结合小波变换和能量算子的电压暂降检测方法

针对电压暂降扰动的准确定位与精确测量问题,提出结合小波变换与能量算子的暂降检测新方法.该方法通过小波变换将被检测电压暂降扰动分解成近似信号和细节信号两部分.在细节信号部分精确定位扰动发生起止时刻;对近似信号运行能量算子,能快速准确测量到暂降幅值.所提方法中小波变换兼具滤波效果,减弱或去掉低频暂降信号中的高频扰动成分,从...     

基于二维离散平稳小波变换的短时电能质量扰动检测方法

基于二维离散平稳小波变换,提出了一种精确定位短时电能质量扰动起止时刻的检测方法。利用二维小波变换将信号分解在3个不同的高频方向,用水平高频系数精确定位发生在工频相位过零点的电压凹陷的起止时刻,用垂直高频与斜线高频系数之和精确定位发生在工频相位非过零点的电压凹陷的起止时刻。该方法只需采用最简单的小波函数db1对信号进行1层小波变换,简单易行且对噪声不敏感。运用Matlab6.5进行仿真实验,验证了该方法的有效性、准确性和鲁棒性。     

基于db4小波的短时电压变动检测和录波实现

针对基于50Hz基波的短时电压变动信号检测和数据压缩对小波基的特殊要求,利用仿真实验证明了db4小波在短时电压变动检测和数据压缩与重构方面的独特优势,提出了一种基于db4小波的短时电压变动检测和录波实现的方法;提出了可以利用短时电压变动后的1/2个周期数据窗求短时电压变动的幅值。利用db4小波对短时电压变动信号就行了时频分析,准确得到了短时电压变动发生的起止时刻和短时电压变动幅值,实现了短时电压变动数据压缩与重构和故障录波。介绍了小波变换的基本原理,给出了算法仿真和系统实现的结构框图。通过实验仿真,证明了算法的可行性和准确性。在此基础上,利用LabVIEW设计了短时电压变动信号发生和检测系统。运行结果表明,系统测量准确可靠,性能优良,操作简单方便。     

基于LMD和TEO的电能质量扰动检测分析

分析了局部均值分解LMD(local mean decomposition)在扰动检测中时间定位不足的原因,提出了基于LMD和Teager能量算子TEO(Tteager energy operator)的电能质量扰动信号检测分析方法。该方法由LMD和Teager能量算子2部分组成。首先利用LMD将电压信号分解成若干个乘积函数PF(product function),再用Teager能量算子解调PF分量得到信号的瞬时幅值包络和瞬时频率。根据时频图频率突变点,可以有效地检测扰动发生的起止时刻。与LMD相比,所提出的方法具有频率、幅值检测准确,定位能力强,端部失真小等优点,能有效检测分析非平稳电能质量扰动信号。     

基于复小波变换和有效值算法的电压暂降检测方法

对电压暂降三大特征量即持续时间、相位跳变和幅值的准确检测是实现电压暂降有效补偿的前提。文中提出复小波变换和有效值算法相结合的电压暂降检测方法。详细研究了复小波变换奇异性检测原理及其在电压暂降起止时间检测中的应用,采用具有四阶消失距的复Gaussian小波(Cgau4)能准确检测电压暂降发生、恢复时刻和相位跳变,利用有效值算法实现电压暂降幅值的检测。通过在Matlab中对有无畸变情况下的的电压暂降问题建模仿真,验证了该算法的有效性,实验结果表明该方法能精确检测电压暂降三大特征量。     

基于最优组合赋权改进S变换的电压暂降检测方法

电压暂降是电能质量问题的一种,为了能更准确快速地对电压暂降进行检测分析,文章提出了一种基于改进S变换的电压暂降信号检测方法,利用基频幅值差分平方向量检测电压暂降信号的起止时刻,通过定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标得到其与改进S变换高斯窗调节因子的关系曲线,应用最优组合赋权法对该五项指标进行赋权,从而得到S变换的最优参数。仿真结果表明,通过文中提出的方法易于得到基频幅值差分平方向量曲线以及突变点曲线,从而更准确地定位暂降发生的起止时刻;相位跳变曲线能够更好地反映电压暂降的相位跳变情况;基频幅值曲线能够更准确地检测出电压暂降的暂降深度;时间幅值平方和均值曲线能更精确地反映电压暂降发生的起止位置。     

风电接入的电力系统电能质量扰动的检测与定位

风能的波动性、间歇性和随机性等特性使接入风电的电力系统运行特性和电能质量受到复杂的影响。针对风电接入的电力系统电能质量扰动问题,重点研究电能质量扰动的小波检测方法,提出了基于Euclidean分解算法的db4复小波的提升方案。通过Euclidean分解算法得到复小波提升方案,求取了db4复小波自适应提升因子并构建了分解与重构模型,对扰动信号和基波分量进行提升变换后得到幅值和相位信息分别作差。利用幅值差和相位差来确定扰动的幅度和时间,并根据扰动段的幅值差和相位差值实现了扰动起止时刻定位。基于Matlab的仿真结果表明,与复小波相比,该方法能进一步提高风电接入电力系统电能质量扰动信号定位的速度和精度。     

奇异值分解和Teager能量算子的电压暂降方法

针对噪声干扰严重影响电压暂降检测分析精度的问题,提出一种采用奇异值分解和Teager能量算子（Teager energy operator,TEO）进行电压暂降检测的改进算法,即采用 Hankel矩阵对电压暂降信号进行奇异值分解法（singular value decomposition,SVD）,从而获得降噪后的供电点上电压暂降近似信号;利用Teager能量算子跟踪该近似信号的瞬时幅值;最后通过仿真算例验证该方法的可行性和有效性。     

基于递归复小波变换的电压暂降检测虚拟仪器的设计

分析了检测电压暂降的现有算法,通过分析比较,最终选择了基于递归的复小波作为电压暂降的检测算法,由于复小波分析结果中既包含幅值信息,又包含相位信息,所以无论电压暂降信号是否具有电压幅值跳变,都能成功检测到故障发生或结束时刻。同时,利用信息熵寻找最优的小波尺度,使检测结果更加准确。利用虚拟仪器开发软件LabVIEW建立了电压暂降检测系统,利用复小波变换算法,判断电压暂降发生的起始与终止时间,最终实现了电压暂降故障的实时检测、故障报告的自动生成以及故障报文查询等功能。最后,通过模拟故障实验,验证了电压暂降检测算法的有效性。     

基于SVD的电压跌落持续时间检测新方法

针对电压跌落持续时间检测问题,提出了一种利用Hankel矩阵奇异值分解（ SVD）理论检测电压跌落起止时刻新方法,并对不同跌落幅值、谐波和噪声三种干扰下的信号进行适用性仿真分析,并提出对含噪声电压跌落信号选择合适的SVD分量进行信号重构,对重构信号进行SVD检测电压跌落起止时刻。通过 Matlab7．0平台仿真验证所提方法有效性,结果表明该检测方法原理简单,检测精度较高,适用性较强。     

A novel wavelet transform based voltage sag/swell detection algorithm

This paper proposes a novel sag/swell detection algorithm based on wavelet transform (WT) operating even in the presence of flicker and harmonics in source voltage. The developed algorithm is the hybrid of Daubechies wavelets of order 2 (db2) and order 8 (db8) to detect voltage sag/swell with and without positive/negative phase jumps. The hybrid detection algorithm can detect the start and end times of voltage sag/swell with and without phase jumps within 0.5 ms and 1.15 ms, respectively. The performance of the proposed voltage sag/swell detection method is compared with the results of dq-transformation, Fast Fourier Transform (FFT) and Enhanced Phase Locked Loop (EPLL) based voltage sag/swell detection methods. The good robustness and faster processing time to detect balanced and unbalanced voltage sag/swell are provided using proposed method. With the proposed hybrid detection algorithm consisting of db2 and db8 wavelet functions, a robust sag/swell detection is achieved which can give precise and quick response. The performance of proposed hybrid algorithm is validated and confirmed through simulation studies using the PSCAD/EMTDC analysis program.     

基于概率神经网络和双小波的电能质量扰动自动识别

对电能质量(PQ)扰动的自动识别是找出引起PQ问题根本原因的前提。提出了一种基于概率神经网络PNN(Probabilistic Neural Networks)和db10,db1双小波的PQ扰动自动识别方法。首先,利用db10小波对信号进行分解,将各层小波变换系数的能量和第1高频层模极大值情况作为PNN的输入矢量,判断扰动类型;然后,对信号进行傅里叶变换以检测信号中是否含有谐波;最后,对判断存在电压下降的信号进行db1小波分解,根据其低频层的模值区分电压下陷和电压中断信号。测试结果表明,该方法提高了识别正确率,且实现简单,能有效检测幅值较小的谐波。     

应用能量算子和改进MODWT的孤岛检测算法研究

针对传统孤岛检测法定位精度差、抗噪性能不强的问题,提出了一种应用能量算子和改进最大重叠离散小波变换(maximal overlap discrete wavelet transform, MODWT)的孤岛检测算法。为了有效解决MODWT算法的边界效应问题,在传统MODWT算法的基础上,采用环形边界系数更新原来的小波系数,并通过滑动窗口分析其能量。再将该算法应用于孤岛检测,用处理得到的细节系数和近似系数能量分析孤岛状态下公共耦合点的电压扰动信号特征。仿真结果表明,该算法可准确检测电压扰动信号的起始时刻和幅值变化,且在实际信号检测中不受母小波和分解层数影响、抗噪能力强且时延偏差小。     

短时傅里叶变换和S变换用于检测电压暂降的对比研究

针对电压暂降的特征值检测问题,介绍了短时傅里叶变换(STFT)和S变换两种时频分析法,并对两种方法进行了对比分析。在STFT变换中选取不同窗宽的窗函数对同一电压暂降信号进行时频分解,分析不同窗宽对检测结果的影响。提出用时频等值曲线定位暂降的起、始时刻,用基频幅值曲线检测暂降幅值,用相位跳变曲线判定暂降发生时相位是否跳变。仿真结果表明,在STFT变换中窗口越小,检测结果越准确;与STFT变换相比,S变换的检测结果更准确,并且抗噪声能力强,有助于电能质量的治理。     

基于短时傅里叶变换的电压暂降扰动检测

用短时傅里叶变换作为时频信号分析工具，研究在电压暂降扰动下暂降电压幅值检测、扰动时间定位和扰动源识别问题。提出利用暂降后电压信号的基频幅值曲线检测暂降电压幅值，利用暂降发生和结束时产生的高频信号对电压暂降扰动时间定位的方法，并提出根据基频幅值和扰动点个数来识别电压暂降扰动源的方法，该方法可以有效区分由短路故障引起的电压暂降和由感应电机启动引起的电压暂降。仿真试验结果表明该方法对电压暂降扰动检测精度高，同时比以往基于小波变换的方法在抵御谐波和噪声干扰方面更具有优越性。