GIS局部放电检测中的小波包变换提取信号

在介绍小波包变换算法的基础上，将小波包变换用于白噪声干扰下的气体绝缘组合电器（GIS）局部放电信号提取。对模拟的局部放电信号进行了小波包分解与重构的计算机仿真研究，分析了不同的局部放电波形、噪声水平及采样率对去噪结果的影响，最后对GIS内置传感器实测波形进行了小波包变换去噪。     

基于光学电流传感器的局部放电检测

局部放电检测可及早发现电气设备的绝缘缺陷，为状态检修提供依据。目前，各种检测方法仍难以解决抗电磁干扰能力差的问题。提出将基于Faraday磁光效应原理研制的双螺线管结构光学电流传感器应用于局部放电检测，丰富了局部放电检测的内容，突破了现有检测方法的局限性。建立了4种局部放电模型，利用马吕斯定律和安培定律研究了传感器光路损耗特性和抗电磁干扰性能，采用连续小波变换对光学电流传感器采集的局部放电信号进行了时频分析。与其他检测方法的比较结果表明，该传感器系统具有良好的使用特性，为今后光学方法在局部放电检测中的应用奠定了基础。     

小波分析及其在电力系统中的应用(二) 理论基础

较为详尽地介绍了小波、连续小波变换与Gabor变换的差异，二进小波变换、多分辨分析、 小波基、小波包、快速小波变换、信号的奇异性检测以及信号的多尺度边缘回复等基本内容 。此外，根据小波分析的理论基础，提出了B-小波的一些滤波性质，并构造了新的小波基， 结果表明比Morlet小波具有更高的计算精度。上述理论是小波分析在电力系统诸多领域应用 必要的基础。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解（EMD）的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数（IMF）的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

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。     

对几个小波基本概念的理解

讨论实际应用中经常涉及但容易产生误解的小波基本概念，以期提高电力系统小波应用研究水平。这些小波基本概念是：容许性条件；二进离散与二进小波；连续小波的离散条件；小波基；A=B=1的紧框架与正交小波；小波滤波器长度与时域分辨率；小波的滤波特性与不同尺度小波的频带交叠；线性相位小波与信号完全重构；双正交小波的小波包及小波包分解与1/2频程分解；整数倍伸缩小波变换与分数倍伸缩小波变换；小波的正则度与消失矩；Morlet函数与Morlet小波；小波变换模极大值（定义、与突变点位置的关系、与Lipschitz指数的关系、对小波的要求）；时域、频域同时紧支小波；(时域)紧支正交线性相位小波；表征小波特性的基本指标与有价值的新小波。     

基于CEEMDAN和小波包分解的闸门振动信号降噪研究

针对闸门监测振动信号去噪问题,提出基于CEEMDAN（经验模态分解）和小波包分解的闸门振动信号降噪算法,通过采用CEEMDAN和小波包分解方法进行信号去噪,可以有效处理水电站泄洪闸门振动信号中受到的外部干扰。CEEMDAN方法能够将信号分解成多个本征模态函数（IMF）,每个IMF代表不同频率的振动成分,使得外部干扰和真实信号成分可以分离。随后,小波包分解能够将每个IMF进一步分解成不同尺度和频率的子频带,这有助于更准确地定位和分离干扰成分。对每个子频带应用阈值去噪技术,可以有效去除噪声,保留真实信号。由测试结果可知,该算法能很好地剔除闸门振动信号中的无用噪声,有效提高闸门振动信号的准确性。     

一种新的电力系统暂态波形检测方法

正确检测和识别电力系统波形暂态现象对电能质量问题的综合治理具有重要意义。文中利用小波变换的奇异性检测对暂态信号的初始突变点进行精确的时域定位，然后在暂态信号邻近无干扰时段（至少2个周期）中确定该突变点的同相位点，将突变点后暂态波形与相应的正常波形进行点对点比较以判断暂态干扰的类型。这样既克服了传统时域方法在检测周期性暂态现象上的困难，又避免了当前基于小波变换检测方法中引入的复杂性问题。仿真结果证实了该方法的有效性。     

基于小波包变换和矢量量化的电力系统故障数据压缩

在实际的故障分析中通常不是利用故障暂态信号的全部频带信息，而是利用其部分频带信息来解决问题，因此提出了针对电力系统故障信号压缩的特殊要求，即对于所要解决问题有重要价值的频带信息无损压缩，对不重要的频带信息可以失真压缩，即保频带压缩。在此基础上提出了基于小波包变换、Huffman编码方法和矢量量化相结合的故障数据压缩算法，首先利用小波包变换将故障信号分解成各个频带的信息，选择有重要信息的频带采用自适应Huffman无损压缩算法，而对于其他频带数据信息，采用矢量量化压缩算法。通过仿真测试，该算法较好地满足了故障暂态信号的压缩要求，具有较大的应用潜力。     

基于小波包降噪结构地震响应研究

在结构地震响应研究中，通常采用人工地震波或实测地震波进行输入，这些地震波往往受到椒盐噪声、脉冲噪声、高斯噪声等多种高频噪声的干扰，影响了研究的效果。提出一种小波包降噪的处理方法，通过编制计算机程序进行仿真分析。分析结果表明：小波降噪能够降低高频噪声干扰和简化地震波有效特征向量提取。     

远动通道FSK信号载频检测方法的研究及其应用

为了实现对基于FSK(频移键控)调制方式的远动信道的监控，必须首先准确检测FSK信号的载波频率。FSK信号的频谱成分比较复杂，包含基带信号引入的连续谱和载波信号引入的离散谱两部分，传统的信号处理方法难以准确测量。针对以上特点，提出了一种新的非线性变换——时域拼接变换，通过对FSK信号的分割和重新组合，消除了两个载波信号之间的相关性，抑制了基带信号对功率谱的影响，将离散谱从功率谱中分离，并结合现代功率谱估计方法，实现了对信号载波频率的高精度测量。计算机仿真与实验证明，该方法是一种有效的FSK载波频率测量方法。     

连续小波变换应用于电力系统行波奇异性检测的探讨

主要讨论了解决零模行波波头定位的问题。由于零模衰减严重，波头比较光滑，因而使用离散小波变换无法定位零模波头。文中将连续小波变换应用于定位零模波头中。在理论分析的基础上，得出了利用连续小波变换定位零模波头时小波基和小波变换尺度的选择原则。利用该原则的小波变换可以有效地定位零模波头。EMTP仿真证明了利用基于该原则的小波变换可以准确定位零模波头。     

小波变换在水电机组故障信号分析中的应用

基于小波变换理论和用于奇变信号检测的原理，文章将小波变换引入水电机组故障信号分析处理领域，通过一个仿真算例，说明了小波变换在水电机组故障诊断中将具有较为广阔的应用前景。     

小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。     

小波阈值与小波包对南水北调工程防渗墙监测数据去噪有效性研究

以南水北调北京段大宁水库防渗墙加高施工工程为背景,基于小波包变换去噪法和小波变换阀值去噪法,对现场监测数据进行了消噪处理,比较了两者在工程实际中的应用效果。研究表明,对防渗墙工程安全监测数据,小波包的处理结果更为理想,能够更有效地去除噪音突变信号,保留原始有用信号的突变点,使重构信号能够更光滑地重现原始信号,其去噪法性能比小波变换阀值去噪法更佳,具有更好的实际应用价值。研究结论为后期更加准确地评价防渗墙施工期间的变形和进行墙体长期稳定性分析提供重要依据,研究方法可为类似工程提供参考。     

基于小波分析的心电信号提取

根据三次样条小波在各个尺度上具有不同带宽的带通滤波特性,利用小波变换多尺度多分辨的特点对心电信号进行分解,将心电信号分解在小波的不同尺度上,信号重构时,去除各种干扰。利用MIT/BIH中的心电数据对算法进行检验,试验表明,该算法能有效地降噪。     

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术，提出了一种小电流接地系统单相接地故障选线方法。该方法对故障发生后的零序电流信号进行小波变换，通过LMS自适应滤波器对小波系数进行滤波去噪，利用去噪后的信息进行选线。该方法能有效地从被噪声干扰的信号中得到有用的信息，克服了故障信号信噪比低的缺点，并能够充分利用故障信息连续判断。应用现场故障录波数据对该方法进行了验证，结果表明该方法能够满足实用要求。     

基于小波包-神经网络的尾水管故障诊断

尾水管水压脉动信号中包含与涡带紧密相关的低频信息。偏心涡带是引起尾水管振动故障的主要根源。傅立叶变换很难提取涡带的低频特征,为此采用小波包与神经网络相结合的方法,对尾水管信号进行小波包多层分解,以提取信号的特征信息,然后输入神经网络进行故障诊断。试验表明：该法能利用小波包时频局部聚焦分析能力和神经网络的自适应能力,对尾水管振动故障进行有效诊断。     

小波分析在水文预报中的应用

对小波变换的基本理论和小波分析(多分辨分析、小波包分析)方法做了简要的阐述,介绍了国内外当前小波理论在不同领域应用研究现状,结合长江111年的水文资料,分析了小波技术在水文预报预测中的应用,研究结果表明小波分析用于水文时间序列趋势分析是合理可行的.     

基于小波分析的月径流ARIMA预测方法

将一种基于小波分析的自回归滑动平均求和（ARIMA）模型用于月径流的预测。首先利用小波变换良好的局部化特性，将月径流序列分解成不同时间尺度上的子序列；然后对各个子序列利用ARIMA模型进行预测。将采用基于小波分析的ARIMA模型的预测结果与直接使用ARIMA模型的预测结果进行比较，结果表明引入小波变换提高了月径流预报精度。