自适应奇异值分解局放信号降噪方法

针对高压设备局部放电现场检测时存在周期性窄带干扰、白噪声问题,提出了一种自适应奇异值分解局放信号降噪方法.该方法首先对测试信号构建Hankel矩阵,以此作为轨迹矩阵进行奇异值分解;通过提取前两个奇异值重构并结合功率谱熵自适应判断测试信号中是否含有周期性窄带干扰,以此为判断依据利用奇异值本身和奇异值子集标准偏差作为奇异值...     

基于DT-CWT和SVD的变电站直流系统接地故障检测技术研究

变电站直流系统的状态直接关系到变电站的正常运行,为了对变电站直流系统出现的接地故障快速、准确定位,提出了一种双树复小波变换（DT-CWT）和奇异值分解（SVD）相结合的变电站直流系统接地故障检测新方法。该方法首先利用DT-CWT对支路电流信号进行分解来构建Hankel矩阵;然后对Hankel矩阵进行SVD分解,得到一系列奇异特征值;再次,利用相邻奇异值差值构建奇异值差分谱,通过奇异值差分谱最大峰值来保留有效的奇异值个数;最后,利用保留的奇异值来重构低频信号。算例分析结果表明,该方法能够准确地从支路电流信号中提取出低频交流信号,可以对变电站直流系统接地故障进行准确定位,很大程度上减小对地电容对检测精度的影响。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法EI北大核心CSCD

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于奇异值分解的局部放电模式识别方法

提出了一种基于奇异值分解的变压器局部放电模式识别方法。通过搭建人工缺陷实验环境并采集样本数据,计算每个样本的统计特征参数,构成实验数据的样本矩阵。对样本矩阵进行奇异值分解,判断保留矩阵的特征是否明显,确定最佳保留矩阵的阶数,从而得到降维后的类型特征空间描述矩阵和类中心描述向量组。对现场采集的样本数据进行计算得到待分类的样本向量,并用类型特征空间描述矩阵进行线性变换,然后计算变换后的向量与类中心向量组中每个向量的距离,从而得到分类的判断结果。该算法简单而且高效,能够实现局部放电检测中各种放电信号的有效区分,局部放电模式识别召回率约为91.3%。     

基于广义S变换和奇异值分解的局放信号降噪优化方法

针对电缆终端局部放电现场检测时存在白噪声、周期性窄带干扰问题,提出一种基于广义S变换和奇异值分解的局放信号降噪方法。该方法首先通过广义S变换自适应获取窄带干扰个数并截取局放信号所在片段,然后利用改进的3谱线插值法对窄带干扰频率进行精确估计并构造引导信号加入原信号中,对该信号利用奇异值分解实现对混合噪声的抑制。通过对仿真、实测局放信号进行去噪,并与传统降噪方法进行对比分析。结果表明,该方法对于混合噪声干扰具有更优的抑制效果,能较好地还原局部放电信号。     

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。     

基于小波与奇异值分解的图像盲水印算法

提出一种新的基于离散小波变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法。该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入水印信息。水印的提取不需要原始图像。实验结果表明,该算法具有一定的不可感知性、鲁棒性。     

一种基于短时奇异值分解的局部放电白噪声抑制方法

白噪声是电缆局部放电(partial discharge,PD)检测时最为常见的噪声之一。针对局部放电白噪声的抑制问题,提出一种基于短时奇异值分解的局部放电去噪方法。该方法通过短时数据窗截取含噪局放信号片段,利用奇异值分解实现局放信号白噪声抑制。通过典型局放脉冲模型模拟实际局放信号,考虑不同信噪比、窗口长度对去噪结果的影响,验证了该方法的可行性。在振荡电压和工频电压下对实验室模拟的两种不同典型电缆缺陷进行了局部放电测试试验,并利用不同去噪方法对测试得到的局放信号进行去噪,验证了该方法的有效性和准确性。结果表明,该方法相比于传统小波去噪识别灵敏度更高,且去噪后波形相比于传统小波和奇异值分解去噪后波形相似度更高、误差更小。     

基于奇异值分解的直流输电电压缓冲装置DCBM10A缓冲时间的测试方法

DCBM10A电压缓冲装置必须在规定的时间内为后继负载提供持续电能,精确计算装置放电起止时刻非常重要。首先通过理论推理建立了电容放电的状态方程。接着介绍了SVD奇异值分解理论并用此理论对此方程进行了研究并计算得到了装置放电时刻。然后选取Marr小波用小波变换模极大值理论处理缓冲信号。对比分析了两者的结果,体现了SVD理论解决此问题的优越性。最后搭建实验平台用实验证明了此方法的有效性。     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

电力系统无功补偿点的确定及其容量优化

电力系统无功优化是一个复杂的非线性组合优化问题,针对该问题提出一种基于奇异值分解理论和改进的粒子群优化算法的无功优化方法。首先对系统潮流计算中雅可比矩阵进行奇异值分解,由奇异值分解理论可以得出矩阵的右奇异向量指标,依据该指标判断电压稳定弱节点,以此作为候选的无功补偿点;然后以有功网损最小为目标函数,构建无功优化数学模型,并提出改进的粒子群优化算法,在算法中引入二次插值算子,增强了算法的局部搜索能力,避免早熟,提高其寻优能力和收敛速度。最后,对IEEE30节点系统进行仿真计算,验证了该方法的有效性。     

奇异值分解和Teager能量算子的电压暂降方法

针对噪声干扰严重影响电压暂降检测分析精度的问题,提出一种采用奇异值分解和Teager能量算子（Teager energy operator,TEO）进行电压暂降检测的改进算法,即采用 Hankel矩阵对电压暂降信号进行奇异值分解法（singular value decomposition,SVD）,从而获得降噪后的供电点上电压暂降近似信号;利用Teager能量算子跟踪该近似信号的瞬时幅值;最后通过仿真算例验证该方法的可行性和有效性。     

基于奇异值分解和等效电流量测变换的电力系统状态估计

针对电力系统状态估计中处理病态问题的不足,提出一种基于奇异值分解和等效电流量测变换的状态估计方法。该方法利用PMU和SCADA量测构成的混合测量系统,运用直角坐标形式等效电流量测变换技术处理节点注入功率量测和支路功率量测,把信息矩阵转换成常数矩阵,再运用奇异值分解求解量测方程。在迭代求解中只需进行一次奇异值分解,提高了算法的计算效率。奇异值分解无需对系统进行可观性分析,能很好地处理病态或接近病态问题,使系统鲁棒性增强。通过仿真测试,验证了所提方法的正确性和有效性。     

短时奇异值分解用于局放信号混合噪声抑制

电缆终端局部放电检测是诊断电缆终端绝缘状态的有效手段。为了有效抑制局放信号中的多种噪声源并保留局放信号的细节,提出了一种基于短时奇异值分解的局放信号混合噪声抑制方法。该方法首先利用短时滑动数据窗截取含噪局放信号片段进行奇异值分解,然后利用最优奇异值阈值对周期性窄带干扰进行甄别重构,并进行混合噪声的抑制。对含有混合噪声的局放仿真信号和实验室及现场实测局放信号进行去噪,并将去噪结果与自适应奇异值分解、形态学小波综合滤波器去噪结果进行对比。结果表明:所提去噪方法相比于自适应奇异值分解、形态学小波综合滤波器去噪能取得更好的去噪效果,去噪后波形相似度更高,误差更小,且当数据量较大时,该方法相比于自适应奇异值去噪能显著提高执行效率,具有较好的应用价值。     

基于DD-PCA的可靠性水印改进算法

针对基于奇异值分解(SVD)算法常有的高虚警问题,提出了基于双重分解主成分分析DD-PCA的可靠性图像水印改进技术.算法对水印图像采用SVD方法进行主成分提取,然后将提取的水印图像主成分嵌入到载体图像的SVD变换的奇异值中,创新性地对嵌入主成分后的奇异值进行二次奇异值分解,进行ISVD (inverse-SVD)变换即可得到嵌入水印的图像.通过该方法使得提出的算法具有较好的水印不可见性,通过进行加噪、压缩、模糊、几何变形攻击,验证了算法具有较好的鲁棒性.     

基于随机奇异值分解的局部放电脉冲提取及去噪技术

针对低信噪比下局部放电信号易漏检与传统奇异值分解算法在进行局放脉冲提取时计算量大的问题,提出一种基于随机奇异值分解的局部放电脉冲提取及去噪方法。该方法能有效提取局放脉冲及去除白噪声,且相较于传统SVD脉冲提取计算所需时间更短,更具工程实用价值。首先,利用滑动短时数据窗截取原始局放信号片段,采用随机奇异值分解法计算最大奇异值,并与全局最优奇异值阈值进行比较,确定脉冲信号的起止点;然后,利用奇异值分解法结合局部最优奇异值阈值,去除提取信号的白噪声。通过对典型局放模拟脉冲进行实验,验证了该算法在脉冲提取时的执行效率优越性。在工频电压下对实验室模拟电缆缺陷进行局放测试,分别采用所提方法、离散小波变换及自适应双阈值方法进行对比性实验,结果表明,所提方法局放信号漏检率低,去噪效果好。     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

基于改进极小范数解的电容层析成像图像重建算法

提出了一种新的电容层析成像图像重建算法。在分析极小范数解的基础上，针对电容层析成像(ECT)逆问题的特点，利用正则技巧对其进行改进，并利用奇异值分解定理分析了这种改进的数值稳定作用。在此基础上，利用加权技巧建立新的目标泛函进一步改进极小范数解，并在求解该泛函的过程中采用正则技巧确保数值解的稳定性。数值实验表明，该算法是有效的，能够有效地克服ECT图像重建的数值不稳定性；而且该算法计算直接、无需任何复杂的技巧；就该文所考察的重建对象而言，其图像重建质量好于线性反投影算法(LBP)、标准Tikhonov 正则法和投影Landweber迭代法。从而为ECT图像重建提供了一种新的有效方法。     

一种高鲁棒性数字水印算法的FPGA实现

传统上数字水印算法使用软件方法实现.基于一种高鲁棒性的数字水印算法,研究了使用FPGA实现水印嵌入的方法.先通过提升小波变换将宿主图像进行3次分解,并用混沌置乱算法将水印图像进行置乱加密,然后将第3阶小波分解的LL部分进行SVD分解并得到对应的奇异值矩阵,然后将混沌置乱加密后的水印信息嵌入到该奇异值矩阵中.在该算法的FPGA实现中,主要研究了提升小波变换、混沌置乱加密、矩阵SVD分解的硬件实现方法.实验结果表明,该算法鲁棒性很高,嵌入水印的图像抗攻击性强,算法经过合理推导得以在FPGA上高效地实现.