基于MATLAB和小波变换的电力机车谐波电流分析

介绍了基于小波变换的谐波检测方法,应用小波变换良好的时频局部化特性对电力机车牵引负荷进行谐波检测。以SS4G型电力机车为研究对象,利用最小描述长度准则确定了分析谐波的最佳小波函数,在MATLAB环境下进行小波算法编程。仿真结果表明:小波变换能快速准确地将信号中的基波和不同频率的谐波信号分解出来,实现谐波检测。     

基于FPGA的暂态电能质量的检测方法

提出了基于FPGA实现小波变换算法的一种方法。该方法以硬逻辑方式,采用高通分解滤波器和低通分解滤波器来实现小波变换算法,解决了采用小波变换方法进行多分辨分析时由于计算量大限制了在实时监测系统中应用的实时性问题。以在检测信号奇异点上有很好效果的DB5小波为基函数,对在暂态电能质量中电压暂升/暂降、电压中断、电压脉冲、振荡等信号建立模拟扰动信号源并进行了仿真,对比信号奇异点产生时间和仿真结果中奇异点产生时间,结果表明该方法的准确性和可行性。     

小波分析技术在汽轮机振动信号消噪与检测中的应用

采用小波包进行汽轮机振动信号的消噪与检测,可有效保留信号中包含故障特征的弱突变信息。提出了基于小波包的汽轮机振动故障信号的消噪与检测方法。它是以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho硬阈值降噪算法作了比较。检测结果表明,在故障检测前先采用小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

基于谐波小波包理论检测微弱信号的研究

谐波小波作为一类小波,存在明确的函数表达式,算法实现简单,时频定位准确,且在频域具有良好的盒形谱特性。作为谐波小波变换的延伸,谐波小波包变换能够实现对任意频段的无限细化,将信号分解到感兴趣的频段。在此基础上,提出将谐波小波包理论用于微弱信号的检测。利用谐波小波包变换对微弱信号进行处理,成功实现了对微弱信号的时域重构和频域提取。通过仿真实验,说明谐波小波包方法在微弱信号检测方面,是一种有效的手段。     

基于小波神经网络的时变谐波信号检测

电力系统中存在大量的由于非线性器件对电网电压电流整流、逆变而产生的时变谐波。该文提出使用小波神经网络(wavelet neural network,WNN)算法对这一类谐波进行检测。利用小波变换的时频聚焦特性可得出信号的时变信息;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛性能;给出网络参数的选定方案;确定网络的训练算法;分析算法的时效性;并与其它检测方法做出比较。经仿真试验表明,该文所述的方法提高了检测的精度和效率。     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。     

Tsallis小波包奇异熵与功率谱分析在电力谐波检测的应用

针对Shannon小波能量熵在电力谐波检测过程中的局限性,提出一种基于Tsallis小波包奇异熵与功率谱(PSD)分析结合的电力谐波检测新方法。从Shannon熵和Mallat算法理论入手,论证Shannon小波能量熵在电力谐波复杂度表征及频率辨析中存在的不足。在分析Tsallis熵与Shannon熵的区别与联系的基础上,将Tsallis非广延熵理论和小波包算法结合,构造具有非广延性的Tsallis小波包奇异熵。根据Tsallis小波包奇异熵对电力谐波复杂度的表征结果,对谐波信号进行分段PSD分析。理论分析及仿真结果证明:该方法在正确表征电力谐波复杂度的同时,能对电力谐波的具体频率和功率进行具体量化。     

基于谐波小波的风力发电并网电压故障信号特征检测

针对风力发电并网对电网电能质量产生影响的问题，深入分析风力发电并网特点及故障特征，提出一种采用谐波小波降噪与时频联合分析相结合的风力发电并网电压故障信号特征提取方法，该方法解决了采用传统的傅里叶变换无法对非平稳电压故障测试信号进行分析处理的问题，充分利用谐波小波降噪技术对强噪声背景下的非平稳电压故障测试信号进行提纯降噪处理，再对降噪后的纯净信号进行时频联合分析，利用时频联合分析结果对风力发电并网电压故障进行精确定位，从而为故障穿越提供必要的参考决策，最后通过仿真和实验验证了该方法的有效性。     

基于ELMD-SVD和Prony的谐波间谐波检测方法

为了解决噪声干扰Prony算法提取谐波参数问题,提出了一种集成局部均值分解（ELMD）-奇异值分解（SVD）-Prony的谐波分析方法（ELMD-SVD-Prony）。首先采用ELMD分解含噪信号,对获得的一系列乘积函数（PF）采用K-L散度来确定含噪分量与有效分量之间的分界点,去除噪声分量并保留有效分量,对有效分量通过相空间重构Hankel矩阵,运用奇异值分解进行二次降噪并重构。最后将重构的信号与ELMD余项叠加得到去噪后的谐波信号,结合Prony算法检测谐波的频率、幅值与相位。仿真实验结果表明,该方法能有效降噪并提取谐波特征参数。     

基于MATLAB小波变换的电力系统谐波检测方法研究

本文介绍基于MATLAB小波变换的谐波检测方法。由于小波变换具有良好的时频局部化特性,近年来已将小波变换应用于谐波检测中。本文采用一维小波变换中Daubechies(dbN)小波将噪声信号分解。综合利用MATLAB中的Simulink、电力系统工具箱进行仿真建模。通过仿真验证表明,小波变换能快速而准确地将信号中的基波信号和不同频率的谐波信号分解出来,从而达到检测谐波的目的。     

基于小波和神经网络的时变谐波信号的检测

谐波的测试越来越受到人们的重视.小波变换具有变尺度和时频分析的特性,神经网络具有非线性映射和自学习的特性,因此这两种方法在谐波检测中都得到了广泛应用.然而,这两种方法又有其各自的不足.本文首先分析了这两种方法的本质缺陷;然后结合他们各自的优点,提出了使用小波多分辨分析(MLR)和神经网络相结合的算法对时变谐波信号进行检测;构造了基于双正交函数的小波基;提出了利用优化确定小波分解层数的算法;给出了小波-神经网络模型;最终利用仿真试验对算法进行了验证.仿真试验的结果表明,本文所述的方法能够有效地检测谐波的各种成分,并提取定量信息,不失为一种有效的检测方法.     

小波熵理论及其在电力系统故障检测中的应用研究

电力系统暂态信号经小波变换后数据众多，且对故障的判别缺乏定量的手段，所以，挖掘和融合出一个或系列普适量来有效地检测电力系统故障或判别其稳定性至关重要。该文利用小波分析具有时频局部化特性和熵能对系统状态进行表征的特点，将小波分析和熵结合起来，定义了3种小波熵(小波能谱熵、小波时间熵、小波奇异熵)，并给出其算法，揭示了这3种小波熵对系统故障表征的机理，对两种理论信号和基于PSCAD／EMTDC仿真的输电线路故障信号的分析表明，这3种小波熵能反映系统变化，且不受噪声干扰，能够有效地检测出电力系统故障。     

小波变换在电力系统谐波检测方面的应用

针对傅里叶变换的谐波检测方法无法同时实现时-频变域分析这一缺点,提出了小波变换这一新方法对谐波进行分析。通过小波变换对电力系统中的谐波电流进行分解,得到信号的基波分量和高次谐波分量。针对电力系统中的突变信号,提出了基于小波变换的模极大值的奇异性检测方法,通过小波变换模的极值点在多尺度上的综合表现,来表示信号的突变特征,并通过仿真实例验证该算法的有效性。     

基于复小波变换相位信息的谐波检测算法

小波变换因其良好的时频局部化特性，可用来进行谐波分析。但由于不同尺度的小波函数在频带相互混叠，使得现有利用小波系数幅值及在此基础上改进的各种算法都无法实现谐波的准确检测。该文提出利用复小波变换的相位信息来分析谐波的方法，利用改进递归复小波变换在不同尺度时，信号复小波变换系数的相位变化周期来确定信号的谐波频率，进而确定谐波的幅值；与FFT和幅值检测法相比，该方法能消除FFT算法的频谱泄露，提高了谐波检测的精度，且适用于含有非整数次谐波的信号。通过在LabVIEW中的实例验证，说明该方法能有效地消除FFT算法的频谱泄露和小波函数频带混叠造成的不良影响，有效地提高了谐波检测的精度。     

基于小波变换的含噪声行波信号奇异点检测

小波变换是检测信号奇异点的一种有效的数学工具.对于含噪声电流行波信号奇异点的检测,则需要一个基于小波变换的有效算法.作者在非线性阀值法去噪的基础上利用模极大值线的方法正确地检测出含噪声行波信号的奇异点,并通过数字仿真验证了此方法的实用性.     

基于小波包变换有源电力滤波器的研究

通过小波包变换可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,将小波包变换技术应用于有源电力滤波器的检测环节中,设计了基于小波包变换检测谐波的单相小波包滤波器,并在此基础上通过仿真验证了APF三相检测电路的可行性。     

基于小波变换的电力系统谐波分析

电力系统的谐波是影响电能质量的重要因素,本文论述了基于小波变换的谐波检测方法,将含谐波的电信号进行基于多分辨思想的正交小波变换,解决了时频同时局部化的问题,并提出单子带重构算法,改善了Mallat算法中的频率折叠问题。由于小波分析在时、频域内良好的局部性,使之在谐波的跟踪检测、进而抑制谐波对电力系统的不良影响方面具有十分重要的意义。     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度。仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时变间谐波信号更精确的检测和分析,对于小波变换电力谐波检测中的实际应用具有指导意义。     

基于时频自适应最优核分布理论的谐波检测方法

针对电能质量分析的现状,采用一种高分辨率的时频分析方法对谐波进行分析.该方法通过对时频平面内每一点计算模糊函数,获得时频最优核函数,并以此来抑制同时间点多分量信号引起的交叉项干扰,从而获得较高的时频分辨率.仿真结果表明,将该方法结合快速傅里叶变换检测谐波幅值,能够准确地检测出谐波各频率分量的时频分布特性和幅值大小.