改进形态滤波器在电力系统信号检测中的应用

由于传统广义自适应形态滤波器难以应对电力信号采集现场噪声复杂多变的情况,结合前人的研究提出了一种改进滤波方法,采用多组结构元素,并使用变步长的自适应算法集中加权,构建了一种新的多结构元素自适应形态滤波器。相比较传统的形态滤波器,改进滤波器用处更广,使用更加灵活。仿真结果表明,改进的形态滤波器能有效抑制电力采样信号中的复杂噪声,滤波效果优于传统广义自适应形态滤波器,使用更加灵活,并且当噪声发生变化时可以保证输出结果稳定,具有较强的适应能力。     

自适应广义数学形态学抑制局部放电窄带干扰

针对传统数学形态滤波器存在的统计偏倚现象,基于最小均方(LMS)自适应算法调节不同长度的结构元素,提出一种自适应广义数学形态滤波器。在强烈的噪声环境中,采用数学形态学、广义数学形态学和自适应广义数学形态学三种方法对比仿真分析消除连续的周期窄带干扰,并引入信噪比和局部放电脉冲的波形失真均方误差评价指标。仿真分析和现场数据处理结果表明,自适应广义数学形态学的滤波效果优于单一的形态滤波效果,完整地保持了局部放电信号的几何结构特征,信号失真小。分析结果表明,自适应广义数学形态学能有效地抑制连续的周期窄带干扰。     

自适应广义形态滤波方法在介损在线监测数据处理中的应用研究

该文基于数学形态学的基本形态变换及其组合形式,提出了一种采用不同结构元素级联而成的广义形态滤波器,将其应用于介损在线监测数据处理,以保证进一步分析诊断的准确性.考虑到广义形态滤波器仍存在统计偏倚现象,造成开-闭滤波器的输出幅值偏小,而闭-开滤波器的输出幅值偏大的问题,结合了自适应方法实现形态开、闭自适应加权组合滤波以保证输出的准确性.仿真分析和现场处理结果表明,广义形态滤波对于数据中存在的各种加性白噪声和正负脉冲性噪声有较好的抑制作用,能有效地还原数据的基本变化规律,同时采用自适应组合形态滤波的效果要优于单一形态滤波方法和其它非形态滤波方法.     

基于形态滤波器预滤波的电压扰动检测方法

提出一种基于数学形态学滤波和求导法dq变换的电压扰动检测方法。首先为了减小待检测信号中脉冲、谐波等多种噪声对检测结果的干扰,利用自适应理论构建一种复合形态滤波器对含噪待检测信号进行预处理,然后利用多重直线形态滤波器改进的求导法dq变换对预处理后电压信号进行电压扰动检测,以快速准确地检测出待测电压的幅值、相位。搭建仿真模型,分别对自适应复合形态滤波器滤波流程、自适应复合形态滤波器性能、多重直线形态滤波器改进的求导法dq变换电压扰动检测性能进行仿真分析。最后搭建电压扰动发生硬件平台,对所提方法在扰动情况下的电压检测能力进行验证。     

基于多级广义自适应形态学滤波的电力信号消噪

针对传统数学形态学滤波器存在的统计偏移现象和对结构元素选取的局限,提出了一种多级结构元素的改进方法,并采用变步长的方法构建了一种多级广义自适应形态学滤波器,在提高滤波精度的同时,降低了对结构元素选取的限制,并且该滤波器的使用更加灵活。最后,将该滤波器应用到含有多种噪声叠加的电力信号消噪中,通过算例仿真,验证了提出的多级广义自适应形态学滤波器相比于传统的数学形态学滤波器,在电力信号消噪中具有更好地滤波效果。     

基于复合结构元素的新型自适应形态滤波器设计

针对电力系统信号采集中常见的噪声干扰问题,提出一种使用复合结构元素的自适应形态学滤波器。这种滤波器融合两种及以上结构元素作为复合结构元素,统计分析输入信号与拟输出滤波信号之间的滤波误差,寻找复合结构元素的整体最优尺度,从而优化滤波效果。根据滤波误差极大值原理,调整组成复合结构元素的两种元素的参数占比,进一步优化,可得最优滤波使用的复合结构元素。仿真实验对包含随机白噪声的电力信号进行自适应滤波,结果表明,在面向随机噪声时,所提出的自适应滤波器能够准确寻求到最优结构元素,滤波性能优于使用单一结构元素的传统形态滤波器,具有良好的应用前景。     

基于多尺度形态学和Kalman滤波的基波分量提取

针对Kalman滤波在提取基波分量时存在暂态噪声抑制能力差和噪声统计特性不精确的缺点,提出了一种新的基波分量提取算法。采用改进的数学形态滤波器对采集信号进行多尺度分析得到平滑信号和细节信号,改进的滤波器使用不同形状的结构元素,有效地提高噪声抑制能力。利用平滑信号更新Kalman滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

基于进化硬件的自适应形态滤波器设计

针对电力信号监测中可能遇到的各种干扰,提出了一种基于进化硬件的自适应电力系统形态滤波器的设计方法。不仅滤波算法可自适应调节,而且结构元素形状和尺寸也可自动调整。以遗传算法作为优化工具,在Xilinx XCV2000-E 现场可编程门阵列上对滤波器结构和参数进行在线优化。对典型噪声的在线滤波结果表明,该滤波器能够根据噪声的不同自适应调整结构和参数,因而鲁棒性好,适用范围广,滤波性能比均值滤波器和中值滤波器更好,且该滤波器是采用硬件实时实现的,便于在嵌入式系统中应用。     

一种基于数学形态学的扰动信号分形检测方法

针对电能质量扰动信号检测和定位问题,提出了一种基于自适应形态滤波和网格分形的方法。该方法将信号通过改进的形态滤波器进行预处理。该滤波器综合了不同的结构元素且在开一闭、闭开滤波器权系数的确定上采用了基于最小均方误差算法的自适应技术,具有更好的滤波性能和细节信息保留能力;根据网格分形理论,通过对信号网格变化规律的分析实现对电能质量扰动信号的精确定位。仿真结果表明了该方法的可行性和正确性。     

低压配电系统短路故障早期检测的信号滤波方法研究

短路故障已成为电力系统中最常见和危害最大的故障,信号滤波对短路故障早期检测准确性至关重要。针对低压配电系统短路故障特征信号及其技术实现的快速性要求,研究数学形态学、小波去噪、均值滤波、中值滤波的四种实时且易于硬件实现的滤波方法应用。以低压配电系统典型的空调负荷叠加投切备用电源UPS实际噪声信号为例,分析对比上述四种滤波方法,得出广义数学形态法不能滤除白噪声,能滤除部分脉冲噪声,但是对于脉冲宽度比结构元素宽度大的噪声不能滤除,改进的广义形态滤波器对于滤除脉冲噪声的效果较好,可以滤除比结构元素宽度大的脉冲噪声;dbN小波基函数对脉冲噪声几乎无滤波作用,中值滤波能滤除大部分噪声,平均值滤波抑制噪声良好。     

改进的无功功率模型参考自适应异步电机转速辨识

针对传统无功功率模型参考自适应模型的输入信号中含有大量的高频信号和噪声,致使模型的自适应机构设计难度增加、速度预测精确度降低的问题,提出改进的基于无功功率的模型参考自适应系统。在传统的无功功率模型参考自适应模型的基础上,引入巴特沃思滤波器并运用改进的模糊PI控制器取代原有的控制器,滤除了输入信号的噪声,提高转速预测精确度。仿真结果表明,改进后的无功功率模型参考自适应系统,参考模型输出的无功功率信号较滤波前其振动的幅值和频率大幅度降低,将这种信号作为自适应模块的输入得到的预测转速,其预测精确度和预测系统动态性能得到提高显著。     

基于改进EEMD方法的数字滤波器

提出一种基于改进的整体平均经验模态分解( EEMD)方法的数字滤波器.针对经验模态分解( EMD)滤波方法的不足,采用对含噪信号先用中值滤波法平滑处理,再对处理后的信号EEMD的方法.改进后的方法结合了平滑处理滤除脉冲噪声以及EEMD方法滤除随机噪声和高频连续噪声的优点,且不存在模态混叠.通过数字仿真,研究了其滤波性能...     

基于广义形态滤波的电力系统采样信号处理

数学形态学是以集合论和积分几何学为基础的一门对物体形态处理的学科,是一种非线性分析方法,在时域中对信号波形特征进行研究。针对电力系统采样信号,提出一种采用不同采样频率的广义形态滤波方法。该方法滤除白噪声和脉冲噪声时采用较高频率;滤除直流偏移时采用低频率。结构元素选取为与水平方向夹角为零度的直线型结构元素。由于滤除直流偏移时采用较低的采样频率,因此,结构元素较短、运算量较小、耗时少。仿真实验表明,该方法能有效地滤除白噪声、脉冲噪声和直流偏移量,信噪比显著增大,均方误差较小。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

直流电能表计量信号自适应降噪方法

直流配电网包含DC/DC变换器等电力电子器件,非线性特性显著,导致直流输出端电压、电流信号存在大量纹波,需通过滤波降噪处理提升直流电能计量的准确性。针对现有的滤波降噪方法参数设置缺乏优化、滤波降噪效果尚待提升问题,本文提出基于自适应变分模态分解与小波阈值去噪相结合的直流电能计量数据降噪方法。建立输出端直流电压、电流信号变分模态分解的参数最优化模型,并联合互信息分析,实现原始信号的有效模态分量与噪声模态分量的自适应区分。在此基础上,建立以信噪比、均方根误差、平滑度、相关系数复合评价指标最优的小波阈值去噪参数最优化模型,实现噪声模态分量的最优滤波降噪。通过实测数据计算分析,验证所提方法的有效性。     

基于改进QPSO形态滤波器的电能质量暂态扰动检测

提出一种基于改进量子粒子群算法（QPSO）的形态滤波器,用于电能质量暂态扰动检测。首先对量子粒子群算法进行改进,利用混沌序列对粒子位置初始化以提高算法全局寻优能力,通过引入变异算子进一步避免算法过早收敛。然后将改进后的算法应用于形态学滤波器的结构元素的自适应优化中,结合结构元素的特点,寻找出属性最佳的结构元素从而提高滤波能力。结合仿真实验,研究了含有复杂多变噪声的环境下,发生电压骤升、电压骤降和电压中断暂态干扰现象时所构造改进滤波器的滤波性能。通过实验对比,证明所提方法具有快速、准确的特点,较传统的滤波方法有了很大的改善,提高了电能质量扰动检测的可靠性。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

基于噪声相关特性的数学形态学消噪原理研究

结合电力信号采集中噪声的相关性理论和数学形态学基本原理,通过数值仿真详细研究了自相关噪声和随机白噪声干扰下,数学形态学滤波中关于结构元素如何选取的问题。分析指出,针对自相关噪声,结构元素的选择与噪声的周期性,最大峰值及采样率等因素密切相关。类似高频正弦噪声,通过选择合适尺度的正余弦形或三角形结构元素进行形态滤波均能取得良好的滤波效果。而对于随机白噪声而言,由于不具有自相关特性,因此并不存在类似相关噪声下的结构元素选取规律,多数情况需要通过预先的仿真或根据经验来合理选择结构元素。