基于短窗自相关算法和数学形态学的电能质量扰动信号检测和定位新方法

提出了一种基于短窗自相关算法和数学形态学的电能质量扰动信号检测和定位新方法。该方法能够滤除电流、电压信号中的白噪声,易于在线实现。作者先利用最小二乘递推算法估计信号的基本成分,以提取信号中的扰动成分和白噪声的混合信息;再利用短窗自相关算法滤除混合信息中的随机噪声以提取扰动信息;最后利用数学形态学的基本腐蚀算子检测扰动并进行精确定位。仿真结果表明了该方法的有效性。     

一种电能质量扰动的检测和分类方法

提出了一种噪声情况下检测、定位电能质量扰动，同时对电能质量扰动的形式进行分类的新方法。这种方法基于2种短窗算法：短窗功率算法和短窗自相关算法。任何加载在电压上的扰动实际上可以视为电压的能量在这段时间发生了变化，短窗功率算法就是基于这个事实而提出，短窗自相关算法用来滤除电压功率微分中的噪声。仿真算例结果验证了这种方法的有效性。     

基于数学形态学和网格分形的电能质量扰动检测及定位

提出一种基于数学形态学和网格分形的电能质量扰动检测及定位方法。首先利用数学形态学理论构造一种多结构并行复合形态滤波器对扰动波形进行预处理，以滤除信号中的随机、脉冲等多种噪声；然后对滤波后的波形，根据网格的变化规律进行分析，提出一种简单快捷的奇异性检测判据，以准确快速地检测出扰动并进行时间定位。分别用电压骤降、电压骤升、谐波及其组合扰动对所提方法进行验证。数字仿真结果证实了其正确性和有效性。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。     

基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于形态学的暂态电能质量扰动检测

针对扰动检测过程中存在的脉冲噪声和白噪声影响暂态电能质量信息准确提取的问题,文章设计了一种基于LMS的多结构复合形态滤波算法,该算法具有在保留信号的有效成分的基础上最大限度地滤除噪声的功能。文章使用电压暂降、电压暂升、电压中断等对所提方法进行了仿真实验。仿真结果表明,基于LMS的多结构复合滤波算法得到的信噪比是多结构自适应复合滤波算法的1.01倍左右,是小波变换的1.1倍左右,即该算法能有效地滤除暂态电能质量扰动分析中的随机噪声和脉冲噪声;而且,该算法可较好地保持扰动信号的形状和特征。     

基于数学形态学消噪的电能质量扰动检测方法

提出了一种利用数学形态滤对波形进行预处理，然后用小波检测电力系统扰动的方法。该算法着力解决电力系统扰动中滤除随机噪声和和脉冲噪声的困难，利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时，较好地保持了扰动的基本形状；小波变换算子则有效地检测出扰动并进行精确定位。MATLAB仿真表明所提算法可以准确检测电能扰动时的波形畸变点，同时，形态学－小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小，有利于工程实现。     

基于形态学的动态电能质量扰动的检测与分类

提出了一种基于数学形态学的动态电能质量扰动检测与分类方法。该方法先对整流信号(取绝对值以后的信号)进行开运算以滤除尖峰噪声,再用长度为1/2工频周期的扁平结构元素进行膨胀运算提取其幅值特性;同时对差变信号进行短扁平结构元素的梯度运算来检测和定位奇异点,克服了以往方法可能漏检奇异点的不足。基于已得到的幅值特性和形态梯度可对五种动态电能质量扰动(电压暂降、暂升、中断、暂态脉冲和振荡)进行分类。仿真结果表明,该方法能够有效地对动态电能质量扰动进行检测和分类。     

利用广义形态滤波与差分熵的电能质量扰动检测

数学形态学是一种非线性信号处理方法,在电力信号的分析上具有独特的优势,而信息熵是一种典型的无序性测量指标,在电力系统中也具有巨大的应用潜力。在研究数学形态学算法及信息熵基础理论的基础上,提出一种基于广义形态滤波与差分熵的电能质量扰动信号检测方案,该算法利用广义形态滤波器作为前置滤波单元对信号进行预处理,再利用差分熵度量信号的复杂程度,获取扰动信号的特征量,从而实现扰动的定位。对6种理想信号进行了仿真,结果表明,该算法对非过零时刻发生扰动的信号具有较好的适应性,受噪声强度及信号幅值突变幅度影响较小。     

小波变换和数学形态学在行波故障定位消噪中的应用

有效滤除行波的噪声干扰,提取有用的行波信号是实现行波故障定位的关键.在比较了小波变换和数学形态学对白噪声和脉冲噪声的滤除效果的基础上,结合小波变换和数学形态学各自的优点,提出对行波信号进行消噪时,先采用数学形态学滤波器滤除行波信号中的脉冲噪声,再采用基于小波变换的软阈值化算法滤除白噪声的综合去噪方法.实例分析表明该综合去噪方法的去噪效果较好.     

数学形态滤波在局部放电信号分析中的应用研究

介绍了数学形态滤波的基本原理与形态滤波器的构建.针对油纸绝缘典型局部放电故障模型的局部放电信号的分析问题,提出一种基于开、闭运算的级联组合数学形态滤波器的新方法.通过将数学形态滤波器用于复杂局部放电信号中的脉冲干扰的实例分析,说明该方法对局部放电信号的干扰噪声有很好的滤波效果,实现了高频信号无时滞、无相移的滤波处理,表...     

采用形态滤波和“特定谐波消除”混合滤波算法的电压动态振动检测

随著科学技术的快速发展和工业规模的日益扩大,许多以微处理器和计算机为核心的先进设备对供电质量和供电可靠性提出了比较高的要求。另外,一些特殊行业对电网中的谐波、过电压、短时断电、电压骤升、电压骤降等干扰十分敏感。为了解决这类供电质量问题,首先需要检测出电压扰动中的基波和各次谐波电压的信息。为克服以前针对这一问题提出的各种算法在实时性和准确性方面的不足,介绍了一种基于数学形态滤波器结合"特定谐波消除算法"的混合滤波算法,来消除动态电压扰动波形中的噪声、高频分量和低频分量,从而提取出所需的基波分量。在此基础之上,通过对传统dq变换阵进行改进,提出了可以提取任意次谐波分量的检测滤波算法,并通过仿真波形验证了算法的实用性。该算法的提出,为电力系统谐波分析、检测和治理提供了一种新的思路。     

基于数学形态学和瞬时无功功率分解的电能质量扰动参数估计

电能质量扰动参数是定义和分类电能质量扰动,评估电能质量水平的重要依据.提出了一种基于数学形态学和瞬时无功功率分解的电能质量扰动参数估计方法,该方法将电能质量扰动分为不同的类型,通过dq变换,广义形态滤波和高帽变换结合的方法对基波幅值变化类扰动进行分析,对分析结果进行参量计算用以估计电能质量扰动参数.仿真结果验证该方法是行之有效的.     

基于数学形态学的电能质量扰动检测和定位

数学形态学因其在保留信号突变点信息方面有很好的效果,因此常用于短时电能质量扰动的检测和定位,但基于数学形态学的部分方法仍存在对某些过零点扰动检测失效的缺点,文章分析了3种基于数学形态学的扰动检测和定位方法,即基于1阶求导和形态梯度的方法、基于形态梯度和软阈值处理的方法、基于dq分解和高帽变换的方法,通过仿真比较了3种方法在分析电压暂降、电压暂升、电磁暂态振荡等信号方面的适应性,结果发现基于dq分解和高帽变换的方法在检测过零点扰动时具有很好的效果,因此选取这种方法对实测扰动数据进行了检测和定位分析。结果表明,基于dq分解和高帽变换的方法能正确检测与定位出任一时刻发生的扰动,具有较好的适应性与可行性。     

基于似然比判决准则的电能质量去噪算法

电能质量信号去噪是电能质量扰动判决和定位的基础。电力系统中,绝大部分电能质量信号都含有较明显的突变点。该文首先分析了现有各种去噪算法的不足,然后在此基础上针对信号的二阶导数设计了一个局部滑动窗,并将该滑动窗分成左右两个长度相等的窗口,最后以左右窗口均值差的似然比作为判决准则来判决突变点。基于突变点判决的结果,对突变点区域和非突变点区域采用不同的滤波方法。实验结果表明,该文所提出的混合滤波算法,去噪效果良好,能较完整的保留突变点的信息,较好地解决了保护信号局部特征与抑制噪声之间的矛盾,在绝大部分电能质量去噪领域,有突出的优势。     

短时电能质量扰动检测的一种新方法

将DCT(离散余弦变换)变换和差变算法结合起来进行短时电能质量扰动的检测。对含强噪声的短时电能质量扰动采样信号(电压凹陷、电压凸起和电压间断)进行DCT变换,从所得DCT系数中提取出差变信号,通过DCT系数和差变序列检测出扰动的幅值和起止时间。仿真结果表明,用该方法检测扰动,分析过程简单,利用DCT系数的噪声鲁棒性能实现强噪声环境下的扰动信号检测,且检测精度较高。     

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。