基于动态独立分量分析算法的谐波检测

介绍了一种基于峭度的非高斯极大的动态独立分量分析算法,并将其引入到谐波检测中。该算法在非高斯极大ICA算法的基础上,利用动态的递推关系公式计算得到当前的峭度值,并将峭度的非高斯极大作为独立性判据,从而实现谐波信号的盲分离。为了更好地逼近真实信号,对分离后的信号进行幅值修正,最终完成谐波的检测。仿真实验结果表明了该算法的正确性和可行性。     

基于动态独立分量分析算法的谐波检测

介绍了一种基于峭度的非高斯极大的动态独立分量分析算法,并将其引入到谐波检测中.该算法在非高斯极大ICA算法的基础上,利用动态的递推关系公式计算得到当前的峭度值,并将峭度的非高斯极大作为独立性判据,从而实现谐波信号的盲分离.为了更好地逼近真实信号,对分离后的信号进行幅值修正,最终完成谐波的检测.仿真实验结果表明了该算法的正确性和可行性.     

应用核独立分量分析的电力用户负荷曲线估计

提出了核独立分量分析算法,即白化的核主分量分析加上独立分量分析算法。该算法在电网信息不足时,利用电网部分支路的潮流作为观测值,就可以完成对用户负荷曲线的估计。经过IEEE 9节点系统的仿真验证,结果表明,观测值在经过白化的核主分量分析算法处理后,非高斯性增强。应用独立分量分析算法对处理后的观测值进行盲源分离后,所得用户负荷需求曲线的估计值逼近实际值。与仅用独立分量分析方法的仿真结果相比,估计误差降低,相关系数增加。     

一种采用小波滤波的独立分量分析算法

在盲信号处理中,作为一种非高斯性度量之一的峭度,对野值可能非常敏感。提出了一种使用小波滤波的独立分量分析(ICA)算法。首先,采用小波对混合信号进行去噪处理。然后,利用主成分分析PCA对混合信号进行白化。最后采用负熵的独立分量分析算法提取混合信号中的独立分量。实验表明,基于小波滤波的ICA算法能有效地提取源混合信号的独立分量,在噪声环境中具有比快速独立分量分析算法更好的盲源分离效果。     

应用改进独立分量分析算法估计电力用户负荷曲线

应用独立分量分析算法,即基本FastICA算法,在不知道电力系统网络参数或拓扑结构的情况下,可以估计节点电力负荷曲线。若考虑测量中存在的噪声,则基本FastICA算法将含有噪声的观测信号进行分离,导致估计误差增大。为此,通过在白化数据过程中考虑噪声的作用,改进了FastICA算法。IEEE14母线系统的仿真实验结果表明,应用改进后FastICA算法所得到的负荷曲线估计结果的精度,要优于基本FastICA算法。说明改进后的FastICA算法适用于考虑噪声情况下的电力负荷曲线估计。     

基于快速独立分量分析的谐波/间谐波频谱分离算法

在非同步采样条件下,若电网采样信号中谐波和间谐波相邻,会出现严重的频谱干涉问题,且无法识别出信号中实际频率成分。针对以上问题,提出了一种基于快速独立分量分析(Fast ICA)的频谱分离算法测量谐波和间谐波参数。首先构建了多频率成分模型,将频谱中的谱线表示为多个频率成分分量的叠加,然后利用Fast ICA算法和最小二乘法得到频率成分参数,最终实现了对相邻多频率成分的测量。仿真结果表明,该算法可以在需求谱线数较少的情况下准确识别频率成分并保持较好的测量精度,且具有一定的抗噪能力。     

基于Bootstrap方法的独立分量分析可靠性研究

语音信号盲分离受到随机采样的数据所影响,产生统计可靠性问题,从而影响分离的效果.Bootstrap方法是以原始数据为基础的抽样统计推断法,可方便的应用于实际的数据处理之中,分析ICA的统计可靠性,但传统Bootstrap方法本身的计算特性限制了自助样本的生成范围,从而使得自助概率分布产生了一定的偏离,使之无法渐近于真实情形.本文通过对Bootstrap样本生成范围的拓展,改进了独立分量分析在语音信号应用的可靠性算法,获得了更加精确的可靠性参数.     

基于独立分量分析的谐波检测

长期以来,谐波治理一直是电能质量控制的重要组成部分,而准确的检测又是有效治理和分析谐波的前提和基础.将谐波的问题视作盲源分离问题,并将该领域中广泛使用的独立分量分析法运用到检测算法中.通过构建适当的虚拟观测源,从观测信号中分离出基波和各次谐波分量.实验结果表明,该方法在实时性要求不高的情况下可准确检测谐波.     

改进的FastICA在盲图像分离中的应用

盲源分离（BSS）是信号处理领域的一个热点问题。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。为了有效地对混合图像进行盲源分离,介绍了一种基于改进的快速固定点算法（FastlCA）,对经过随机线性混合后的模糊图像进行盲源分离。仿真结果显示,该算法可以很有效地对线性混合图像进行盲源分离。     

基于独立分量分析的谐波检测

长期以来,谐波治理一直是电能质量控制的重要组成部分, 而准确的检测又是有效治理和分析谐波的前提和基础。将谐波的问题视作盲源分离问题,并将该领域中广泛使用的独立分量分析法运用到检测算法中。通过构建适当的虚拟观测源,从观测信号中分离出基波和各次谐波分量。实验结果表明,该方法在实时性要求不高的情况下可准确检测谐波。     

基于独立分量分析的工频通信中的谐波干扰消除

双向工频通信系统是一种基于配电网络的通信系统。通信信号在配电网中传输时,其背景信号中必然含有大量的谐波成分,这会给通信信号的检测带来极大的困难。该文根据双向工频通信的信号特征,提出了基于独立分量分析的谐波消除方法。该方法在消除谐波干扰的同时,有用信号成分几乎不被破坏。通过Matlab对此方法进行了验证,取得了良好的效果。     

Damping inter-area oscillation by generation rescheduling based on wide-area measurement information

Inter-area oscillations are inherent to power systems which can be caused due to oscillation of two coherent groups of generators against each other with low or negative damping. Poorly damped oscillations can pose various problems such as limiting transfer capabilities and in more severe cases can lead to uncontrolled islanding causing system blackout. In this paper, for damping inter-area oscillation a new method based on the wide area measurement system (WAMS) and using generation rescheduling (GR) is proposed. The proposed algorithm consists of three tasks; identification of inter-area mode, determination the most effective generators for rescheduling and enhancing damping of inter-area mode by GR. In this approach, first by means of Independent Component Analysis (ICA) and modified Random Decrement (RD) techniques and using on-line power and rotor angle oscillation data provided by WAMS, the frequency and damping of the inter-area mode is identified. In the case of low damping of oscillation, by using mode shape of the inter area mode, generation rescheduling is applied for improvement of damping. In this paper, a non-model based method is adopted for estimating mode shape from the measured data like generator rotor speeds. The proposed approach is applied on a two area small system and IEEE 39-bus test system and the results demonstrate effectiveness of the method for enhancing oscillation damping.     

一种识别共线性传感器故障的新方法

本文针对传统的主成分分析法(PCA)不能识别出控制系统中具有共线性关系的传感器故障这一缺点,通过利用主成分分析法中的残差子空间,结合基于推理的方法提出了一种识别具有共线性关系的传感器故障的新方法。经过验证,该方法简单、有效,适合用于传感器的在线实时故障诊断。最后将该方法加入到传统的PCA算法中,得到改进了的PCA算法。     

Fixed-point blind source separation algorithm based on ICA

This paper introduces the fixed-point learning algorithm based on independent component analysis (ICA); the model and process of this algorithm and simulation results are presented. Kurtosis was adopted as the estimation rule of independence. The results of the experiment show that compared with the traditional ICA algorithm based on random grads, this algorithm has advantages such as fast convergence and no necessity for any dynamic parameter, etc. The algorithm is a highly efficient and reliable method in blind signal separation. __________ Translated from Journal of Taiyuan University of Technology, 2007, 38(1): 35–37 [译自: 太原理工大学学报]     

面向状态监测的改进主元分析方法

为满足牵引电动机状态监测中多维海量数据处理的需求,给出了一种基于改进主元分析的状态监测方法。该方法以均值化代替标准化对传统主元分析进行改进,在保留原有数据信息特征的基础上降低指标维数,消除变量关联,建立主元模型,利用SPE统计量和T2统计量判断电机运行是否发生异常。实验结果表明：基于改进主元分析的状态监测方法能够建立准确的状态监测统计模型并快速检测出电机异常情况,该方法在电机状态监测中是有效可行的。     

PMU based voltage security assessment of power systems exploiting principal component analysis and decision trees

The need for feature selection and dimension reduction is felt as a fundamental step in security assessment of large power systems in which the number of features representing the state of power grids dramatically increases. These large amounts of attributes are not proper to be used for computational intelligence (CI) techniques as inputs, because it may lead to a time consuming procedure with insufficient results and they are not suitable for on-line purposes and updates.This paper proposes a combined method for an online voltage security assessment in which the dimension of the token data from phasor measurement units (PMUs) is reduced by principal component analysis (PCA). Then, the features with different stability indices are put into several categories and feature selection is done by correlation analysis in each category. These selected features are then given to decision trees (DTs) for classification and security assessment of power systems.The method is applied to 39-bus test system and a part of Iran power grid. It is seen from the results that the DTs with reduced data have simpler splitting rules, better performance in saving time, reasonable DT error and they are more suitable for constant updates.     

基于独立成分分析的凝汽器真空信号去噪仿真研究

针对凝汽器真空信号去噪声问题,根据检测环境和被测对象的特性,运用独立成分分析方法,合理引入虚拟噪声通道,并建立了凝汽器真空去噪模型。仿真实验表明:独立成分分析方法可获得很好的去噪声效果,对凝汽器真空信号去噪声有实用价值。