基于广义S变换的暂态电能质量扰动定位与识别

S变换由于时频分辨率固定,从而导致定位暂态电能质量扰动的效果差。提出一种基于广义S变换的扰动定位新方法,利用高频处时间幅值曲线的突变点峰值进行定位检测,以提高扰动的定位精度。首先通过广义S变换得到扰动信号的模时频矩阵,然后利用高频处时间幅值曲线定位扰动的起止时刻,再根据最大频谱曲线、基频幅值曲线与定位结果提取四个识别特征量,最后基于分类规则树方法实现扰动信号的自动分类。仿真结果表明,所提出的定位方法简单直观,精度较高;提取的识别特征量少而有效,分类效果良好。     

基于FCM的暂态电能质量扰动识别

提出一种应用模糊C均值聚类(FCM)对暂态电能质量扰动进行识别的新方法。该识别方法分层实现,第一层判断信号中是否包含暂态振荡扰动,第二层判断是否包含暂态脉冲扰动,第三层判断是否包含幅值扰动及综合判断出各种复合扰动的类型。通过与集合经验模态分解(EEMD)和奇异值分解方法的结合,分层提取出有效特征量,并将其作为FCM的输入,得到聚类中心和隶属度矩阵。最后通过计算待测样本与已知样本的聚类中心的欧氏距离实现扰动类型识别。通过仿真分析,该分层识别方法准确可行。     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。     

风电并网暂态电能质量扰动的检测与识别

风能的随机性、间歇性和波动性等特性使得电力系统的电能质量在风电并网运行时受到了十分复杂的影响,因此针对风电并网运行中的暂态电能质量问题,文中提出了一种基于db4小波变换和有效值法的新方法对暂态电能质量扰动进行检测与识别,并通过详尽的理论分析和Matlab仿真对该方法进行了验证。研究结果表明该方法能有效地完成对暂态电能质量扰动的检测与识别,为检测与识别电力系统在风电并网运行时的暂态电能质量扰动提供了一种切实可行的新方法。     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

一种快速暂态电能质量扰动定位方法

暂态电能质量扰动是目前电能质量研究中的主要问题之一,如何快速、准确定位电力系统中暂态电能质量扰动是一件复杂而有意义的工作.文中从时域出发,提出一种Hilbert变换和后差分相结合的方法,快速定位暂态电能质量扰动.该方法首先利用Hilbert变换提取暂态电能质量扰动信号的包络,然后采用后差分定位扰动信号.实验结果及分析表明,该方法简单、快速、准确,适合实时性要求较强的场合.     

基于S变换与SVM的暂态电能质量扰动识别

提出利用S变换与SVM对暂态电能质量扰动进行分类识别的方法。首先通过S变换提取扰动信号的特征量,然后利用支持向量机(SVM)进行分类。算例验证,该方法具有准确率高,训练样本少,结果直观等优点。     

基于CWD谱峭度的暂态电能质量扰动识别

针对现有的暂态电能质量扰动识别过程复杂、易受噪声影响的问题,提出基于CWD的谱峭度与有效值相结合的电能质量扰动识别算法。该算法通过CWD谱峭度值将扰动信号分为暂态脉冲、暂态振荡和幅值类扰动3类,将电压暂升、暂降和中断这3种幅值类扰动看作一类,再通过计算幅值类扰动的有效值区分暂升、暂降和中断。该算法不需要使用任何分类器,极大地简化了算法流程,减少了计算时间。仿真结果验证了理论分析的正确性。     

含分布式电源的配电网电能质量扰动源定位研究

针对含分布式电源的配电网产生的电压骤降、短路、高斯噪声以及电源产生的谐波输出等一系列问题,提出了一种精确判断扰动源位置的方法,旨在提高电能质量水平。根据分布式发电机配电网的拓扑结构和电能质量监测信息,利用离散小波Mallat变换提取高频扰动的分量,根据高频扰动能量的正负对扰动的方向进行判断。同时采用遗传算法,利用高频扰动能量来设置扰动权重因子,突出强信号在定位过程中的作用,从而对扰动源进行精准定位。仿真结果表明,此方法准确性比较高且容错性较好,对电能质量监测仪的安装位置和个数方面,也具有指导意义。     

基于BWD谱峭度的暂态电能质量扰动分类识别

根据暂态电能质量扰动的内在特性和谱峭度的特点,提出一种基于巴特沃斯分布(BWD)的谱峭度计算新方法,并与支持向量机相结合应用于暂态电能质量扰动识别。该算法采用BWD谱峭度方法计算暂态脉冲和暂态振荡2类扰动信号的谱峭度,选取谱峭度的最大值、最小值和均值作为特征量,输入PSO优化参数的SVM进行训练测试。通过PSCAD/EMTDC获得仿真数据,并分析之。结果表明,基于BWD谱峭度方法能够有效提取扰动特征量,且具有良好的抗噪性能。利用SVM分类器在小样本和叠加有其他扰动,能有效识别两类扰动,识别率较高。     

带分布式电源的配电网电能质量扰动源定位

为实现带分布式电源的智能配电网发生电能质量扰动时的自动精确定位,提出了一种粒子群优化算法和矩阵算法结合的电能质量扰动源自动定位算法。采用矩阵描述配电网拓扑结构和电能质量监测信息,建立了矩阵粒子群优化模型,构建了一种新的评价函数,通过矩阵粒子群迭代进行全局寻最优解。MATLAB仿真表明,该算法能实现在接入分布式电源情况下的扰动源自动精确定位,并具有定位准确、收敛性好、容错率高等优点。     

基于形态边缘检测的电能质量暂态扰动定位方法

提出了一种基于形态边缘检测的电能质量暂态扰动定位方法,在解决电力信号因周期性变化和采样过程中存在的各种干扰而引起的背景梯度影响扰动检测准确度问题的同时,引入软阈值的定量评价方法来提高其准确性。首先,提出滤波效果的评价方法,自适应选取结构元素大小对原始信号进行滤波处理;然后用扁平结构元素对形态梯度进行Top-Hat变换以抑制背景梯度,初步得到定位结果;最后结合软阈值的处理方法,实现对电能质量暂态扰动的定位。一系列的电能质量暂态扰动的仿真分析表明,该算法定位准确,抗干扰能力强,具有较好的普遍适用性。     

基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别

针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。     

基于提升复小波的暂态电能质量扰动的检测与定位

针对暂态电能质量扰动信号的检测与定位,提出一种基于第2代小波变换的提升复小波的提升算法。通过Euclidean分解算法得到复小波提升方案;利用该方案对常见的几种扰动信号进行提升变换,将变换后的幅值和相位信息用于暂态电能质量扰动的定位检测及扰动幅度估计;并与第1代小波变换进行比较。仿真结果表明,所提算法具有简单、运行速度快、检测精度高等优点,能够准确定位暂态电能质量扰动信号和计算扰动信号的变化幅度。     

电能质量扰动波形的识别

利用最近在小波变换、人工神经网络和证据理论上取得的进展来进行电能质量扰动波形的识别。与以往在时域用单个神经网络进行识别不同 ,提出的方案是在小波域用一组多层神经网络来进行的。最后 ,用Dempster-Shafer证据理论综合了网络的输出 ,并由分类器提供已辨识的扰动波形的信任度。     

基于形态学的暂态电能质量扰动检测

针对扰动检测过程中存在的脉冲噪声和白噪声影响暂态电能质量信息准确提取的问题,文章设计了一种基于LMS的多结构复合形态滤波算法,该算法具有在保留信号的有效成分的基础上最大限度地滤除噪声的功能。文章使用电压暂降、电压暂升、电压中断等对所提方法进行了仿真实验。仿真结果表明,基于LMS的多结构复合滤波算法得到的信噪比是多结构自适应复合滤波算法的1.01倍左右,是小波变换的1.1倍左右,即该算法能有效地滤除暂态电能质量扰动分析中的随机噪声和脉冲噪声;而且,该算法可较好地保持扰动信号的形状和特征。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。     

利用小波变换分析配电网电能质量扰动

小波变换具有良好的时频局部化特性，可以同时提取信号的时频特性，是分析电能质量问题的有力工具。文中介绍了利用小波变换分析配电网中常见的因开关动作、变压器磁饱和及电力电子装置引起的电能质量扰动问题。经仿真分析，验证了小波变换能够更好地提取扰动的特征信息，从而为电能质量问题的检测、评估、分类以及治理提供了依据。     

单一电能质量扰动的分类识别研究

电能质量扰动的分类识别对电能质量综合治理具有重要意义,为此提出了一种基于粒子群优化极限学习机的电能质量扰动分类新方法。利用小波变换将扰动信号做10层分解,提取有效区分扰动信号类型层数的能量差、能量差平均值及能量差的标准差作为特征向量,并将扰动信号与正常信号的均方根作为补充,减少输入向量维度。提出采用极限学习机训练误差作为粒子群的适应度函数来优化隐含层神经元个数,在提升分类速度的基础上保持较高的分类精度。经仿真验证表明,该方法能够准确有效地识别常见的7种扰动类型,相比于传统的BP神经网络具有较高的分类速度。     

电能质量复合扰动分类识别

电能质量扰动的分类分为信号特征提取和分类器2个阶段,采用S变换和支持向量机构造电能质量复合扰动的分类识别方案.利用S变换进行扰动信号特征提取,构造支持向量机静态分类树,再通过基于Mercer核的聚类方法对静态分类树进行动态扩展,形成动态分类树,实现对复合扰动的识别.给出了电能质量复合扰动分类算法的4个步骤:构建静态分类树;用基于Mercer核的聚类方法进行聚类分析;构建动态分类树;对新发现的扰动确定其具体类型,并给其命名.算例表明该方法不仅可以有效分类识别电压突降、电压突升、电压中断、暂态振荡、电压尖峰、电压缺口和谐波等7种电能质量扰动,还可以识别由其组合而成的电能质量复合扰动.