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。     

基于混合小波包的电能质量数据压缩算法

经典小波算法在分解电力系统监测系统的录波数据时,单一小波基难以与电能质量事件复合特征达到最优匹配,为了进一步提高电能质量数据小波压缩算法的效率,本文在单小波分解的基础上,针对电力系统数据特性提出混合小波包算法:首先通过MATLAB仿真产生不同类型的电网故障录波数据,再将仿真数据所对应的熵函数作为遗传算法寻优的代价函数,优化混合小波包基结构,最后利用新算例验证优化好的混合小波包。仿真实验的结果表明本文算法获得的压缩效果优于经典小波压缩算法。     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上,使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号,再对最优基下小波包系数作阈值处理,消除幅值较小的系数,达到压缩的目的,最后对压缩后的数据进行重构,并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明,提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

基于最优小波包基分解的暂态电能质量分类方法

对屯能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤。提出基于最优小波包熵特征的特征提取方法．对采样信号进行小波包分解及时域预处理并选取最优小波包基．计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起．形成最终的特征向量并作为神经网络的输入构建神经网络识别系统．对暂态电能质量信号进行识别。系统负荷投切和电容器充电的仿真结果表明．该方法能快速有效地区分暂态脉冲和振荡暂态。     

基于模糊熵的自适应小波包电能质量扰动检测

为提高电能质量扰动检测定位在高噪声环境下的准确性,在小波包降噪的基础上引入模糊熵判据,对不同噪声水平的扰动信号自适应最优分解层数,构造阈值随噪声系数改变的函数.选取噪声序列模糊熵最大时的阈值作为最优阈值,对降噪后的扰动信号进行Hilbert-Huang变换,以确定其起止时间与频率等参数.将算法与传统的小波阈值降噪方法进...     

基于小波包分解的电能质量扰动分类方法

随着敏感性设备的大量应用,电能质量问题已日益受到关注。对各种电能质量扰动进行分类是采取适当措施降低扰动带来影响的前提。小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息。章分别选取小波包分解终节点的能量和熵作为特征矢量,应用Fisher线性分类器设计了分段线性分类器,对扰动分类进行了仿真识别。仿真结果表明,以熵为特征矢量的分类方法有较高的识别正确率。     

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。     

基于小波包能量谱的电能质量短期扰动检测和分类方法

针对电能质量扰动问题,通过介绍几种基于变换理论的电能质量扰动检测和分类方法,对比分析各种方法之利弊,提出了基于小波包能量谱的电能质量短期扰动检测与分类新方法。仿真结果表明,该方法取得了明显优于其他检测和分类方法的效果。     

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。     

Novel power quality indices based on wavelet packet transform for non-stationary sinusoidal and non-sinusoidal disturbances

High power quality (PQ) level represents one of the main objectives towards smart grid. The currently used PQIs that are a measure of the PQ level are defined under the umbrella of the Fourier foundation that produces unrealistic results in case of non-stationary PQ disturbances. In order to accurately measure those indices, wavelet packet transform (WPT) is used in this paper to reformulate the recommended PQIs and hence benefiting from the WPT capabilities in accurately analyzing non-stationary waveforms and providing a uniform time–frequency sub-bands leading to reduced size of the data to be processed which is a necessity to facilitate the implementation of smart grid. Numerical examples’ results considering non-stationary waveforms prove the suitability of the WPT for PQIs measurement; also the results indicate that Daubechies 10 could be the best candidate wavelet basis function that could provide acceptable accuracy while requiring less number of wavelet coefficients and hence reducing the data size. Moreover, a new time–frequency overall and node crest factors are introduced in this paper. The new node crest factor is able to determine the node or the sub-band that is responsible for the largest impact which could not be achieved using traditional approaches.     

一种基于小波包变换的电力系统谐波检测方法

非线性设备的大量使用和分布式电源的投入使得谐波污染愈加严重,文中提出了一种基于小波包变换的谐波检测方法,能对电能质量进行有效的分析。该方法在五层db40小波包变换的基础上,利用希尔伯特变换做移频运算,避免了中间频段小波混叠对检测精度造成的不利影响,并将各次谐波分量转移到精度较高的边频带进行小波包分解并重构信号,实现了各次谐波的高精度检测,同时通过Matlab工具对不同算法的仿真进行了比较和误差分析。仿真表明,相比于传统傅里叶变换,该算法具有高分辨率时频分析能力,能有效定位暂态干扰;与经典小波包变换相比,测量精度也有了较为明显的提高,实验结果一致显示了该算法的可行性和优越性。     

基于小波变换的电能质量扰动信号的检测

为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位.针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测.研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性.     

Power parameters calculations based on wavelet packet transform

Power and power quality are of most importance in modern energy systems. The traditional method for power measurement and calculation uses Fourier transform. With Fourier transforms power calculations are performed in the time and frequency domains. However, it requires suitable windowing functions along with lengthy and complex (trigonometrically, exponentially, etc.) operations. In this study, a new approach which based on wavelet packet transform for power calculations of both fundamental and all harmonics of signals is proposed. The method is fast, efficient and overcomes limitations of the current techniques as mentioned above. The accuracy of the derived analytical equations is demonstrated via simulations implemented with the designed graphical user interface program and experimental works.     

基于小波变换的电能质量扰动信号的检测

为对电能质量进行有效的治理,提高用电效率,有必要对扰动信号进行实时检测和定位。针对当前电力系统存在的电能质量扰动信号中持续时间短、发生随机性大及不容易检测的特点,采用小波变换对电力系统的高频扰动、瞬时脉冲、电压切痕信号进行检测。研究表明,该方法能够精确定位扰动信号产生的时刻和持续的时间,证实了该法的准确性和优越性。     

基于虚拟预测与小波包变换的风电功率组合预测

为了提高风电功率的预测精度,针对风机功率不稳定性和非线性强的特点,使用小波包变换将风机出力分解成多个频率的子序列,然后运用组合预测方法分别对各子序列进行提前24 h预测,叠加各子序列的预测值,得出实际预测结果。其中组合预测方法权系数是通过虚拟预测的方法由方差倒数法确定。选择广东某风电场实测数据作为案例,对连续7天风电功率进行了预测。结果表明:小波包变换能有效把握风电功率变化规律,对小波包变换后的各子序列的预测结果表明组合预测效果优于单一预测方法。     

基于小波包变换的电力系统谐波分析

谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生严重危害和影响.分别利用小波变换和小波包变换对电力系统的谐波进行分析,仿真结果表明两者都能准确地将谐波信号中的基波分离出来.小波包变换能同时分离多个谐波分量,比小波变换可以分解出更丰富的频率信息,为更好地分析和抑制谐波提供了可靠依据.     

基于连续小波变换的电力系统动态稳定综合评估

提出一种基于连续小波变换的电力系统主导振荡模式、振荡模态、参与因子及同调机群的综合评估方法.首先,借助小波变换实现电力系统多通道广域量测信息的时频域分解,获取各量测通道对应的小波系数矩阵;针对各小波系数矩阵,通过小波功率谱甄别与系统主导振荡模式强相关的关键小波系数向量;然后,利用关键小波系数向量估计系统主导振荡模式的振...