一种新的电能质量扰动信号去噪方法

针对电能质量扰动信号去噪过程的简化和硬件实现问题,提出基于信号相关性处理的跨小波尺度空间去噪方法.基于电能质量扰动信号不同成分在小波尺度空间上的相关性不同,新方法把原信号分为两个数据长度相等的新信号,分别进行小波变换,跨两个尺度空间对相同分解深度的尺度系数进行相关性处理和软阈值处理,合并后的信号可滤除噪声成分.仿真信号去噪前后的赋范均方误差小且具有更好的检测效果.算法计算复杂度分析结果和实际运行表明,在高速DSP上可以实时实现该算法.     

电能质量扰动的Block-Thresholding去噪方法

提出一种基于block-thresholding阈值估计量的电能质量扰动小波去噪算法.在小波域,各个尺度携带信号信息的小波系数其分布具有"簇聚"性质,即大部分系数成簇聚集在信号突变位置.所提算法将各个尺度的小波系数分成若干块,针对各个块进行阈值处理;而不像传统的小波阈值去噪算法,如Donoho等提出的VisuShrink那样预先确定一个阈值,对所有小波系数逐项比较进行去留处理.将所提算法与传统阈值去噪方法进行比较研究,仿真和实验结果表明所提算法在全局适应性和空间适应性方面的优越性.     

基于改进小波阈值的电能质量扰动信号去噪算法

针对传统软、硬阈值函数在阈值处不连续或存在恒定误差等问题,本文提出了基于小波变换的改进阈值去噪算法,在小波阈值去噪的基础上改进了通用阈值和阈值函数,通过峰和比PSR来估计出每层小波细节系数的有效信息与噪声的分布,使得修正因子可以根据每层噪声分布的不同自适应的修正阈值.之后提出了一种新的阈值函数,其能更有效地保留信号的扰...     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果。引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导。针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究。结果表明：这种消噪模式可以改善电能质量信号信噪比门限的影响。利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用尺度系数和处理后的小波系数进行重构,得到去噪后的信号。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

电能质量信号去噪方法研究

电能质量信号中除了分析电能质量信号有用的信号外,还包含大量的噪声信号.介绍对现有电能质量信号去噪方法进行的分类;对近年来兴起的具有很好发展潜力的几种电能质量信号去噪方法进行描述;对其优缺点进行了总结;对今后电能质量信号去噪的研究方向进行了展望.     

基于改进软阈值法的电能质量扰动信号去噪

近年来,电能质量问题日益受到关注.为了对电能质量进行分析与评估,需要对其进行监测,但是在信号采集的过程中会受到噪声的影响,给分析带来困难.基于小波变换的软阈值法去噪是比较有效的,本文在正态分布3σ原则的基础上,提出了一种改进的软阈值去噪方法.对典型的电能质量扰动信号进行了去噪仿真,对重构信号进行了扰动检测,仿真结果表明,与通用软阈值法相比,该方法提高了检测正确率.     

压缩感知在电能质量扰动信号去噪中的应用

针对电能质量信号去噪中阈值去噪存在信号失真,去噪效果不理想,阈值选取影响重构质量的问题,提出了一种基于压缩感知理论(compressed sensing,CS)的电能质量信号去噪新方法。CS去噪将扰动信号映射到低维空间,利用电能质量信号具有稀疏性可以重构,噪声信号不具备稀疏性不可重构的特点,应用正交匹配追踪(orthogonal matching pursuit algorithm,OMP)重构算法重构电能质量信号达到去噪目的。实验表明,CS电能质量信号去噪法优于传统的基于小波去噪的阈值去噪法,且信号不失真,具有扰动信号采集与压缩的同时完成去噪和易于实现的特点,为电能质量信号去噪提供了一种新的方法。     

可调阈值函数和能量阈值优化的电能质量扰动小波去噪方法

电能质量信号在采集、传输过程中受外界环境的影响会引入噪声干扰,有效去噪的同时保留突变点信息是治理电能质量的重要前提.给出了一种可调阈值函数,通过对可调参数的控制,可以使得该阈值函数在软硬阈值函数之间变动,兼具两者的优点.引入小波系数能量因子,以能量最大的尺度作为特征尺度,在此尺度上,子区间能量高于尺度能量者则为有效区间...     

一种识别混合电能质量扰动的新方法

针对混合电能质量扰动的问题,提出了一种新的识别系统.首先,对滤波后的信号进行小波变换,将其分解到不同的频率空间;再利用Teager能量算子对低频空间的信号分量进行分析,判断信号是否发生了频率波动、电压暂降、电压暂升或电压中断等扰动;接着采用Prony算法分析去除低频分量后的其他分量,判断信号是否包含有谐波、间谐波或振荡...     

基于三角模融合算子的电能质量去噪算法

针对电能质量信号的去噪要求,结合模糊中值滤波算法和模糊均值滤波算法的优点,采用信息融合技术,利用模糊理论中的三角模算子将模糊均值滤波算法和模糊中值滤波算法的隶属度融合,并通过加权滤波的方法对信号进行去噪.实验结果表明,该方法克服了传统方法的缺点,能够在去噪的同时保留信号的突变点信息,适合对电能质量信号进行去噪,其算法设计简单、实用性强、有广阔的应用前景.     

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.     

基于数学形态学的电能质量扰动定位方法

提出了一种快速的电能质量扰动检测和定位的方法,在该方法中其检测输出量能够反映出扰动前后被检测电压幅值平方的变化,具有非常明显的检测效果。系统存在噪声的情况下,该方法同样适用。MATLAB／SIMULINK仿真结果证明了这两种方法的有效性。     

一种基于分层分析系统的电能质量扰动分类方法

建立了电能质量监测和分析系统,对改善电能质量、避免设备损坏和电力系统故障有重要的作用.提出了一种基于分层分析系统的电能质量扰动分析算法,来提高电能质量扰动分类的准确性及对噪声的适应性.采用多种信号处理算法方法,萃取能反映信号扰动参数的特征并逐层进行分析,最后综合判定信号的扰动类型.在不同噪声水平的情况下,通过对6种常见的单一电能质量扰动信号和4种复合扰动信号的仿真,验证了该方法的有效性和准确性.     

采用不完全S变换的电能质量扰动检测方法

S变换因其优良的时频特性而在电能质量扰动检测和定位方面获得了广泛的应用,但由于S变换计算时采用等间隔采样频率点,因而计算量较大。为解决此问题,基于S变换的电能质量扰动检测方法一般通过提取模时频矩阵的特征量实现而不需要利用S变换模时频矩阵的所有向量,分析了S变换的快速计算过程,并据此提出了不完全S变换。首先根据其运算前提是计算信号的FFT,利用动态测度方法检测出功率谱包络的峰值,以此确定信号的主要频率点;然后对相应的频率点进行不完全S变换,求模得到频率幅值特征向量;最后由这些特征向量进行电能质量扰动的检测。仿真结果表明,提出的算法能明显提高检测速度,更适合实时应用。     

复杂电能质量扰动事件源定位方法

复杂电能质量扰动事件包含多个相关的基本事件和多个扰动事件源。在对复杂扰动事件的类型和时空特征进行分析的基础上,提出一种复杂电能质量扰动事件源定位方法。采用原子算法检测扰动事件,给出根据各基本事件的起止时间进行扰动区段划分的方法;采用叠加原理对瞬时功率进行分析,提出根据扰动能量的极性对各区段扰动事件源进行定位。算例结果表明,该方法能够实现复杂电能质量扰动事件源定位。     

基于多特征量的电能质量复合扰动识别方法研究

针对目前电能质量扰动定位与识别困难的问题,提出了基于多特征量的电能质量复合扰动识别方法。该方法将EEMD、改进TK能量算子、Hilbert变换、扩展Prony算法相结合得到信号主要特征量,确定各特征量阈值,设计了决策树分类器进行快速的扰动识别,避免了因训练样本不足引起的较大误差,在较大程度上缩短了识别时间。选取包括10种复合扰动在内的17种扰动信号进行仿真验证,仿真试验结果表明,该方法识别率高,抗噪能力强,可同时适用于单一和复合电能质量扰动信号的识别。     

基于GA和ELM的电能质量扰动识别特征选择方法

电力系统中海量暂态扰动的分析与治理需要以高效准确的扰动分类为基础。现有扰动识别方法缺少合理的特征选择环节,分类器过于复杂,不能满足高效分类的需要。提出一种新的电能质量扰动特征选择方法。首先,对原始信号使用S变换进行预处理,提取具有代表性的25种扰动信号特征构建原始特征集合;然后,根据极限学习机识别准确率构造用于扰动特征选择的遗传算法适应度函数;最后,用遗传算法来进行迭代运算,确定最优特征集合。实验证明,新方法能够有效去除冗余特征,在保证分类准确率前提下,有效降低分类器复杂度,提高分类效率。