基于畸变波形同步分层估计谐波阻抗的探讨

由于Fourier变换缺乏时域局部化的能力，影响了直接利用Fourier变换通过电压、电流波形波动量估计系统谐波阻抗的准确度。文中利用小波变换时频局部化分析的特点，运用复小波对信号同步分层，分层后信号突出了电压、电流的波动情况，再应用“波动法”估计谐波阻抗。实验电路和实测数据的分析结果验证了该方法的有效性。     

混沌时间序列法在地下水位预测中的应用

在相空间重构的基础上,并借助G-P（Grassberger-Procaccia）算法、C-C方法和Woff方法分别从濮阳市范县、华龙区和南乐县中的某观测孔的地下水位一维时问序列中提取lyapunov指数,通过对地下水时间序列的混沌特性识别,表明其时间序列具有混沌特征。然后运用加权一阶局域法对地下水位时间序列进行预测。结...     

小波-差分指数平滑模型在滑坡变形预测中的应用

采用小波-差分指数平滑方法对三峡库区八字门滑坡地表位移进行了预测。小波变换以其多分辨率分析的特性，广泛应用于信号分析，指数平滑方法是在移动平均法基础上发展起来的一种时间序列分析预测法，在预测分析中应用广泛。针对三峡库区八字门滑坡的GPS监测水平累积位移，采用小波变换对时间序列进行去噪预处理，并分别建立一阶差分和二阶差分指数平滑模型对其进行预测，预测得到的平均绝对误差百分比仅为1.5%和1.1%，取得了非常好的效果，该模型可以应用于实际工程。     

10 kV中压配电网应用电力空间负荷密度特性研究

针对传统方法在研究水电配电网电力空间负荷密度的特性时存在电力负荷密度预测精度较低、用电高峰期出现供电紧张、运行稳定性较弱、安全性较低等问题,提出一种基于DLBAN模型的电力空间负荷密度预测方法。利用跨小波空间算法对水电配电网电力扰动信号进行去噪,获取电力空间滤波信号,根据DLBAN构建电力空间负荷预测模型,对待测区块指定最合适的类标签进行修正。利用DLBAN预测模型完成配电网电力空间负荷密度预测,得到其属性呈正相关性,从而实现对水电配电网电力空间负荷密度特性研究。结果表明,在水电配电网的应用中,城市第二产业的负荷密度的稳定性较强;不同用户的休息时间与负荷密度具有较强的关联性;第三产业的用电时间具有周期性,且负荷密度较大,对整个水电配电网区域负荷密度的贡献度较大,且具有较高的预测精度。     

基于MIC与BiGRU的水电机组振动趋势预测

为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势预测模型.首先,预处理阶段采用小波系数阈值去噪(WTD)方法对历史振动信号数据进行降噪处理以消除强背景噪声的干扰,并将振动信号划分为多个训练样本以改善算法的鲁棒性;其次考虑水力、电气与机械...     

利用内插优化技术解决谐波检测小波混叠

针对以往电力系统谐波检测的常规小波分析方法中没有抗混叠措施而导致精度低、鲁棒性差等问题，采用新的优化设计标准设计了一种内插优化小波滤波器,以解决电力系统谐波检测中的小波混叠现象。这种滤波器结构可以同时兼顾信号保持与混叠抑制两方面因素，克服了常规小波滤波器设计时，因把信号的精确重建放在首位，而把混叠分量的抑制因素放在次要位置所带来的固有缺陷，从而可以有效消除小波混叠误差，有利于进行电力系统谐波信号分析，为电力系统谐波的精确检测提供了一种有效手段。数值试验和与常规小波分析方法相比较的结果表明，该方法具有广阔的应用前景。     

基于连续小波变换的非整数次谐波测量方法

快速傅里叶变换(FFT)可实现整数次谐波的精确检测，但对非整数次谐波的检测误差较大；加窗插值算法可提高非整数次谐波的检测精度，但会导致谐波分辨率降低。如果信号中存在频率相近的整数次和非整数次谐波，利用FFT和加窗插值算法都无法实现谐波的准确检测。连续小波变换(CWT)因其良好的时频局部化特性，可用来分析谐波。通常利用CWT系数的幅值来检测谐波频率。但不同尺度的小波函数在频域上存在相互干扰，如果被检测信号中含有频率相近的谐波，利用CWT系数的幅值无法实现谐波的准确检测。文中结合傅里叶变换和CWT的特点，提出了利用小波变换系数傅里叶变换的幅值来分离谐波的算法。通过实例验证，该算法能够把频率相近的整数次和非整数次谐波分离，实现较理想的检测，从而提高了谐波分析、检测的精度。     

基于SVM的集成预测方法及其在水电机组故障诊断中的应用

针对水力发电系统的非线性及非平稳性特点,提出一种基于小波变换和支持向量机(SVM)的集成预测方法,用于水电机组状态趋势分析.采用小波变换将非平稳时间序列分解成若干个具有较强规律性的子序列,然后采用合适核函数的最小二乘支持向量机(LS-SVM)方法分别对这些子序列进行预测,最后综合这些子序列的预测结果作为原始序列的预测值.将该集成方法应用于某水电机组振动峰峰值的预测,结果表明该集成方法的预测性能优于单一LS-SVM方法.     

小波分析在水电机组状态监测和故障诊断中的应用研究

状态监测和故障诊断是大型水电机组检修的发展方向。其中一个重要方面就是故障信号的特征提取和分析。小波变换由于很好的解决了傅立叶变换很难与短时的瞬变信号相匹配的问题,在时域和频域都具有表征信号的良好能力,被广泛应用到水电机组故障信号降噪、数据压缩和奇异性分析等方面。但是小波应用中尚存在最优小波基和最佳分解层数的难题,这些问题给小波分析在水电机组中的应用带来了难题。     

小波和混沌神经网络在大坝变形预测中的应用

大坝是复杂的变形系统,其变形表现为动态非线性,也存在混沌现象。为充分利用大坝变形监测位移时间序列,实现位移单变量情况下的准确预测,提出了一种小波和混沌神经网络预测新方法,首先对大坝位移变形监测数据进行小波分解,其次对分解后的平滑信号进行傅里叶函数拟合预测,再对细节信号进行软阈值去噪和混沌神经网络预测,最后将预测信号进行小波重构。通过工程实例对比分析了小波和混沌神经网络预测新方法、神经网络模型、多元回归模型在大坝位移变形预测中的精度。结果表明,小波和混沌神经网络预测方法的预测精度最高,可以应用于大坝变形预测。     

基于Lyapunov指数的观测数据短期预测

本文介绍大坝观测数据的Lyapunov指数预报分析方法，应用混沌方法对大坝时间观测序列数据进行处理，并将这种混沌特性应用于大坝变形预测，根据大坝变形的时间观测数据及计算所得的Lyapunov指数规律，就可计算得到较好的预测结果；并对混沌时间序列相空间重构中的延迟时间间隔和嵌入维数的选取方法进行了讨论；结合实例对Lyapunov指数预测方法进行计算验证。     

APPLICATION OF LYAPUNOV EXPONENT SPECTRUM IN PRESSURE FLUCTUATION OF DRAFT TUBE

The Lyapunov exponent spectrum is firstly applied in the analysis of pressure fluctuation of draft tube and calculated based on the time series of vibration in experiments for different situations. Results shows that the Lyapunov exponent spectrum varies with the setting of guide vane, So the Lyapunov exponent spectrum can be used to judge the pressure fluctuation of draft tube so as to timely adjust the setting of the guide vanes to reduce the damage caused by the vibration.     

Monthly Streamflow Forecasting Using ELM-IPSO Based on Phase Space Reconstruction

We have developed a hybrid model that integrates chaos theory and an extreme learning machine with optimal parameters selected using an improved particle swarm optimization (ELM-IPSO) for monthly runoff analysis and prediction. Monthly streamflow data covering a period of 55 years from Daiying hydrological station in the Chaohe River basin in northern China were used for the study. The Lyapunov exponent, the correlation dimension method, and the nonlinear prediction method were used to characterize the streamflow data. With the time series of the reconstructed phase space matrix as input variables, an improved particle swarm optimization was used to improve the performance of the extreme learning machine. Finally, the optimal chaotic ensemble learning model for monthly streamflow prediction was obtained. The accuracy of the predictions of the streamflow series (linear correlation coefficient of about 0.89 and efficiency coefficient of about 0.78) indicate the validity of our approach for predicting streamflow dynamics. The developed method had a higher prediction accuracy compared with an auto-regression method, an artificial neural network, an extreme learning machine with genetic algorithm and with PSO algorithm, suggesting that ELM-IPSO is an efficient method for monthly streamflow prediction.

     

小波分析法实现水轮发电机轴心轨迹的提纯

分析水轮机发电机轴心轨迹是水轮机机组诊断振动故障的重要方法。由于轴心轨迹中包含了大量的噪声信号,将小波分析的理论应用于轴心轨迹的提纯,在传统小波硬、软阈值去噪方法的基础上提出了一种改进的软阈值去噪方法;并且引入谐波小波分析方法。通过计算机模拟试验,达到了比较理想的去噪及轨迹提纯结果,并对上述4种方法进行了分析和比较。     

基于混沌理论的汉江上游安康站1950-2014年逐月降水量特征

通过对安康站1950-2014年逐月降水量的趋势进行分析,发现其降水存在周期变化.基于自相关函数法、C-C关联积分法来确定安康站降水的非线性系统的延迟时间、嵌入维数后,对降水序列进行了相空间重构,并利用G-P关联维法以及最大Lyapunov指数法进行混沌特征识别.结果显示:采用G-P关联维算法分析安康站1950-201...     

Soil Water Simulation and Predication Using Stochastic Models Based on LS-SVM for Red Soil Region of China

The seasonal drought and the low available soil moisture affect the agricultural production in red soil region, China. Therefore, it is necessary to simulate and predict the dynamic changes of soil water in the field. Presently, dynamic model has been applied to obtain the soil water information. While the simulation accuracy of dynamic model depends on many complicated parameters, which are difficult to obtain. In this study, the various nonlinear Stochastic Model of soil water simulation systems and chaotic time series analysis methods of prediction systems had been set up. In the nonlinear Stochastic Model of soil water simulation systems, the daily soil water content simulated by Least squares support vector machine (LS-SVM) with the meteorological factors had more stabilities and advantages in soil water simulation performance over the Back Propagation Artificial Neural Network (BP-ANN) and Adaptive Neuro-Fuzzy Inference System (ANFIS). In chaotic time series analysis method of prediction systems, the various signal preprocessing methods including the appropriate de-noising methods and wavelet decomposition methods were applied to preprocess the original chaotic soil water signal. The results of the prediction systems showed that the appropriate de-noising methods and the tendency of wavelet transformation had less effect on the delay time (τ) and embedding dimension (m). The de-noising methods may ignore the detail information of the soil water signal, while the appropriate wavelet transformation to get smaller Maximum Lyapunov Exponent (λ₁) of the chaotic soil water signal detail and tendency information can improve the predicting capacity.     

混沌神经网络在地表水资源量预测中的应用

为了有效地揭示水资源系统复杂的非线性结构及变化规律,对具有混沌特性的水资源时间序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,提出一种适用于高精度逼近和泛化建模的混沌神经网络的学习算法,运用混沌方法构造训练样本及确定神经网络的网络结构,用神经网络拟合相空间相点演化的非线性关系,建立混沌神经网络预测模型。实例表明,该模型有较高的预报精度。     

大型泵站水泵机组振动信号滤波方法

针对大型泵站水泵机组运行时振动信号易受多种因素影响产生随机误差、噪声干扰,进而影响机组健康状态评价结果的问题,对水泵机组振动信号滤波方法进行分析研究。以南水北调东线某泵站水泵机组运行时机泵联轴器处的振动信号为例,分别使用巴特沃斯滤波器、基于汉宁窗的FIR 滤波器以及基于谐波小波的滤波器3 种滤波方法对水泵机组振动信号进行滤波处理并进行对比分析。结果表明:巴特沃斯滤波器和基于汉宁窗的FIR 滤波结果中存在时域波形的时延和轴心轨迹的连线,滤波不完全,而基于谐波小波的滤波几乎能够完全滤除干扰;对于特定频段的滤波,基于谐波小波的滤波在频段范围比较小的时候优势更加明显。     

小波在水轮发电机轴心轨迹提纯中的应用

水轮机轴心轨迹包含了大量的信息,对轴心轨迹的分析是水轮机组振动故障诊断的重要方法。由于轴心轨迹中包含了大量的噪声信息,将小波分析的理论应用于轴心轨迹的提纯,并在传统小波分析的基础上引入谐波小波。通过计算机模拟实验,达到了比较理想的轨迹提纯效果。     

月径流序列的混沌特征识别及Volterra自适应预测法的应用

在混沌动力系统相空间重构的基础上,利用关联维数法和最大Lyapunov指数法,对月径流时间序列进行混沌特性识别。然后结合自适应技术的实时递推特性和Volterra级数的非线性表征能力,利用Volterra自适应滤波法可对径流时间序列进行预测。通过江桥站和丰满水库实际月径流序列的预测结果表明,月径流序列中存在着一定的混沌特征。应用Volterra自适应法可以有效地对水文时间序列进行预测,与加权一阶局域预测法相比,能够实现更高精度的多步预测。