[8]存在的两个问题，并针对这两个问题进行改进，即在二进小波变换和插值重构时使用同一种函数－三角样条小波函数，这样才能体现出信号处理的本质。本文作者提出的三角样条小波正好同时具有作为小波函数和插值函数双重作用，大大提高算法的效果。本文将它应用到电机故障信号的重构过程中，并就信噪比和相对误差与Mallat算法和文[8]算法进行了比较，效果明显。     

基于小波熵和小波熵权的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题。小波分析是具有时频局部化特性的时频分析方法,在此基础上定义的小波熵具有较好的定量特征提取能力。基于此,在给出小波熵、小波相对熵和小波熵权的基本原理和定义的基础上,文章提出利用小波熵和熵权两种测度来分类和识别电能质量扰动信号,建立了各种扰动的仿真模型,对电压突降、突升、中断,振荡暂态、脉冲暂态、电压尖峰、缺口、谐波等扰动类型进行了系统的仿真分析。结果表明,不同类型扰动信号的小波熵及熵权具有不同的定性规律,小波熵及小波熵权对电能质量扰动具有一定的分类识别能力。     

小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

An effective wavelet-based feature extraction method for classification of power quality disturbance signals

This paper presents a wavelet norm entropy-based effective feature extraction method for power quality (PQ) disturbance classification problem. The disturbance classification schema is performed with wavelet-neural network (WNN). It performs a feature extraction and a classification algorithm composed of a wavelet feature extractor based on norm entropy and a classifier based on a multi-layer perceptron. The PQ signals used in this study are seven types. The performance of this classifier is evaluated by using total 2800 PQ disturbance signals which are generated the based model. The classification performance of different wavelet family for the proposed algorithm is tested. Sensitivity of WNN under different noise conditions which are different levels of noises with the signal to noise ratio is investigated. The rate of average correct classification is about 92.5% for the different PQ disturbance signals under noise conditions.     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时 ,电压电流信号包含了故障的信息 ,文中称包含了故障或暂态信息的电压和电流信号为特征信号 ,利用特征信号可以进行系统分析和故障检测 ,但是特征信号往往被淹没在大量的噪声信号中 ,这样给电力系统分析和检测带来困难。文中分析了电力系统中几种常见的噪声和特征信号的时频特性 ,简单介绍了小波包变换的理论和特点 ,分析了利用小波包变换来消除噪声 ,提取特征信号的理论 ,并通过实例验证了小波包良好的抗噪能力 ,为实现噪声环境下特征信号的提取提供了良好的分析方法 ,为电力系统分析和故障检测提供了良好的工具。     

改进阈值函数的小波熵方法抑制局部放电白噪声的研究

针对传统硬阈值法和软阈值法的缺陷,提出了改进阈值函数的小波熵方法。该方法对含噪局放信号进行小波分解,基于小波熵自适应选取阈值,并引入一种改进阈值函数对小波系数进行处理,最后重构得到去噪后信号。典型仿真信号和实测信号的去噪结果表明,提出的方法能够有效去除局放信号中的白噪声。