基于改进Fast-ICA的电能质量谐波检测

独立分量分析是利用信号的高阶统计量快速准确地实现信号分离和恢复.提出一种改进快速分离算法检测电能质量谐波的方法.在介绍了快速分离算法基本原理的基础上对牛顿迭代法进行了改进,减少了迭代次数,提高了收敛速度;依据负熵极大的独立性准则实现谐波信号的盲分离,再进行幅值修正以实现对真实信号的估计;对分离修正后的信号进行FFT分析,得到幅值和频率,进而实现对谐波的检测.仿真实验结果表明了该算法在检测精度和运行效率上都有所提高.     

基于改进Fast-ICA的电能质量谐波检测

独立分量分析是利用信号的高阶统计量快速准确地实现信号分离和恢复。提出一种改进快速分离算法检测电能质量谐波的方法。在介绍了快速分离算法基本原理的基础上对牛顿迭代法进行了改进,减少了迭代次数,提高了收敛速度;依据负熵极大的独立性准则实现谐波信号的盲分离,再进行幅值修正以实现对真实信号的估计;对分离修正后的信号进行FFT分析,得到幅值和频率,进而实现对谐波的检测。仿真实验结果表明了该算法在检测精度和运行效率上都有所提高。     

基于动态独立分量分析算法的谐波检测

介绍了一种基于峭度的非高斯极大的动态独立分量分析算法,并将其引入到谐波检测中.该算法在非高斯极大ICA算法的基础上,利用动态的递推关系公式计算得到当前的峭度值,并将峭度的非高斯极大作为独立性判据,从而实现谐波信号的盲分离.为了更好地逼近真实信号,对分离后的信号进行幅值修正,最终完成谐波的检测.仿真实验结果表明了该算法的正确性和可行性.     

基于改进单通道FastICA的谐波与间谐波检测

针对电力系统谐波污染及间谐波难检测问题,提出一种基于单通道独立分量分析的谐波检测算法。该算法在不需要任何先验知识的前提下,对一路电力系统混合信号进行循环平移处理构造出多路信号,然后通过主分量分析法对多路信号进行降维处理,再利用快速独立分量分析(FastICA)对谐波及间谐波各个成分进行分离,利用K均值算法根据各分量频谱进行聚类,还原到观测域对同类信号求平均值得到各谐波分量,最后分别估计各谐波分量的参数。在此基础上,针对FastICA分离出的信号有畸变问题,提出改进的FastICA算法以提高分量估计的稳定性和有效性。仿真结果表明只要各谐波分量在频谱上是合理分离的,该算法就能有效地提取出各谐波和间谐波分量。同时,改进FastICA算法具有更高的稳定性,有效性和准确性。     

基于引入松弛因子的改进式单通道FastICA的间谐波检测方法

为改善高阶FastICA间谐波检测算法对初值敏感性的问题,提出一种基于松弛因子的改进式单通道FastICA间谐波检测方法。首先,对单通道信号延迟处理构造观测信号矩阵,采用主分量分析法(PCA)对其降维处理。其次,利用最速下降法求得松弛因子,并对迭代初值进行修正。然后,通过对称正交化FastICA算法对观测信号进行分离,得到基波、谐波和间谐波的频率,借助最小二乘法估计出相应的幅值和相位。仿真结果表明,该算法不仅能够较精准地检测到间谐波及其相关参数,同时降低了高阶算法对初值的敏感性。     

基于独立成分分析的谐波检测

谐波对电力系统及电气设备有很大危害。谐波检测是抑制谐波的重要环节,由观测信号分离所含的未知谐波信号是谐波检测的目的。作者基于独立成分分析算法的有关理论,将该算法应用到谐波检测中。该方法只需一个周期的待测信号,通过构造适当的混合信号,便可使用独立成分分析算法进行运算。利用MATLAB仿真含有谐波的信号,应用该方法进行检测,结果表明,该方法不但可检测谐波次数、幅值和初相角,还可检测间谐波,且检测精度较高。     

基于动态独立分量分析算法的谐波检测

介绍了一种基于峭度的非高斯极大的动态独立分量分析算法,并将其引入到谐波检测中。该算法在非高斯极大ICA算法的基础上,利用动态的递推关系公式计算得到当前的峭度值,并将峭度的非高斯极大作为独立性判据,从而实现谐波信号的盲分离。为了更好地逼近真实信号,对分离后的信号进行幅值修正,最终完成谐波的检测。仿真实验结果表明了该算法的正确性和可行性。     

基于时频分析算法的电路谐波检测

谐波检测的准确性直接影响电网谐波污染状况的评估。针对传统时频分析算法检测谐波存在的缺陷,提出了一种改进的时频分析算法对谐波进行检测。本文介绍了小波-JADE融合算法对含有噪声的三相电流信号降噪,并利用小波-FastICA融合算法监测并剔除信号的奇异点。仿真实验结果表明:该方法能更好地实现谐波降噪,同时准确地检测出谐波信号的奇异点,提高了谐波检测的准确性。     

基于频域滤波的间谐波在线检测算法

在线实时检测谐波、间谐波的幅值和相位等参数是改善电网电能质量的基础,而在线检测技术的关键是计算速度和精度.针对基波和谐波对间谐波频谱泄漏的影响,提出一种基于频域滤波的间谐波在线检测算法.该算法将信号分为基波、谐波与间谐波,先采用双峰谱线修正算法计算出谐波及基波参数,并在频域将谐波以及基波信号滤除,消除其对间谐波的频谱干扰后,再进行间谐波检测.该算法在保证测量精度的基础上,只需计算1次FFF（fast Fourie transform）,显著降低了算法所需的计算量,易于在电能质量实时在线监测装置中应用.在Matlab中比较了不同采样周期下的普通双峰谱线修正算法、基于时域和频域滤波的改进算法,验证了所提出算法的精度和计算速度.     

基于FFT和神经网络的非整数次谐波分析改进算法

运用神经网络模型进行整数次谐波检测可达到较高的检测精度,但该种线性神经元模型不适合非整数次谐波的检测。为精确检测非整数次谐波,该文提出一种改进的线性人工神经元模型,并将加汉宁窗的FFT算法和改进的线性人工神经元模型结合起来,提出一种改进的非整数次谐波分析算法。首先,对采样信号用加汉宁窗的FFT算法进行预处理,得到谐波个数和精度不高的谐波次数;其次,根据谐波个数设定神经元的个数,根据预处理后得到的谐波次数设定神经网络谐波次数迭代的初始值;为了提高迭代速度,提出了谐波次数迭代步长自适应调整的算法。最后对改进后的人工神经网络进行训练,实现了非整数次谐波的精确检测。仿真实例表明,该方法能将频率相近的非整数次谐波分离,可有效提高谐波参数的检测精度和速度。     

基于特征值分解和快速独立分量分析的谐波/间谐波检测方法

针对电力系统谐波污染问题,提出了基于特征值分解和快速独立分量分析(FastICA)的谐波/间谐波检测算法。该方法在不需要任何先验知识的情况下,将单道电力系统混合信号通过时间延迟构造出多道观测信号,对其自相关函数进行特征值分解确定原谐波/间谐波信号中源信号频率成分的个数,确定观测信号矩阵的阶数,再利用FastICA算法对谐波/间谐波信号中各个频率成分进行分离提取,借助频谱分析得到各个成分的频率估计。在此基础上,借助最小二乘法对谐波/间谐波信号进行幅值和相位估计。通过仿真实验与其他经典算法比较,充分说明了所提出算法的可行性、准确性和有效性。     

基于CEEMDAN和HT的谐波检测新方法*

经验模态分解(EMD)作为希尔伯特-黄变换(HHT)的重要组成部分,为了克服其在谐波检测中出现的模态混叠、端点效应问题,提出采用自适应噪声完备集合经验模态分解(CEEMDAN)和希尔伯特变换(HT)相结合的谐波检测新方法。文章首先在理论上对比分析了EMD、EEMD以及CEEMDAN算法,研究CEEMDAN算法的特性。再用CEEMDAN算法对原始信号进行分解,得到固有模态函数(IMF)。最后用HT算法对每阶IMF分量进行分析,检测到谐波中包含的瞬时幅频信息。算例仿真结果表明,相对于HHT算法对信号的处理能力,文中提出的方法在谐波检测中有效地克服了EMD算法的弊端,提高了信号分解精度。     

压缩感知理论在谐波检测中的运用

运用传统的奈奎斯特定理对电力系统中的谐波信号进行采样将会产生极其庞大的数据量,而全新的压缩感知理论突破了传统采样定理的限制,在信号满足稀疏性的前提下,只需要较少的数据就可以实现信号的重构。文中在对现有的贪婪匹配追踪和自适应算法分析总结的基础之上,结合谐波信号自身的特点,提出了一种新的稀疏度自适应压缩采样匹配追踪算法。此算法可在信号稀疏度未知的情况下,通过信号代理和回溯的思想自适应调节步长逐步逼近原始信号,从而实现以较少采样数据进行谐波检测的目标。MATLAB中的仿真实验表明,运用所提出的算法进行谐波检测的效果理想。     

基于Fast-ICA和对称正交化的谐波检测

提出一种基于Fast-ICA和对称正交化的电能质量谐波检测方法。在简要介绍独立成分分析方法的基础上,把多次谐波信号看作多个独立成分的线性组合,采用基于负熵极大独立性准则的Fast-ICA算法实现一个独立成分的估计。再利用对称正交化方法实现多个独立成分的并行估计,分别分离出基波信号、各次谐波信号和噪声信号,以实现对谐波的检测。仿真结果表明,该方法可较准确地检测出各次谐波成分的频率和幅值且对噪声不敏感,与基于渐进正交化的Fast-ICA算法相比,该方法具有更高的检测精度和更快的收敛速度。     

基于Blackman自乘-卷积窗的FFT谐波检测算法

电网中存在的大量谐波严重影响着电力系统的安全稳定运行,快速傅里叶变换(Fast Fourier Transform,FFT)算法被广泛应用于电网谐波的检测,由于存在频谱泄漏和栅栏效应导致谐波参数检测的误差较大,通过加窗函数和插值算法可以提高FFT算法的精度。对窗函数进行自乘和卷积运算可以改善旁瓣性能,以Blackman窗作为母窗,进行自乘和卷积运算,提出了Blackman自乘-卷积窗,该窗函数具有较优的主瓣和旁瓣性能。结合三谱线插值算法,推导出频率、幅值、相位的插值修正公式。采用Blackman自乘-卷积窗和其他余弦窗对含弱幅值信号的复杂信号进行对比仿真,验证了Blackman自乘-卷积窗三谱线插值算法在检测弱幅值信号时依然具有很高的精度,对含白噪声的信号进行仿真,验证了该算法对谐波信号参数检测的相对误差较小,抗干扰能力强。     

基于单传感器快速独立分量分析电弧故障检测的研究

为了准确识别电弧故障特征信号,提出在单个传感器的情况下运用FastICA算法。通过对不同负载分离后的噪声信号进行高阶累积量分析,发现故障电弧发生时,电路中的噪声信号的三阶累积量发生明显的负偏移状态,相比负载正常工作时电路中的噪声信号为近似白噪声,其三阶累积量近似为0。大量试验表明,通过检测电路中噪声信号的三阶累积量变化可以有效识别电弧故障。     

基于CEEMDAN与Teager能量算子的谐波检测方法

针对现有的电力系统谐波信号检测方法精度不高的问题,提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)和Teager能量算子的谐波检测新方法。首先利用CEEMDAN对谐波信号进行分解,获得不同局部特征时间尺度的固有模态函数(IMF)分量。其次,通过改进的EEMD去噪方法和相关性判据方法分别去除噪声分量和虚假分量得到真实的谐波分量。最后利用Teager能量算子计算出谐波分量的瞬时幅值和瞬时频率,可以准确地获得谐波信号的能量谱信息。该方法充分利用了CEEMDAN的局部自适应性与Teager能量算子的快速响应特点,通过EMD、EEMD和CEEMDAN分别与Teager能量算子相结合的方法进行谐波检测。对比检测结果不仅表明了该方法具有较高的检测精度,而且验证了所提方法的可行性和有效性。     

改进型ip-iq电网谐波电流检测算法

为快速准确地得到电网的谐波电流,本文在传统ip iq谐波电流检测算法基础上提出了一种新的谐波电流检测算法.取负载侧三相电压经过Clark变换和Park变换产生同步旋转信号,完成普通锁相环结构中鉴相器的功能,从而得到相位差信号△θ,再经过PI控制和积分调节得到A相基波电角度,然后通过正、余弦信号发生器产生标准的正、余弦信号,以此减小电压畸变带来的误差;用高通滤波器代替传统算法中的低通滤波器直接得到三相谐波电流,简化系统结构,减少延时,提高系统的实时性.Simulink仿真结果表明,该方法能够准确快速地检测出谐波电流.     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。