基于MUDW的电能质量扰动定位研究

电能质量检测中的扰动信号具有随机、不规则和多变等特性,使信号识别较为困难,本文通过改进原有的形态非抽样小波(morphological undecimated wavelet, MUDW),将其应用到电能质量检测中,从而对扰动信号进行定位。改进的形态非抽样小波包含广义开闭和闭开混合滤波器以及能定位扰动信号边缘的多分辨形态梯度,该方案满足信号重构条件。利用MATLAB软件,对于含有暂态或稳态的单一和复合扰动信号进行仿真。通过与文献中的形态非抽样小波对比,结果表示改进后的形态非抽样小波有较好的抗噪性能以及识别能力。     

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。     

配电网暂态电能质量扰动的定位与识别研究

针对配电网暂态电能质量扰动的非平稳性、突变性和短时持续性的特点,提出一种基于小波变换和BP神经网络的扰动定位与识别方法。首先对暂态电能质量扰动信号进行小波分解,提取其高频系数得到扰动时刻信息,然后利用模极大值对扰动突变点峰值进行定位检测,再用扰动信号的能量分布序列来构造特征向量并用BP神经网络设计扰动识别器。MATLAB仿真结果表明,该方法对暂态电能质量扰动信号起止时刻定位快速,精度较高,能有效地识别五种电能质量扰动,识别率高。     

基于小波变换的电能质量扰动检测与定位

根据电能质量扰动信号的非平稳性,通过对小波变换原理的分析,从小波变换能够突出信号局部特征的特性出发,探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了利用小波变换对电网电压暂降及周期脉冲等典型电能质量扰动进行检测与定位的方法。为验证方法的有效性,以电压暂降扰动和周期脉冲扰动检测为例进行了相应的仿真研究,结果证实了利用小波变换能更精确地检测和定位电能质量扰动。     

基于改进PSO - WNN的电能质量扰动分类研究

提出一种基于改进粒子群算法和小波神经网络相结合的电能质量扰动分类方法.首先利用小波多分辨技术检测电能质量扰动信号,然后提取各类扰动能量特征向量,将此特征向量输入到优化后的小波神经网络进行识别,最后经改进粒子群小波神经网络得到电能质量扰动分类结果.实例仿真计算结果表明,方法可大大提高电能质量扰动分类识别能力.     

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。     

基于改进小波阈值函数和CEEMD电能质量扰动检测

为提高在噪声环境下电能质量扰动检测定位的准确性,提出基于改进小波阈值函数和完备总体经验模态分解(CEEMD)的电能质量扰动检测算法。在采用CEEMD处理电能质量扰动信号的基础上,通过排列熵计算各固有模态函数的随机噪声强度,利用小波改进阈值函数对噪声强度高于排列熵值的分量降噪,并对降噪后分量进行Hilbert-Huang变换,求取定位扰动起止点以及频率等参数。将该算法与CEEMD舍弃高频分量和小波阈值函数降噪方法的对比分析,结果表明算法不仅具有较强的抗噪性,而且能有效保留高频信息不被滤除。以PSCAD/EMTC双馈式风力发电系统中的单相短路和两相短路为例,仿真验证了所提算法的有效性,最后搭建了基于PXI和Lab VIEW平台电能质量扰动检测平台,为应用于工程实践中奠定基础。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

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。     

小波变换在电能质量暂态信号检测中的应用

随着各种敏感电力电子设备在工业中的广泛应用 ,包括暂态扰动在内的电能质量问题已成为近年来各方面关注的焦点。对于暂态扰动发生时刻的检测与定位则是电能质量监测和统计中获取相关指标首要解决的问题。对基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究 ,通过基于标准偏差估计的小波消噪算法 ,有效排除了噪声干扰 ,实现了精确的故障时刻定位     

小波变换在电能质量暂态信号检测中的应用

随着各种敏感电力电子设备在工业中的广泛应用,包括暂态扰动在内的电能质量问题已成为近年来各方面关注的焦点.对于暂态扰动发生时刻的检测与定位则是电能质量监测和统计中获取相关指标首要解决的问题.对基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究,通过基于标准偏差估计的小波消噪算法,有效排除了噪声干扰,实现了精确的故障时刻定位.     

基于广义尺度小波熵的电网传输电能 质量扰动信号分析

提出了一种基于广义小波熵算法进行电网传输电能质量扰动信号分析和识别的算法。计算多个尺度下不同电能质量扰动信号的小波熵数值分布特点,给出了广义小波熵应用于电能质量分析的尺度选择特点以及分布规律,并结合支持向量机进行了不同电能质量扰动信号的识别与分类,达到了96%以上的分类正确率。     

基于改进形态滤波器和弧长差分序列的微电网电能质量扰动定位与识别

针对强噪声背景下微电网电能信号扰动定位和识别困难的问题,提出一种基于改进形态滤波器和弧长差分序列的扰动定位与识别方法。首先,将交替混合形态滤波器中的膨胀和腐蚀函数改进为均值膨胀和均值腐蚀函数,再对电能扰动信号进行滤波。然后,在分析扰动波形变化规律和三个典型扰动算例的基础上,定义并计算滤波后扰动信号的弧长差分序列。最后,利用弧长差分序列定位准确扰动时间,从弧长差分序列和滤波后信号中提取幅值特征和波峰特征,输入到已定义识别规则的扰动识别器,实现扰动识别。仿真试验和实际微电网数据试验结果表明,该方法能够精确定位和识别混入不同强度噪声的5种单一扰动和3种复合扰动,适用于实际微电网电能信号扰动的定位与识别。     

基于形态滤波和动态测度的电能质量扰动检测

针对电能质量扰动信号的检测与定位,详细分析了动态(Dyn)测度的特点并在其对噪声较为敏感的基础上,构造一种双结构数学形态滤波器并结合Dyn测度算法实现电能质量扰动检测。对电网中的扰动波形进行预处理,以滤除信号中的随机噪声。对去噪后的信号波形,运用Dyn测度算法,通过提取信号的极值点获取信息从而快速识别信号的畸变点,对扰动起止时间进行检测。MATLAB仿真结果表明所提检测方法具有运算简单、运行速度快、检测准确的优点。     

基于小波包除噪的电能质量扰动检测方法

小波包变换能够实现信号频带的均匀划分，在任意频率聚焦，是分析暂态电能质量扰动时频特性的良好工具。但是电气信号中的电磁噪声严重影响了小波包的检测特性。该文提出了一种小波包除噪算法。通过仿真验证，该算法可以消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

基于改进的自组织特征映射网络的电能质量检测与识别

针对电能质量扰动信号频谱广(从0～数兆赫兹)、不同扰动信号之间相互叠加的特点,采用小波变换和神经网络(ANN)相结合的方法对电能质量扰动信号进行识别.利用db4小波对IEEE定义的9种电能质量扰动信号进行粗略分类,提取扰动特征信号;与其他文献中不同的是,这里利用一些少量的已知样本对权向量进行初始化,对网络进行非强制性的修正,确定收敛准则,自适应调节学习速率等,从而对自组织特征映射(SOFM)网络进行改进,利用有限的学习样本对神经网络进行训练,提高神经网络分类的精度.用改进的自组织特征映射网络对电能质量扰动信号进行Matlab仿真,结果表明达到了较好的分类效果.     

基于小波分析的电能扰动研究

为了有效准确地对电力系统的各种扰动源进行准确的定位,文章提出了一种基于小波分解的电能扰动在线监控理论。分别分析了小波分析的基本原理、MALLT以及小波变换模极大值理论。重点对小波降噪处理和模值极大理论在扰动检测中的应用进行了分析。该方法利用小波细节信号对信号的突变十分敏感的特点,当电网出现干扰时,电压信号必定出现异常波动,反映在小波分析上就是细节信号出现模极大值。在此基础上通过MATLAB编程对常见的几种扰动源进行了仿真分析,最后对实验数据进行了降噪和小波分解。通过实验仿真分析可以看到:小波变换理论对常见的几种扰动源能够进行很好的检测与定位,是一种可靠高效的电能扰动定位方法。     

小波包变换在电能质量扰动检测中的应用

鉴于小波包变换能够均匀划分信号频带,聚焦任意频率,是暂态电能质量扰动分析的良好工具,提出了在噪声环境中电能质量扰动检测和定位的有效方法,即利用小波包变化模极大值原理定位电力系统短时扰动并确定扰动持续时间。仿真表明,通过小波包一、二次分解和重构能更好地提取扰动特征信息,从而为电能质量的检测、评估及治理提供依据,且该算法计算简单、快速、有效。     

S变换在电能质量扰动中的分析

S变换是电能质量扰动分析中的一个重要工具。为了对电能质量扰动信号进行准确分析,提出S变换模矩阵幅值求全算法和幅值平方和均值算法。求全算法得到时间和幅值的包络,准确得到扰动量的幅值,平方和均值算法可以准确定位扰动的时间和检测谐波频率分量。通过在Matlab上S变换对电能质量扰动信号的仿真分析并与Daubechies小波及小波包变换分析进行比较,证明S变换对电能质量扰动分析的精确性更高。     

采用小波变换检测和定位电能质量扰动

从小波变换能够突出信号局部特征的特性出发,探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了对电网电压跌落及周期脉冲等典型电能质量扰动进行检测与定位的方法。为验证方法的有效性,进行了相应的仿真研究。结果证实了小波变换能更精确地检测和定位电能质量扰动。