基于改进灰色关联度及尺度-小波能量谱的输电线路故障选相

提出基于改进灰色关联度和尺度-小波能量谱的输电线路故障选相新方法,依据尺度-小波能量谱分析提取暂态故障特征,再由改进灰色关联度分析来确定故障相别.对故障线路三相电流信号进行小波分析,获取各尺度下的小波变换系数,计算尺度-小波能量谱;采用改进的灰色关联度算法对故障信号能谱和参考序列进行关联度分析,根据最大关联度原则确定故...     

基于改进灰色关联度及尺度一小波能量谱的输电线路故障选相

提出基于改进灰色关联度和尺度一小波能量谱的输电线路故障选相新方法,依据尺度一小波能量谱分析提取暂态故障特征,再由改进灰色关联度分析来确定故障相别。对故障线路三相电流信号进行小波分析,获取各尺度下的小波变换系数,计算尺度一小波能量谱;采用改进的灰色关联度算法对故障信号能谱和参考序列进行关联度分析,根据最大关联度原则确定故障类型。仿真表明,该方法能准确地判断故障相别。     

基于小波能量谱和灰色综合关联度的HVDC换相失败故障诊断

提出一种基于小波能量谱和灰色综合关联度的高压直流（HVDC）输电系统换相失败故障诊断新方法,采用小波能量谱量化故障特征,再根据灰色综合关联度分析来确定故障原因。根据熄弧角判断是否发生换相失败,对直流电流故障信号进行小波分析,获取各尺度下的小波变换系数,计算其小波能量谱;将得到的小波能量谱与故障参考序列进行灰色综合关联度分析,从而根据最大关联度原则确定故障原因。仿真表明,该方法能准确地诊断引发换相失败的故障原因。     

消除负频率影响的低频间谐波快速检测方法

对电网采样信号进行离散频谱分析时存在负频率分量,负频率对低频间谐波分量具有干扰作用;当间谐波频率邻近基波、谐波或直流分量时,其频谱会泄漏到附近的基波、谐波或直流谱线上,此时会产生主瓣干涉而无法准确检测间谐波。建立了包含负频率在内的间谐波数学模型,通过组建和求解不同位置的谱线方程组,消除了负频率的影响,得到低频间谐波参数的显式求解公式,实现了在IEC标准同步采样要求下对低频间谐波的快速检测。特别是当间谐波与附近的基波、谐波或直流分量间隔小于1个频率分辨率时,该方法仍能在有限的采样数据长度下快速精确地检测出间谐波。仿真结果表明,该方法不受直流偏移和谐波分量的影响,同时具有较好的检测速度和抗噪性能。     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

基于稀疏表示的TQWT在低频振荡信号去噪中应用

为了改善低频振荡信号的去噪效果,为低频振荡信号的检测与分析提供准确可靠的数据,在分析可调Q小波变换和稀疏表示原理的基础上,给出了一种基于稀疏表示的可调Q小波变换去噪方法。该方法先利用可调Q小波变换对含噪的低频振荡信号进行稀疏分解,得到初始的小波系数。再利用基追踪去噪算法对得到的小波系数进行优化处理。最后对优化的小波系数进行重构,获取干净无噪的低频振荡信号。通过仿真分析验证了该方法的去噪效果和可靠性优于目前广泛使用的小波软、硬阈值去噪法。     

基于改进小波系数奇异值分解和小波去噪的低频振荡时变模式辨识

提出了一种基于连续小波变换(continuous walelet t r a n s f o r m , C W T )和奇异值分解( s i n g u l a r v a l u e decomposition,SVD)相结合的提升小波系数 SVD 辨识信号振荡频率和模式信息提取及信号去噪的新方法.克服了噪声较大或者密集模态时,小波脊线不清晰甚至会出现混叠和交叉难以提取频率的情况,根据提升的小波系数奇异值分解频率向量识别各阶振荡模式的频率.同时选用小波能量系数来识别主导振荡模式,用小波软阈值去噪和 SVD 分解后矩阵重构来进行信号去噪.CWT 可以处理含时变振荡模式的低频振荡信号,且对模式参数具有较高的辨识精度.仿真算例验证了算法的有效性和适用性     

基于小波变换和相关向量机的短期风功率预测

采用小波变换(wavelet transform,WT)和相关向量机(relevance vector machine,RVM)结合的方法对风电场发电功率短期预测进行研究。先利用小波变换将信号分解为不同频率的子序列,提取出风速中的低频趋势分量和高频波动分量;再结合风向和温度数据,运用RVM在不同分量上分别进行预测,并通过重构得到功率的预测结果。此方法应用于国内某风电场,仿真结果表明,通过小波分析能够把握风速变换规律,RVM预测法有较强的学习能力,小波—相关向量机法有效提高了预测精度,表明了该方法的可行性。     

基于EMD分解在电火花数据分析的应用

经验模态分解(empirical mode dccomposition,EMD)是处理非平稳、非线性信号一种有效的新方法。运用EMD分解法将脉冲典型负荷—电火花信号中本征模态函数(intrinsic mode function,IMF)分量逐级分离出来,得到原信号的多尺度振荡特性;分析各个分量与原序列的显著性检验和相关系数以及各个分量自身的周期性。用IMF分量和趋势项合成原序列并作误差分析,得到信号的总误差率通过理论计算为4.3%。利用bior4.4和db2两种小波基在3层分解系数基础上对电火花数据展开小波包变换。最后借助MATLAB平台对EMD和小波包分解方法进行仿真并做理论对比分析。结果表明,EMD分解法在提取机床运行放电特性及不同工况下信号更具优越性和有效性,提取结果更能满足实际工程应用需求。     

计及负频率影响的新能源发电低频间谐波检测方法

近年来,随着新能源发电的快速发展,越来越多的电力电子设备应用于发电单元,导致电网中出现了频率为次同步的间谐波。在对这类低频间谐波进行参数估计时,由于受负频率影响,现有的离散频谱校正方法存在较大的误差。为提高其频谱分析精度,文章在IEC 61000-4-7推荐的测量环境下,提出了一种计及负频率影响的离散频谱校正方法。根据信号FFT后的频谱特性,建立包含负频率在内的离散频谱校正模型;依据离散频谱的周期性,利用局部谱峰附近的4条谱线构建谱线方程组来求解低频间谐波的频率校正分量;根据估计出的频率,利用间谐波峰值谱线的频谱值及其共轭值来修正其幅值和相位参数。仿真结果表明,所提方法可以有效降低负频率成分对信号频谱谱线干涉的影响,提高低频间谐波的频率、幅值和相位校正精度,同时具有较好的抗噪性能。     

基于小波变换的信号相关技术在电力电缆故障测距中的应用

提出了一种基于小波分解的信号相关技术.针对以往应用冲闪法的电力电缆故障测距技术普遍存在故障时刻检测不准确的问题,提出将小波分解与信号相关技术相结合,先对采集到的信号进行多层小波分解,去掉低频信号中的高频分量,应用信号相关技术计算出粗略的奇异点,然后运用搜索模极大值线的方法找到高频分量中的奇异点,从而得到精确的脉冲到达时刻.数字仿真结果验证了该方法的有效性.     

Wavelet representation of voltage flicker

Voltage flicker can be considered as a voltage magnitude modulated signal with a frequency ranging from 0.5 to 30 Hz. Wavelet transform is a powerful tool to analyze this kind of nonstationary, wide-range frequency signal. The wavelet representation of voltage flicker signal is presented in this paper. The proposed scheme is implemented in three steps. Firstly, a low-pass demodulation filter is designed to find the magnitude of 60 Hz component. Accordingly, a high degree of accuracy may be achieved and the effect of the transient, harmonics and white noise may be eliminated. Secondly, a multiresolution analysis (MRA) scheme that is an orthonormal wavelet transform, can then be applied to decompose the demodulated signal into several components according to the scales. Components at high scale can be considered as white noise, while components at the low scale represent the voltage fluctuation. The smooth version left by the MRA scheme represents the DC component. Finally, the voltage flicker level can be estimated by the wavelet coefficients at different scales, which give the time and frequency information. Numerical examples are also presented in this paper to show the efficiency of the proposed scheme.     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。     

小波去噪与压缩在电厂设备中的应用

为解决600 MW发电机组辅机设备噪音振动数据占用大量存储空间及缓解其数据传送压力问题,针对噪音振动数据的特点提出了一种基于小波阈值去噪和最优小波包压缩的压缩算法。新算法针对小波软硬阈值函数的不足,提出了新的阈值函数对噪音振动数据进行去噪;新算法使用相关系数法获取最优的小波基。仿真表明,改进阈值函数相对原阈值函数在保留高频原始信号的能力和去噪能力方面都有增强;使用改进阈值函数去噪后,小波包压缩能完整的重构信号。最优小波包压缩与改进阈值去噪算法已初步应用于岳阳电厂辅机设备的数据压缩,算法对节省硬盘容量、保护硬盘及高效的数据传送有着重要的作用。     

多频率尺度下的风电场短期风速预测融合算法

提出了一种基于多分辨率分析下的短期风速预测方法.利用小波分解将原始风速序列分解成低频信号分量和高频信号分量,将低频信号分量作为时间序列模型的输入,将高频信号分量作为最小二乘支持向量机的输入,输出未来时间段的各分量预测值.最后将各分量的预测值重构为风速序列的预测值.以内蒙古风电场为例进行仿真,结果表明文中方法显著提高了超前风速预测的精度.     

基于电磁转矩特征频率提取的感应电机转子断条故障诊断

分析了信号复值小波变换的瞬时频率提取原理,根据复解析小波系数的相位信息给出了信号瞬时频率提取算法,将其应用到电机启动电磁转矩信号中转子故障特征的提取上,实现转子断条故障的可靠诊断,并给出了电磁转矩计算及实验结果,实验证明了该方法的有效性。     

基于改进多信号Prony算法的低频振荡在线辨识

提出了适合低频振荡在线辨识的改进多信号Prony算法。首先通过小波变换消除各信号的噪声，然后消去直流分量，建立多信号的样本函数矩阵，通过奇异值–总体最小二乘法对Prony算法进行改进，分离信号空间和噪声子空间，确定信号的阶数，最后利用最小二乘法进行辨识。利用传统Prony算法、改进单信号Prony算法和改进多信号Prony算法对理想信号、仿真信号以及实际录波信号进行了分析，分析结果表明利用改进多信号Prony算法同时对多信号进行分析能够提高辨识的精度，缩短运算时间，辨识阶数及辨识结果均优于传统算法，适合于低频振荡的在线辨识。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

小波包分析在汽轮机转子振动故障诊断中的应用

针对汽轮发电机组振动的频谱特点,提出了基于小波包变换的汽轮机转子振动故障诊断方法,它较一般的小波变换更能反映振动信号所包含的频谱成分及能量。根据Bently实验台所采集的4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征。实验分析表明,基于小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状况;根据不同故障发生时的频谱特征,识别出不同的故障,从而进行汽轮机转子振动故障诊断。该方法比基于Fourier变换的故障特征提取方法更有效,适合于机械故障诊断。