小波分解及嵌入式小波系数零树编码在振动数据压缩中的应用研究

汽轮发电机组在线状态监测和故障诊断系统中振动数据实时存储和远程传输对数据压缩提出了较高的要求。详细阐述了基于一维信号的小波分解及嵌入式小波系数零树编码用于振动数据压缩的原理及方法 ,给出了据此方法编制的压缩软件应用于 3种常见振动信号数据压缩的实例 ,并对信号压缩重构的结果及该方法的实际应用进行了详细的分析讨论     

小波分解及嵌入式小波系数零编码在振动数据压缩中的应用研究

汽轮发电机组在线状态监测和故障诊断系统中振动数据产时存储和远程传输对数据压缩提出了较高的要求。详细阐述了基于一维信号的小波分解及嵌入式小波系数零树编码用于振动数据压缩的原理及方法,给出了据此方法编制的压缩软件应用于3种常见振动信号数据压缩的实例,并对信号压缩重构的结果及该方法的实际应用进行了详细的分析讨论。     

火电厂振动数据的二维提升小波压缩算法

为了在数据压缩过程中更有效地降低振动数据中存在的冗余,提出了一种新的火电厂振动数据压缩与解压缩算法.首先将待压缩的实时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.利用实际测取的电厂振动数据对算法进行了验证.结果表明,在相同的压缩比下,基于二维小波压缩的效果优于基于一维小波压缩的效果,因此该算法是一种有效和实用的振动数据压缩方法.     

基于小波变换的电厂实时数据压缩存储系统

为了进行电厂的故障诊断、性能优化和状态维修,实时数据的压缩存储具有很大意义.全面分析了过程数据的压缩技术,并通过验证得到小波变换在电厂实时数据的压缩方面具有独特优势.在借鉴当前实时数据库产品先进技术和体系结构的基础上,设计了基于小波变换的电厂实时数据压缩存储系统.     

基于小波变换和小波包变换的间谐波检测

通过研究小波变换中基函数选取和小波分解过程两个关键问题,针对小波变换在间谐波检测方面的应用,对比分析不同基函数的检测性能,重点分析小波变换与小波包变换对于稳态和暂态谐波的相位、幅值特性检测精度.仿真结果表明,小波包变换具有良好时频局部化特性能聚焦信号细节,选取dmey小波基函数的小波包分解方法可实现对电力系统中稳态或时...     

提升小波变换技术在多传感器数据融合中的应用

为克服传统小波变换的不足,采用提升小波变换法设计了能较好处理非线性问题的小波域中值滤波器,并应用于水电厂水轮机噪声监测数据融合中,对具有不同分辨率的多传感器数据进行融合,结果表明该算法有效.     

基于小波变换和神经网络的光伏功率预测

提出了一种小波分解(Wavelet Transform,WT)和径向基函数神经网络(RBFNN)相结合的预测方法,并引入理论太阳辐照量、温度和相对湿度数据来预测未来24 h光伏电站的输出功率。小波分解能有效地表征光伏电站输出功率时间序列的局部特征,人工智能方法可以捕捉到光伏发电中的非线性特性。预测结果表明,采用该方法预测光伏电站输出功率,能有效地提高预测精度。     

基于小波变换和人工神经网络模型的三峡入库月径流预报

为探讨小波变换中小波基函数对模型预报精度的影响,选取三个小波基函数haar、db10、sym8对原始序列进行小波变换预处理,并分别建立人工神经网络模型(ANN)和基于不同小波基函数的W-ANN(haar)、W-ANN(db10)、W-ANN(sym8)模型进行预报。以三峡水库月径流为例,采用纳什效率系数、平均绝对误差及平均相对误差对建立模型的预报效果进行比较。结果显示,采用三个小波基函数haar、db10、sym8对数据进行小波变换预处理后的模型精度均得到了不同程度提高,W-ANN(sym8)模型在各项指标上表现最好。表明小波基函数的选择对模型预报精度结果影响较大,选择合适的小波基函数至关重要。     

基于小波分析与突变量法的故障录波突变时刻检测方法

提出了一种基于小波分析与突变量法相结合的故障线路录波突变时刻的实用检测方法。通过使用db4小波对故障录波数据进行变换,检测出可疑的奇异点集,然后通过计算可疑奇异点后的前后基波有效值,利用突变量法确定突变点。经过验证可知,这两种方法相结合能够较精确、快速地定位到故障特征时刻,为进一步利用故障录波时序信息进行故障诊断提供了技术支持,具有很强的实用性。     

基于小波分析与突变量法的故障录波突变时刻检测方法

提出了一种基于小波分析与突变量法相结合的故障线路录波突变时刻的实用检测方法。通过使用db4小波对故障录波数据进行变换,检测出可疑的奇异点集,然后通过计算可疑奇异点后的前后基波有效值,利用突变量法确定突变点。经过验证可知,这两种方法相结合能够较精确、快速地定位到故障特征时刻,为进一步利用故障录波时序信息进行故障诊断提供了技术支持,具有很强的实用性。     

基于瞬时无功功率理论和小波变换的电能质量扰动识别

提出一种基于瞬时无功功率理论和小波变换相结合对电能质量进行检测辨识的方法.首先利用瞬时无功功率理论对各种电能质量信号进行变换,检测出扰动的起止时刻,并将在幅值上有显著特征的电能质量扰动信号识别出来;再利用小波变换对突变信号的敏感性以及在频率分解中的特性将其余信号检测识别出来.计算结果表明该方法简单,检测精度较高.     

小波变换在数字滤波中的实现

叙述了小波、小波包的理论,采用Mallet的小波分解和重构的算法,通过把具体的信号分解到不同的频率段上,然后对信号重构,借助这种方法达到对信号进行数字滤波的目的,着重阐述了小波滤波原理和小波数字滤波分解和重构的算法。     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

基于小波变换和优化的Elman神经网络的光伏功率预测

准确地预测光伏发电功率,有利于提高电网系统运行的可靠性和经济性。分析各个气象因素对光伏发电功率的影响,确立了关键的气象因素,并利用小波分析获得气象因子样本集和光伏功率样本集不同频带下的小波系数作为神经网络的输入训练集,结合Elman神经网络建立不同天气条件下的光伏功率预测模型。提出基于自适应遗传算法优化的Elman神经网络模型,优化后的Elman神经网络在晴天、阴天、雨天3种情况下预测值的平均相对误差率分别为5.43%、8.26%、14.15%,相较于Elman神经网络分别降低了13.16%、16.61%、17.33%,改善了Elman神经网络的预测精度,提高了Elman神经网络的学习能力和泛化能力,验证了所提方法的有效性。     

基于广义尺度小波熵的电网传输电能 质量扰动信号分析

摘要： 提出了一种基于广义小波熵算法进行电网传输电能质量扰动信号分析和识别的算法。计算多个尺度下不同电能质量扰动信号的小波熵数值分布特点,给出了广义小波熵应用于电能质量分析的尺度选择特点以及分布规律,并结合支持向量机进行了不同电能质量扰动信号的识别与分类,达到了96％以上的分类正确率。     

基于小波熵和BP神经网络的孤岛检测与扰动辨识

提出基于小波熵和BP神经网络的孤岛检测技术,将小波变换的多分辨率分析与信息熵技术结合,能够有效地区分电网扰动与孤岛现象的内在不同。仿真实验表明该方法具有较高的准确性。     

基于FFT和WPT的电能质量数据压缩算法研究

针对电力系统智能化及远程化日益提升的大量电能质量数据传输、储存问题,提出基于快速傅里叶变换(FFT)和小波包变换(WPT)相结合的有损压缩算法,并采用LZW处理数据,通过Matlab的仿真平台构建了4种常规的稳态扰动信号与5种常见的暂态信号模型,在强噪声环境下去噪、检测和压缩电压电漉信号.实例结果表明,该方法验证了压缩算法的有效性与优越性,可供参考.