低频振荡主导模式的滑窗谱分析方法

实际电力系统低频振荡复杂,具有多模式且模式时变的特点,但在秒级时间窗内,仍可采用非时变特征根来描述机电振荡模式.采用滑窗后谱分量比较的办法,解决阻尼识别和模式变化判别问题;针对振荡带宽较窄的特点,采用最小二乘递推的傅里叶基神经网络谱分析方法提高抗干扰能力,并从窗口权值分析得到主导模式的频率;通过滑窗训练,识别各模式的阻尼和幅值以及模式的变化.开窗和滑窗分析符合实测数据在线分析的实际过程;对频谱分析方法的改进,即保留了原有工程经验,又解决了实际问题.仿真表明:该方法在干扰和多模式的情况下抗干扰性强,模式识别准确.     

基于快速傅立叶变换的电力谐波分析与程序实现

采用FFT（快速傅立叶变换）算法在电网中进行应用,方法简单、可靠、精度较高,可以对谐波进行准确分析.利用FFT算法编写谐波分析程序对三相电进行数据采样,采样频率为3 200 Hz,将采样到的数据进行FFT变换.利用FFT的结果求出对应点的幅值,计算基波的频率、幅度,及其有效值;对其他频率的幅值可通过阈值进行判断,超过阈值可认为是谐波信号,并提取其幅值、频率;最后利用提取出来基波和谐波的信息计算谐波次数和谐波的有效值、谐波畸变率等参数.     

基于互高阶谱SVD算法的电力系统低频振荡频率估及计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用,详细讨论了其数学模型和处理过程.在相关高斯噪声与非相关噪声背景下,首先用互高阶谱SVD方法,将信号分解成信号矢量空间和噪声空间,通过求解噪声信号的特征方程则可知频率信号.该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率.仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性,是低频振荡频率估计的有效工具.     

电力系统共振机理低频振荡及其影响因素研究

以单机无穷大系统模型为基础,阐述了电力系统共振机理低频振荡的基础理论及其振荡特性,分析了影响电力系统强迫功率振荡的主要因素,并选取算例分析验证.持续的周期性小扰动会引起电力系统共振振荡,当扰动频率接近系统固有振荡频率时,会引起系统谐振,导致大幅度的功率振荡.共振振荡的幅值与扰动的幅值、机组惯性时间常数、系统阻抗以及系统的振荡阻尼有直接关系.     

大干扰下主导低频振荡模式作用的再研究

在求得大干扰下主导低频振荡模式的基础上,分析了状态变量与控制模式、主导低频振荡模式问的非线性相互作用。应用数值微分方法求得系统参数对非线性相关系数的灵敏度。揭示了大干扰下,系统参数变化对系统动态特性和稳定性影响的内在原因。     

二阶段随机森林分类方法在低频振荡监测中的应用

针对低频振荡在线监测中起振告警慢且无法同时判断振荡类型的问题,文中提出了二阶段随机森林(RF)分类器用于低频振荡告警和分类.首先对PMU采集到的数据进行FFT变换得到其频率,送到第一阶段RF分类器进行判断是否发生低频振荡,以达到快速告警的目的.然后,如果判断为发生低频振荡,对数据进一步进行同步压缩小波变换(SWT),将得到的振荡参数送入第二阶段RF分类器中判断振荡类型,为抑制措施提供依据.仿真和实例验证说明:这种基于RF的两阶段的分类方式既减少了低频振荡预警的时间,又改善了样本类别的不均衡性,从而提高了低频振荡分类的准确性.     

基于改进ApFFT的动平衡信号检测算法

动平衡信号的检测应用于精密仪器,需具有较高精度。针对传统方法在处理动平衡信号时存在的能量泄露和分析精度不够的问题,提出改进的全相位FFT (ApFFT)动平衡信号检测算法。ApFFT能够准确提取动平衡信号的相位信息,然后基于时移相位差法修正幅值与频率。仿真结果表明,相比于传统FFT与短时傅里叶变换,改进的全相位FFT算法能高精度测量频率、幅值及相位信息,其相位误差达到10-5级别,幅值与频率误差分别为0.11%和0.48‰,并具有极好的抗高斯白噪声的性能。     

电力系统稳定器配置的一种新方法

在应用正则形理论的基础上,提出了计及二阶模式非线性相关作用的电力系统稳定器的配置方法。从识别强非线性下系统主导低频振荡模式出发,寻找与主导低频振荡模式相关的模式,利用非线性相关性来确定与这些模式联系最紧密的状态变量和相关发电机,以此为据来确定电力系统稳定器的配置。八机系统的算例结果都验证了在这些新观点指导下进行电力系统稳定器配置方法的有效性。     

基于互高阶谱SVD算法的电力系统低频振荡频率估计

介绍了互高阶谱理论在互联电力系统低频振荡频率估计中的应用，详细讨论了其数学模型和处理过程。在相关高斯噪声与非相关噪声背景下，首先用互高阶谱SVD方法，将信号分解成信号矢量空间和噪声空间，通过求解噪声信号的特征方程则可知频率信号。该方法不需要任何关于有色噪声的先验信息就可以估计低频振荡频率。仿真分析的结果表明该方法具有良好的谱估计分辨率及谱估计稳定性，是低频振荡频率估计的有效工具。     

振荡流中圆柱体横流涡激振动特性数值分析

为了探究振荡流效应对涡激振动的影响,本文对振荡流中圆柱体的横流涡激振动进行了数值模拟.对数值模型进行了验证分析,对KC数为25和502种振荡流下的涡激振动进行模拟,得到了圆柱体流体力、位移和涡量云图.结果表明:振荡流能激发圆柱体的多模态振动,且KC数越大多模态特性越明显;在锁定区间主导模态的幅值明显高于其他模态;锁定区...     

基于热电联产的汽轮机组油膜振荡故障诊断系统设计

常规振荡故障诊断系统,采集振荡信号噪声较大,导致诊断的故障类别信任度较低。针对这一问题,提出基于热电联产的汽轮机组油膜振荡故障诊断系统。耦合热电联产生产方式,循环汽轮机组多余排汽,通过排汽热量增加系统发电量完成硬件设计;采用小波包降噪算法,消除采集振荡信号噪声,分解信号各个时刻和频带,排序频带内时域子信号能量值,构成故障信号特征向量,输入神经网络,训练后输出振荡故障诊断模式完成软件设计。采集满负荷、最小负荷、噪声条件下的油膜振荡信号,设置对比实验,结果表明,所设计系统提高了故障诊断信任度,故障诊断结果更为准确可靠。     

一种基于DSP的EV DO联合频偏估计算法

在DSP平台上设计CDMA2000 1X EV-DO反向链路频偏估计算法。针对传统的FFT频偏估计及其改进算法易受栅栏效应和噪声影响等缺点,通过设置合理的频偏因子门限,在FFT频偏估计算法基础上设计了幅度校正和CZT变换的联合频偏估计算法。通过仿真和计算量统计,文章算法在计算量增加不大的情况下相比传统FFT类算法可以获得较好的频偏估计性能。     

基于Blankman-harris窗的加窗FFT插值修正算法

直接利用FFT进行电力系统谐波分析存在较大误差,加窗插值修正算法可以较好提高测量准确性.鉴于Blankman-harris窗在抑制频谱分析长范围泄漏方面具有很优良的性能,采用了双谱线插值修正的原理,推导了Blankman-harris窗双谱线插值修正公式,并利用MATLAB多项式逼近函数求出简洁实用的基于Blankman-harris窗的双谱线插值修正公式的逼近多项式.仿真分析表明,该修正多项式的算法实现容易,而且精度高.     

基于ART1改进算法的汉字分类研究

为了更好地利用自适应共振理论（ART1）来实现汉字的分类,提出了一种改进的ART1算法。改进算法引用了同或的思想,将输入模式与记忆模式相同的部分在输入模式总体中占的比例作为二者的匹配度,从而降低了输入样本顺序对分类结果造成的误差,增强了网络的稳定性和抗噪性。实验结果证明,改进算法能够更好地将汉字进行分类,求出聚类中心。     

基于全相位FFT的电磁法有效相位信息提取

电磁法的相位相比于振幅,变化的幅度更大,在一定地质条件下具有更高的分辨能力。以往的研究一般采用传统加窗FFT(Fast Fourier Transformation)方法提取相位信息,该方法存在2个方面的缺点,首先是测量精度受频谱泄漏的影响比较严重,其次需要严格的“同步采样”。在实际应用中抗噪能力较差,导致无法获得有效的相位信息。为了提高抑制频谱泄漏能力,同时不受“同步采样”以及频率偏离的影响,采用全相位傅里叶变换方法进行了类脉冲、类充放电三角波、类方波以及高斯白噪声等典型干扰波形的仿真实验,结果表明:在同步采样的情况下,无论是否存在噪声干扰,传统的FFT方法与全相位傅里叶变换方法的相位测量误差均小于1%;而在非同步采样的情况下,传统FFT方法无法获得准确的相位值,而全相位FFT方法无论是否含有噪声干扰均能获得有效相位信息。因此,全相位FFT法具有传统加窗FFT法所具有的优点,能有效地抑制高斯噪声,对电磁法典型的干扰波噪声有着良好的抑制效果。     

Noise filtering and subdivision precision analysis of Moiréfringe

The subdivision precision of MoiréFringe is restricted by its quality. In this paper, the adaptive filtering algorithm based on the neural network is used to restrain noise of MoiréFringe.The nonlinear mapping fuction is achieved by using the neural network layer. The step size of the algorithm can be adjusted dynamicly according to the signal’s frequency to meet the filtering request of the signal with a diversified frequency and make the algorithm self-adaptive.On subdividing filtered circle grating MoiréFringe signals by means of the tangent method by 512 times, it is shown that the distinguishment is 0.618″, that the maximal cumulate error is 1.236″, and that the signal quality and the subdivision precision are greatly improved.Because of its wide bandwidth and restraint of linear and nonlinear noises, the algorithm is better than general filtering way and can satisfy the preparation for the subdivision of MoiréFringe.     

基于时频特征的卷积神经网络跳频调制识别

针对人工设计特征表征能力不足,提取难度大的问题,提出基于卷积神经网络（CNN）的跳频信号调制方式识别系统. 该系统通过训练学习跳频信号时频图特征,将调制方式识别问题转化为图像识别问题. 采用组合时频变换方法对跳频信号进行时频变换得到二维时频图;经过自适应维纳滤波算法滤除背景噪声,提高系统抗噪性;采用连通域检测和双线性插值算法提取跳频信号每跳时频图,对时频图大小进行重置调整;将已处理的时频图输入到设计的11层卷积神经网络中进行训练学习,通过在输出层增加Softmax分类器,实现跳频调制方式分类识别. 仿真结果表明,该系统在信噪比为–4 dB条件下,对跳频信号BPSK、QPSK、8PSK、SDPSK、QASK、16QAM、32QAM和GMSK共8种调制方式的平均识别率达到92.54%.     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

基于自适应线性神经网络的噪音处理的研究

在信号处理中具有高稳定性能的滤波器一直是处理噪音干扰所追求的目标.本文通过利用线性自适应神经网络中的LMS算法来对噪音处理进行研究.研究表明基于自适应线性神经网络的降噪处理,从本质上是可以消除迭加的噪音信号.