基于小波包算法的电机故障信号的压缩和重构

提出了基于小波包改进算法的电机故障信号压缩和重构方法,取定误差限后,通过选择分解阶数自动优化调节每个节点的阈值来获得尽可能大的压缩比。分析了小波包分解尺度空间系数V1不压缩和压缩2种方案,以及小波包完全分解和基于熵值的最优分解下各压缩指标随尺度的变化情况,并比较了不同小波的压缩效果。分析结果表明,提出的方法在获得较大压缩比的同时又能不失真地重构原信号,并有效地减少小波包分解和重构的计算量,是一种有效的电机故障信号和压缩和重构方法。     

基于稀疏分解和复合熵编码的电能质量扰动数据高效压缩算法

对于电能质量扰动信号压缩问题,压缩比和重构误差是一对互相矛盾的指标。传统的压缩算法难以同时满足高压缩比和低重构误差的要求。为了同时提高压缩比和减小重构误差,该文提出了一种基于稀疏分解、哈夫曼编码和行程编码的混合压缩算法。首先,使用基于联合字典的稀疏分解算法,将电能质量扰动信号中的暂态分量和稳态分量进行分离;其次,对暂态分量使用小波分析、哈夫曼编码、行程编码算法进行编码压缩,对稳态分量,即基波和谐波分量,则保留其大于设定阈值的部分,进而完成对信号的压缩;最后,仿真信号和实测信号的实验结果表明该算法较对比算法具有更高的压缩比和更低的重构误差,同时证明了其对采样频率和高斯白噪声具有较强的抗干扰能力。     

基于最佳小波包基的电能质量暂态数据压缩

针对电能质量暂态扰动数据高频分量频率高(最高达到MHz)的特点,在小波压缩技术的基础上,提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩,利用最佳小波包基的快速搜寻算法对高、低频分量同时进行分解,再对扰动数据进行压缩重构,并将其与基于小波变换的数据压缩方法进行仿真比较。结果表明,在压缩比大致相同的情况下,得到数据的失真率比传统小波的压缩方法低。     

离散小波变换用于输电线路故障暂态行波信息压缩

从工程的角度论述了小波的基本特性、有限支集正交小波基的构造以及相应的离散小波变换算法,进而将小波分析法用于输电线路故障暂态行波信号的压缩,并对信号压缩比以及重构误差随压缩级数的变化规律进行了研究,旨在寻求一种信号压缩的自适应优化方案。文中所采用的算法具有可操作性。     

变换域图像压缩算法仿真及性能分析

研究了变换域压缩的基本原理与关键技术,对几种典型的变换域压缩算法进行了仿真与分析。针对同一图像采用不同的正交变换进行分解,保留相同个数的显著系数进行图像重建,以比较各种算法的稀疏表示能力,同时改变压缩比和分块大小等压缩参数,分析了各种压缩参数对算法性能的影响。实验表明,在低压缩比下,DFT具有较好的压缩效果,在高压缩比下,DCT和DWT性能优于其他算法。DWT具有时频局部化特点,因此其综合性能最佳,应用前景广泛。     

基于二维提升小波的火电厂周期性数据压缩算法

针对火电厂生产运行中产生的大量周期性实时数据，提出了一种新的数据压缩与解压缩算法。为了更加有效地降低周期性数据中存在的冗余，该算法首先将待压缩的周期性数据从一维空间转换到二维空间，然后采用基于二维提升格式的对称双正交小波滤波器组对数据进行压缩和解压缩。利用实际测取的电力生产过程中的周期性数据对算法进行验证，试验结果表明，在相同的压缩比下，基于二维小波压缩的重构效果优于基于一维小波压缩的重构效果。因此该算法是一种有效和实用的周期性数据压缩方法，具有较大的应用潜力。     

整数算法小波变换实时数据压缩与重构算法

针对传统小波滤波器结构和系数进行改进,提出了一种高效的整数算法小波变换的构造方案。在此基础上,针对电力信号采集数据自身的特点,对小波变换后的低、高频数据分别进行二次压缩,低频数据采用Ray-Period压缩算法,高频数据采用改进的阈值压缩算法。压缩实验证实,该算法能在均方误差优于2.0×10-4的情况下,获得6.2%的压缩比,并且速度比传统小波变换的压缩算法提高了10倍以上,具有实用价值。     

电力系统故障录波数据实用压缩方法

针对电力系统大量故障录波数据的传输问题,以故障录波数据在整体录波文件占据较小比例为依据,提出一种立足于录波数据整体的分通道分时段数据压缩新方案。对于周期信号的压缩,快速傅里叶变换(FFT)算法具有压缩比高的特点,因此先对分段数据进行FFT计算,若误差较大则改用小波变换压缩。在电力系统频率偏移额定值的情况下,采用加窗傅里叶变换校正算法,保证压缩率和压缩精度。仿真研究和实际录波文件的压缩应用表明,算法能获得较高的压缩性能和较小的误差,验证了该方案的可行性和有效性。     

基于提升算法的电力系统故障录波数据压缩新方案

利用提升算法实现了一个基于小波变换的电网故障录波数据压缩的新方案，从采样频率的角度首次给出确定最优分解层数的公式，说明了压缩比与频率的关系；结合实际录波数据，选定误差上限后，给出了通用阈值法中参数的优化取值；对比分析了软硬闽值处理方法。实例分析结果表明，利用提升算法实现的小波数据压缩算法比Mallat算法节省一半左右的计算量；利用文中提出的最优分解层数计算公式和优化参数，结合硬阈值法，可以获得较高的压缩比，同时将误差限制在合理的范围内。     

基于小波包分析的录波数据压缩原理

本着对数据采样率、压缩率要求较高的原则,提出了将最优小波包基变换应用到故障行波数据的压缩上。对故障暂态信号采用更高频率进行采样,利用小波可变时频窗及检验信号奇异性的优点进行信号分解．在此基础上,利用小波包最优基对高频段即细节部分再分解而获得局部最优信息的优点进行故障数据的综合压缩。EMTP依频线路上仿真．并分析了压缩后数据的实用性,说明用该原理实现的录波器压缩数据．在失真率较小的情况下,得到较高的压缩比。‘     

基于第二代小波变换的电力系统故障录波数据压缩方法

随着对故障过程监测水平要求的逐步提高,急剧增大的故障录波数据量给数据传输和存储带来了很大的困难,因此必须对其做压缩处理。在论述传统小波分解理论和第二代小波方法的基础上,提出了一种基于整数小波变换的无损压缩方法。该方法能够对电力暂态信号数据进行完全可逆的多尺度整数小波分解,并将各尺度上的小波系数进行Huffman编码,从而实现无损压缩。仿真实验结果表明：该方法应用于故障录波数据无损压缩可实现较高的压缩比。     

基于多小波的电力系统故障暂态数据压缩研究

在介绍多小波MALLAT算法的基础上，与传统小波进行了比较。通过对传统小波与多小波能量压缩率的研究，详细比较了基于不同预处理方法的多小波与传统小波的能量压缩率。利用两种数据压缩方法，通过大量的仿真工作，对不同预处理方法的多小波与小波的压缩效果进行了深入讨论比较，结果表明：预处理方法的选择是影响多小波压缩效果的关键因素，若选择合适的预处理方法，利用多小波对电力系统故障暂态数据进行压缩，可以获得比传统小波更好的压缩效果。     

嵌入式零树图像编码在故障信号压缩中的应用

随着对电力系统故障过程监控水平要求的逐步提高,急剧增大的故障录波器数据量给数据传输和储存带来了很大的困难,因此数据压缩也越来越受到人们的关注。在描述小波包变换的基础上,提出了一种由嵌入式零树编码算法改变而成的应用于电力系统一维故障数据压缩的压缩方法。仿真结果表明该算法对电力系统故障数据的压缩十分有效,并且实现简单,在任意点中断编解码不会影响算法重构出基本波形。     

光纤电流互感器渐变性故障时频特征辨识

通过时频变换方法分解光纤电流互感器(FOCT)输出信号,获取渐变故障信号特征,是故障分析的关键步骤。针对FOCT渐变性故障信号时域跨度大且劣化过程呈随机性的特点,对输出信号进行跨间隔采样,利用小波包分解算法,根据故障信号频段实现故障信号特征提取,利用相关评价指标对时域特征参数进行筛选,得到表征FOCT劣化趋势的最优特征参数。针对信号特征维度高的特点,提出主元分析法对高维特征降维处理,满足故障特征辨识快速性的需求。实验结果表明：使用6层小波包分解算法,得到64个包含不同频段信号的子序列,对比各个频带能量占比来确定互感器运行状态,能够实现有效辨识渐变性故障特征。     

基于整数小波变换的Ray-Period压缩算法

为解决基于传统小波变换的数据压缩方法存在的问题,在深入分析整数提升过程的基础上,提出了一种基于整数小波变换的Ray-Period压缩算法。该算法针对电力数据的特点,根据整数小波变换多分辨率分析的特性,将原始数据变换到小波域,以使变换后的信号能量主要集中在低频系数上,而后采用无损的Ray-Period压缩算法处理低频数据,采用改进的阈值压缩算法处理高频系数,并采用新的位图压缩算法处理阈值压缩后元素值超过3.125%时的非零元素。采用实际数据进行压缩,该算法的能量恢复系数优于10-4,压缩比小于6.39%,速度比传统的小波变换压缩算法提高了近1倍。     

基于谐波滤波器组的电能质量扰动数据压缩方法

提出一种基于谐波滤波器组的电能质量扰动数据压缩方法,该方法采用谐波滤波器组实现原始信号中稳态分量与暂态分量的分离,并通过插值离散傅里叶变换(IpDFT)算法来高精度估计谐波分量参数,然后对确定的稳态分量和暂态分量分别采用参数量化和小波变换进行压缩。最后,利用实际的电能质量扰动数据测试了该方法,结果表明,该方法对于各种类型的电能质量扰动信号均有效,同时在压缩比相同时,与通用小波压缩方法相比具有更好的压缩性能。     

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B样条小波的电力系统故障录波信号的数据压缩技术

针对在电力系统发生故障时,微机型继电保护装置因受内存容量的限制,不能存储过多故障数据的现象,提出一种实用的数据压缩技术———采用离散小波变换把数据从时域变换到频域,对高频系数选取门限进行阈值量化,对低频系数则经过数据变换后实施自适应Huffman编码处理,并对小波阈值设置、样条小波、Huffman编码等关键问题进行了详细讨论。仿真分析表明,数据压缩比和重构的方均误差均很小,验证了本方法的可行性,具较高的实用价值。