提高暂态电压测量精度的自适应小波去噪方法

去除测量系统输出中的噪声对准确获取暂态电压波形具有重要意义。为此,提出一种基于小波分解的去噪方法。通过计算原始带噪信号各层小波系数的能量以及能量增量,确定去噪效果最好的小波分解层数;通过计算各层小波系数的峰效比,确定最佳小波基的选择。对暂态电压信号以及正弦信号进行去噪仿真试验,结果表明所提出的方案能够正确的选出最优小波分解层数和最佳小波基。将提出去噪方案应用于实验室以及变电站现场的暂态电压信号中,结果表明该方案能够在去除噪声的同时,保留信号的高频信号。     

电力系统暂态信号分析中小波基的选择原则

讨论了电力系统中常见的暂态信号分析应用，如电力暂态信号检测、去噪与数据压缩以及暂态信号定位等，对这些应用中小波基的选择原则进行了系统的分析研究。研究结果表明，具有高阶奇异性的电力暂态信号必须选择具有相当消失矩的小波基；低频载波中检测弱暂态，应尽量选择中心频率较高的小波基；窄带干扰中提取暂态信号，应选择过渡带窄工具有良好分频能力的高阶小波；去噪、滤波和数据压缩方面，B系列小波具有更好的噪声抑制能力；电力系统故障暂态信号与峰值突变更接近，因此，在暂态信号定位时，一般应选择对称小波对故障暂态信号定位。应用中除选择恰当的小波基外，应根据被分析信号选择合适的分析尺度。     

小波熵自适应阈值的电能质量信号去噪新方法

针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。     

小波软阈值去噪技术在电能质量检测中的应用

小波方法是一种很好的电能质量信号检测和分析工具，但其性能往往受信号中噪声的影响，当噪声比较大的时候，小波方法甚至会失效。文中根据小波变换的时频特性，分析了信号和噪声在小波分解过程中的不同特性，并在此基础上利用改进的软阈值去噪技术对电能质量信号进行信号去噪处理。软阈值方法能根据各小波空间上特征分量和噪声的统计特性设置适当的阈值来消除噪声，并以此恢复小波方法的性能。该方法不仅较好地解决了保护信号局部特征与抑制噪声之间的矛盾，能很好地对各种电能质量信号进行去噪处理，而且达到了数据压缩的效果。仿真计算结果表明，该去噪方法是有效的。     

基于变分模态分解的暂态扰动波形去噪算法

针对经验模态分解去噪时存在的模态混叠问题,提出一种变分模态分解与滑动均值滤波相结合的去噪算法。首先通过寻找变分模型最优解将含噪信号分解成若干个固有模态。然后利用相关系数准则确定最优分解层数K以及其对应的相关模态,并用滑动均值滤波器对非相关模态进行处理以得到其中的有用分量。最后基于相关模态和非相关模态中提取的有用分量构造去噪后的信号。仿真表明,与经验模态分解去噪和小波去噪相比,所提出的算法能够在更有效去除暂态扰动中噪声的同时,保留暂态扰动中的特征信息。     

基于改进的小波阈值的电能质量信号去噪

对于暂态的电能质量信号的监测,研究了一种用最大后验估计的双树复小波变换对电能扰动信号进行去噪高效算法。首先运用最大后验估计对扰动信号的改进的小波阈值进行去噪预处理,然后对于不同分解层的细节系数噪声方差和信号方差进行估算,并且运算出不同分解层阈值,从而得出去噪阈值。仿真实验结论表明:所提出算法步骤简单,计算速度快而且易于实现,去噪效果理想,具有很好的应用前景。     

基于变分模态分解的变压器有载分接开关振动信号去噪分析

针对变压器有载分接开关振动信号中的环境噪声影响后续特征提取与识别的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)与小波包阈值的去噪算法。首先对信号进行VMD分解,得到一系列窄带、中心频率区分度较好的模态分量。然后对各模态分量分别进行小波包阈值处理,利用均方根误差、信噪比及平滑度构成的复合评价指标确定最佳分解层数,得到最优的去噪效果。最后重构得到去噪后的振动信号。在变压器有载分接开关模拟试验平台上进行试验,并对采集的振动信号进行去噪分析,结果表明该方法的效果优于常用的去噪方法。     

一种电能质量扰动信号的联合去噪算法

传统的小波阈值去噪算法存在易丢弃真实信号、去噪效果差等缺点.该文提出了一种新的用于电能质量扰动事件的联合去噪算法.该算法首先通过强跟踪卡尔曼滤波的渐消因子大于1的次数,初步判定信号的扰动类型,然后对不同的扰动类型采取不同的去噪方法.对于仅含噪声的正弦信号和谐波信号用稀疏分解及快速傅里叶变换(FFT)做两次去噪;对暂升和暂降信号采用渐消因子准确地指示扰动起止时刻,将信号分段,并对每段信号用稀疏分解和FFT去噪;对含瞬态脉冲和暂态振荡的信号,采用不同的处理方法,首先通过稀疏分解得到稳态成分和暂态成分,对稳态成分的去噪方法与含噪声正弦信号的处理方法相同,对暂态成分的脉冲信号保留实际值,对振荡信号采用变分模态分解(VMD)去噪.大量的仿真计算表明,在不同的信噪比条件下,该文提出的算法均能够有效抑制各类扰动信号的噪声,显著提高了信噪比,且效果优于小波阈值去噪算法.     

一种平稳小波变换改进阈值函数的电能质量扰动信号去噪方法

含噪电能质量扰动信号分析的前提是准确找到突变点信息,对信号进行去噪的同时,又必须保留突变点特征。针对此问题,选取平稳小波变换分解信号,并利用提出的改进阈值函数对信号进行去噪。将含噪的电能质量扰动信号进行多层平稳小波变换,逐层估计平稳小波变换细节系数中噪声的均方差σ_j,计算各层阈值σ_j2lnk~(1/2)并根据信号、噪声的小波系数在不同尺度上的分布特点,通过ln(j+1)对各层阈值进行修正,结合改进的阈值函数分别对各层小波系数进行处理。利用尺度系数和处理后的小波系数进行重构,得到去噪后的信号。仿真结果表明,改进的阈值函数去噪方法能够较好地滤除噪声并保留突变点特征,从处理后的小波系数中可以清晰地观察到扰动的起止时刻,并能够分辨出暂态振荡与谐波干扰。     

基于WP_SVD降噪的OLTC振动信号特征识别

为对变压器有载分接开关机械故障进行诊断,提出一种结合奇异值分解SVD(singular value decompo-sition)消噪与小波包WP(wavelet packet)消噪的信号特征提取方法。首先对信号进行小波包消噪,然后进行SVD二次消噪,将消噪信号进行经验模态分解EMD(empirical mode decomposition),对得出的各阶固有模态分量进行希尔伯特-黄变换HHT(Hilbert-Huang transform)。数值仿真表明基于WP_SVD降噪的信号特征提取比小波包或SVD单独降噪的信号特征提取方法有效,并成功地将该方法应用到分接开关实际振动信号分析中。     

GIS设备局部放电图谱噪声抑制方法

针对GIS设备典型缺陷的局部放电图谱主要受白噪声干扰的问题,提出一种空域修正阈值的小波去噪方法。首先对小波变换的各种去噪算法进行了比较分析,由于小波去噪中的阈值算法存在着固有缺陷的使去噪效果并不十分理想,也不够稳定,然后本文提出将小波阈值算法与空域相关算法有机结合,同时给出一种新的阈值选择方法,对信号进行联合去噪。实验结果表明,本文提出的方法与传统方法具有明显优势,不但能在较强干扰情况下有效地将PD信号提取出来,且去噪后能量损失小,反映原始信号的特征尖峰点得到了较好的保留,波形峰值下降比较小。     

基于小波包变换的电压骤降信号分析

电压骤降是暂态电能质量问题中最常见的现象,对其进行准确的检测是控制和治理的前提。小波包变换是小波变换的进一步完善和发展,其均等划分频带特性使之具有比小波更好的时频分辨率。利用此特性,信号被分解到小波包平面,根据有用频带信息,提取电压骤降信号的特征分量;对信号中混有噪声和数据量过大的情况,利用软阈值法同时进行去噪和压缩处理,并对调节系数对软阈值法处理的影响进行了分析。仿真结果表明,小波包变换也是分析电压骤降信号的一种有效方法。     

软门限小波去噪在变压器冲击试验中的应用研究

利用基于小波标架的软门限压缩降噪方法,对变压器冲击试验中的中性点电流进行处理。为了验证该方法可以在去噪的同时有效的保留原信号的特征分量,进行了模拟故障试验。结果表明这种去噪方法适用于对衰减快、振荡的信号的处理,能较好地解决保护信号局部特征与抑制噪声之间的矛盾。     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

小波包变换在电能质量扰动检测中的应用

鉴于小波包变换能够均匀划分信号频带,聚焦任意频率,是暂态电能质量扰动分析的良好工具,提出了在噪声环境中电能质量扰动检测和定位的有效方法,即利用小波包变化模极大值原理定位电力系统短时扰动并确定扰动持续时间。仿真表明,通过小波包一、二次分解和重构能更好地提取扰动特征信息,从而为电能质量的检测、评估及治理提供依据,且该算法计算简单、快速、有效。     

基于小波包变换有源电力滤波器的研究

通过小波包变换可以实现信号频带的均匀划分,能够更好地提取信号的时频特性,将小波包变换技术应用于有源电力滤波器的检测环节中,设计了基于小波包变换检测谐波的单相小波包滤波器,并在此基础上通过仿真验证了APF三相检测电路的可行性。     

BP神经网络和SVD算法联合的地震数据去噪方法

传统的地震数据去噪方法,由于过多依赖数据的先验信息而使得去噪效果不佳。为了更有效地压制地震数据噪声,结合BP网络和奇异值分解(SVD)算法的各自特点,提出了联合去噪方法。该方法分别对BP网络的拓扑结构和实验方案的选取进行了深入探讨,最终确定实验方法为:首先将含噪地震数据经过BP网络分离,然后将输出的噪声经过SVD算法重构,得到联合算法输出的噪声,最后将含噪地震数据与输出噪声相减,即可得去噪后数据。叠前和叠后地震数据实验均表明该方法的可行性与有效性。通过与传统去噪算法对比,该方法去噪后的均方误差更低,信噪比更高,表明其对实际地震数据去噪效果更佳。     

采用非降采样第二代小波变换的信号降噪方法

信号降噪是机电设备故障诊断领域中的重要研究课题。根据噪声的小波变换系数随着小波分解尺度的增加而迅速趋向于零这一特性,基于小波变换的降噪方法得到了广泛应用。文中研究了非降采样第二代小波变换的构造方法,给出了非降采样第二代小波变换中预测算子和更新算子的时域计算公式,分析了算法的计算复杂度,并在此基础上提出采用非降采样第二代小波的信号降噪方法。由于非降采样小波分解后的各层系数和原始信号的长度均相同,因此在具备平移不变性的同时还能保留更多的时域信息,从而可以提高信号的降噪效果。对仿真信号和实际信号进行了试验,结果表明,该方法较理想地对信号进行了降噪处理,并且能够较好地保留原始信号中的故障特征。     

基于IMU旋转的MEMS器件误差调制技术研究

MEMS惯性器件低信噪比和漂移大成为影响其应用范围的主要因素,提出基于惯性测量单元(IMU)转动的MEMS器件误差旋转自补偿方法。将MEMS输出信息利用小波降噪技术进行预处理,以此消除旋转调制方案不能自补偿的随机噪声信号并提高器件输出信噪比,分析IMU转动方案下的误差调制原理并探讨旋转调制的工程可实现性。搭建MEMS转动实验环境并开展降噪与IMU静止和转动条件下的导航实验,结果表明,采用旋转状态下的MEMS惯导系统可有效地提高系统自身测姿和定位精度。     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。