回溯自适应匹配追踪电能质量信号重构方法

为改善电能质量暂稳态信号重构性能,提出了基于压缩感知理论的回溯自适应匹配追踪的电能质量信号重构方法,对电能质量信号进行处理。在自适应匹配追踪的基础上改变一个回溯步骤,初选出满足条件的候选集,然后在终选步骤中利用回溯功能,剔除系数相对较小的原子,所以该方法能够灵活地删除一些被在初选时被错误选择的原子,有着更好的稀疏信号重构和逼近性能。另外该方法无需先验信号的稀疏度,具有稀疏度自适应能力。仿真实验结果表明,10种电能质量信号的压缩重构精度都在97.63%以上,能量恢复系数要高于99.57%,信噪比高于31.42dB,均方误差百分比在2.31%之内,都能达到很好的性能指标。     

暂态和短时电能质量扰动信号压缩采样与重构方法

为解决传统的电能质量信号采集压缩方法所面临的采样率高、采样资源浪费及硬件实现成本高的问题,根据压缩传感理论首次提出了暂态和短时电能质量扰动信号的压缩采样与重构方法。该方法将电能质量信号由一维信号变换为二维信号,并根据图像可稀疏表示的原理,使用比Nyquist采样数据少60%以上的随机投影采样值重构原始信号,实现了对暂态和短时电能质量测量数据的压缩采样、采样数据空间稀疏基的选取和基于全变分最小化共轭梯度法的信号重构。针对几类常见单一扰动和含有多重扰动的校准源实测信号进行了算法的仿真分析和实验验证。结果表明,所提出的方法在采样率低于Nyquist采样率73%时,单一扰动的重构信号信噪比除暂态脉冲信号外均大于35dB,多重扰动的重构信号信噪比大于22d,满足电能质量分析的要求。     

广义正交匹配追踪电能质量信号重构方法

针对基于压缩感知的暂态电能质量数据信号恢复效果不佳的问题,提出了基于离散小波稀疏基的广义正交匹配追踪(gOMP)电能质量信号重构方法。当暂态信号出现时,基于离散小波变换的稀疏矩阵可以捕获波形细节。在重构过程中,与OMP相比由于选择了多个正确的索引而不需要附加后续操作,gOMP算法的迭代次数要少得多,而且gOMP可以完好地重建K稀疏电能质量信号。gOMP具有快速处理速度和相当优异的计算复杂性,在电能质量信号重构上具有良好的恢复性能。经过一系列的实验,暂态和稳态电能质量信号都得到了精确的重构,且重构精度大于99. 76%,重构所需时间明显缩短。     

短时电能质量信号压缩采样方法的研究

根据压缩传感(Compressed Sensing,CS)理论,首次提出了短时电能质量扰动信号的压缩采样方法,该方法突破了奈奎斯特采样频率的限制,实现了低于奈奎斯特采样频率的低速率采样。文中对比分析了CS理论与传统采样理论,研究了CS短时电能质量信号压缩采样的实现方法,包括:测量矩阵的构建、稀疏基的选取和电能质量信号快速贝叶斯匹配追踪重构算法(FBMP)。文中针对6种短时电能质量信号进行了仿真实验,给出了不同压缩采样比的条件下,该压缩采样方法所能达到的性能指标,结果标明本文提出的方法正确有效。     

一种新的电能质量扰动信号压缩感知识别方法

针对现有电能质量扰动信号识别方法存在数据量大、准确率不高的不足,提出了一种基于压缩感知稀疏向量特征提取的电能质量扰动信号分类识别方法。该方法首先针对原始信号,利用压缩感知理论获取降维的测量信号,并基于?1范数正交匹配追踪算法获取稀疏向量。然后针对稀疏向量提取最大值、次大值、均方根、标准差、峭度和裕度因子等特征,作为神经网络的输入,实现电能质量扰动信号的分类识别。最后,针对六类典型电能质量扰动信号,开展仿真实验验证。仿真结果表明,现有识别方法需要处理的原始信号长度为1024,而所提方法特征提取时所处理的数据长度仅有30,从而大大减少了所需处理的数据量,并且由于实现了以非常少的数据量保存原有全部有用特征信息,因而更有利于提高识别准确率。通过与广泛采用的小波变换识别方法进行比较,所提方法的平均准确率高达98.71%,远远高于小波变换方法的92.86%。     

基于压缩感知的稀疏度自适应超高次谐波检测算法

近年来,越来越多运用电力电子器件的电气设备接人电力系统,配电网中超高次谐波发射水平的持续上升已经成为电网中亟需解决的电能质量问题之一.文中提出了一种基于压缩感知的稀疏度自适应超高次谐波检测算法,该方法基于快速傅里叶变换系数和狄利克雷核函数,结合插值因子,构建高精度的压缩感知模型;同时,文中引入了稀疏度自适应的概念,提出通过稀疏度自适应的匹配重构算法获得待检信号中超高次谐波的频率和幅值.改进算法提高了超高次谐波重构幅值的精度,减小了无法预估待检信号稀疏度而造成的误差.仿真结果证明了改进算法的准确性和有效性.     

应用原子分解的电能质量扰动信号特征提取方法

提出一种应用原子分解实现的电能质量扰动信号特征提取方法.该方法以Gabor原子库和匹配追踪算法为基础,从扰动信号中迭代求取Gabor原子成分,再将Gabor原子转化为衰减正弦量原子,获得电能质量信号中各种扰动成分参量化的原子解析表示.用初始残余能量的阈值作为原子分解迭代终止条件,以改善特征提取效果.该方法可准确定量地提取各扰动成分的起止时刻、幅值、频率和变化规律等扰动特征,适用于暂态扰动、稳态扰动和多重扰动.算例分析验证了所提出的方法的有效性.     

采用改进CPSO动态搜索时频原子的电能质量扰动信号去噪方法EI北大核心CSCD

针对电能质量扰动信号噪声抑制中的难点问题,即有效滤除噪声的同时又能较好地保留信号奇异点信息,提出一种采用改进混沌粒子群(ICPSO)动态搜索时频原子的电能质量扰动信号去噪方法。首先,构建了与电能质量扰动信号时频特征相匹配的过完备原子库,采用正交匹配追踪(OMP)算法求解信号稀疏模型,同时采用ICPSO算法对时频原子匹配过程做进一步优化。然后,以残差比阈值确定迭代终止次数,利用最佳匹配原子和稀疏系数重构原始信号,实现信号去噪的目的。运用文中介绍方法对6种典型的电能质量扰动信号进行去噪处理,并与形态学滤波和小波阈值去噪2种方法进行对比。仿真结果表明,文中方法在有效去除噪声的同时,能完整地保留突变点信息,去噪结果准确性高。     

三相电能质量扰动信号压缩方法研究

提出了一种基于压缩传感的三相电能质量数据压缩新方法。首先,将时间t内的三相电能质量扰动信号转换为3t时间内的一维信号;然后,将传统的多频带融合问题理论应用于压缩感知稀疏基设计中,构造稀疏基;最后,选取高斯随机矩阵作为观测矩阵,OMP算法作为重构算法,重构三相电能质量扰动信号并利用MATLAB进行仿真。实验结果表明,该方法可以有效压缩三相电能质量数据,实现三相电能质量扰动信号同时处理,并同时检测出多项性能指标参数。     

电能质量扰动信号的自适应去噪方法

有效地降低电能质量信号中的噪声,是做好电能质量信号检测、识别等工作的基础。为了克服一维电能质量信号降噪的难点问题,即有效地去除噪声并完整地保留奇异点的特征,对目前图像处理领域中针对高斯等噪声降噪性能最好的基于块匹配的三维变换域联合滤波(BM3D)算法进行了改进,提出一种电能质量扰动信号的自适应去噪新方法。该方法参数较少,无需估计噪声方差,也无需人为设定滤波阈值,而是通过自适应估算较为准确的阈值实现离散余弦变换(DCT)域的滤波。通过对电压中断、电压暂降、电压暂升、脉冲暂态、振荡暂态和谐波这6种常见的电能质量信号进行降噪仿真实验,并与应用较为广泛的小波阈值去噪法进行对比分析,最后应用于实际电能质量扰动数据的降噪,验证了所述算法的有效性。     

基于小波分析的电能质量扰动信号检测

针对电能质量扰动信号的特性,本文采用小波变换对电力系统的高频、瞬时脉冲、电压切痕扰动信号进行检测.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,通过与快速傅立叶变换FFT的结果进行比较,证实了该方法的准确性和优越性.     

基于广义S变换的短时电能质量扰动信号分类

提出一种基于广义S变换的短时电能质量扰动信号分类方法。首先对短时电能质量扰动信号进行广义S变换,得到模矩阵,再从模时频矩阵中提取5种统计量特征值,然后利用决策树对扰动信号进行归类,从而实现对短时电能质量扰动信号的自动分类。仿真结果表明,该方法识别正确率高,且对噪声不敏感,适用于实际电网电能质量扰动信号的分析。     

基于时域特征分析的电能质量扰动分类

在分析电能质量扰动信号的时域特征的基础上,提取了4个用于分类电能质量扰动的特征量,并且提出了一种电能质量扰动分类方法。所提取的扰动分类特征量具有较为明确的物理意义,因此,有利于对各种电能质量扰动进行估值;某一特征量或某几个特征量能唯一确定一种扰动,使扰动判断不再具有或然性;任一扰动的特征量不因其他扰动的存在而改变其值,因此,可以准确辨别出混合扰动。MATLAB仿真和分析表明,该方法能有效地分类更多的单一和混合电能质量扰动,并且计算耗时更少。     

基于扰动功率法的短期电能质量扰动源判定

采用扰动功率法对电压骤升、电压骤降、短时停电等短期电能质量扰动进行扰动源的判定,对公共连接点的各个支路,其扰动功率初始峰值极性作为扰动方向判定的依据,极性不同的支路为扰动源所在的支路。仿真结果表明,该方法对判定电压骤升、电压骤降、短时停电等短期电能质量扰动的扰动源有较好的效果。     

基于改进贝叶斯分类法的电能质量扰动分类方法

基于改进贝叶斯分类法提出了2种改进的暂态电能质量扰动分类方法。该分类方法保留了原贝叶斯分类法“最优分类”的性质,使原贝叶斯分类法转化为非参数分类法,扩大了分类法的适用范围,可对数量有限的交叉样本进行最优分类。采用交流暂态仿真软件对5种典型的电能质量扰动信号如电压振荡、电压中断等进行仿真和分类识别。对暂态电压扰动的分类结果表明,上述改进的暂态电能质量扰动分类方法分类特性良好、适用范围较广。     

压缩感知在分段式双反馈预失真器的模型简化研究

针对预失真器中模型参数过多的问题,从压缩感知(compressed sensing, CS)的理论出发,提出了一种用于宽带射频功率放大器(power amplifier, PA)的预失真器模型简化方法。在稀疏度自适应匹配追踪(sparsity adaptive matching pursuit, SAMP)算法的基础上进行改进,提出了基于频域陷波的相关支集选择SAMP算法(RSS-FNSAMP)。该算法能够对PA行为模型进行简化,而后将其运用在提出的分段式双反馈DPD系统中,以补偿被带内残差所掩盖的带外失真,在增强了系统稳定性的同时降低了其复杂度,提升了DPD线性化效果。为了验证该方法,使用20 MHz LTE信号驱动一个35 dBm的F类功率放大器。实验结果表明,归一化均方误差(normalized mean squared error, NMSE)与ILA-SAMP、ILA-DOMP和分段式双反馈-DOMP相比提升了3～5 dB,相邻信道功率比(adjacent channel power radio, ACPR)改善了25 dBc,表明该方法能够在降低模型参数数目的同时,提升功放...