回溯自适应匹配追踪电能质量信号重构方法

为改善电能质量暂稳态信号重构性能,提出了基于压缩感知理论的回溯自适应匹配追踪的电能质量信号重构方法,对电能质量信号进行处理。在自适应匹配追踪的基础上改变一个回溯步骤,初选出满足条件的候选集,然后在终选步骤中利用回溯功能,剔除系数相对较小的原子,所以该方法能够灵活地删除一些被在初选时被错误选择的原子,有着更好的稀疏信号重构和逼近性能。另外该方法无需先验信号的稀疏度,具有稀疏度自适应能力。仿真实验结果表明,10种电能质量信号的压缩重构精度都在97.63%以上,能量恢复系数要高于99.57%,信噪比高于31.42dB,均方误差百分比在2.31%之内,都能达到很好的性能指标。     

基于稀疏度特征的短时电能质量扰动信号重构方法

现有基于压缩感知的短时电能质量扰动信号重构方法尚未考虑信号稀疏度特征,重构性能有待进一步提高。为此,提出一种基于稀疏度特征的信号重构方法。首先,根据压缩感知理论对信号进行采样。随后,开发出短时电能质量扰动信号的稀疏度特征—稀疏度在频域为偶数。基于该特征,提出"双步长稀疏度自适应匹配追踪"重构方法。分析与仿真结果表明,相对于传统的稀疏度自适应匹配追踪算法,提出方法降低了计算复杂度和均方误差,提高了重构信噪比和信号的正确重构概率。     

短时电能质量信号压缩采样方法的研究

根据压缩传感(Compressed Sensing,CS)理论,首次提出了短时电能质量扰动信号的压缩采样方法,该方法突破了奈奎斯特采样频率的限制,实现了低于奈奎斯特采样频率的低速率采样。文中对比分析了CS理论与传统采样理论,研究了CS短时电能质量信号压缩采样的实现方法,包括:测量矩阵的构建、稀疏基的选取和电能质量信号快速贝叶斯匹配追踪重构算法(FBMP)。文中针对6种短时电能质量信号进行了仿真实验,给出了不同压缩采样比的条件下,该压缩采样方法所能达到的性能指标,结果标明本文提出的方法正确有效。     

基于正则化正交匹配追踪的SAR层析成像

压缩感知框架下的合成孔径雷达(SAR)层析成像技术引起了人们的关注。压缩感知理论能在实际系统中基线数量和分布稀疏的情况下实现高度向的高分辨率聚焦,这是基于谱分析的成像处理方法难以实现的。提出将正则化正交匹配追踪(ROMP)算法应用于SAR层析成像中,仿真实验结果表明该算法能高分辨率的成像,接着探讨了被测区域目标数目对成像精度的影响,结果表明随着目标数目的增加,成像的误差越大,这些对进一步的SAR层析成像研究具有重要的理论意义。     

暂态和短时电能质量扰动信号压缩采样与重构方法

为解决传统的电能质量信号采集压缩方法所面临的采样率高、采样资源浪费及硬件实现成本高的问题,根据压缩传感理论首次提出了暂态和短时电能质量扰动信号的压缩采样与重构方法。该方法将电能质量信号由一维信号变换为二维信号,并根据图像可稀疏表示的原理,使用比Nyquist采样数据少60%以上的随机投影采样值重构原始信号,实现了对暂态和短时电能质量测量数据的压缩采样、采样数据空间稀疏基的选取和基于全变分最小化共轭梯度法的信号重构。针对几类常见单一扰动和含有多重扰动的校准源实测信号进行了算法的仿真分析和实验验证。结果表明,所提出的方法在采样率低于Nyquist采样率73%时,单一扰动的重构信号信噪比除暂态脉冲信号外均大于35dB,多重扰动的重构信号信噪比大于22d,满足电能质量分析的要求。     

基于正交匹配追踪算法的谐波源定位方法

为了在系统非全局可观时,仍能对节点注入谐波电流进行估算,对电网中的谐波源进行有效定位,文章提出了一种基于正交匹配追踪算法的谐波源定位方法。提出方法根据已知量测量和量测矩阵,基于压缩感知理论中的正交匹配追踪算法对欠定的系统谐波状态方程进行求解,估算了节点注入谐波电流,实现了系统一定程度非全局可观时的谐波源有效定位。通过与其他方法的仿真对比分析,验证了在改变谐波源数目和位置以及考虑测量误差时,提出方法具有更好的定位效果,说明了提出方法具有较高的适用性和抗干扰能力。     

电能质量扰动信号时频原子分解的进化匹配追踪算法

时频原子分解对电能质量扰动信号具有良好的分析效果,但其常用的匹配追踪(MP)算法,存在计算量大、参数空间离散化影响原子匹配性能等不足。基于差分进化,研究了电能质量扰动信号原子分解的进化匹配追踪(EMP)算法,给出了算法流程。针对几种电能质量扰动信号,通过Gabor和衰减正弦量原子分解的30次独立仿真实验,分析了信号长度、噪声等对性能的影响。结果表明,EMP算法与MP相比大大减少了计算耗时且不受信号长度的影响,进一步提高了原子的全局匹配能力,具有很好的抗噪声能力。最后,给出了下一步工作的展望。     

一种新的电能质量扰动信号压缩感知识别方法

针对现有电能质量扰动信号识别方法存在数据量大、准确率不高的不足,提出了一种基于压缩感知稀疏向量特征提取的电能质量扰动信号分类识别方法。该方法首先针对原始信号,利用压缩感知理论获取降维的测量信号,并基于?1范数正交匹配追踪算法获取稀疏向量。然后针对稀疏向量提取最大值、次大值、均方根、标准差、峭度和裕度因子等特征,作为神经网络的输入,实现电能质量扰动信号的分类识别。最后,针对六类典型电能质量扰动信号,开展仿真实验验证。仿真结果表明,现有识别方法需要处理的原始信号长度为1024,而所提方法特征提取时所处理的数据长度仅有30,从而大大减少了所需处理的数据量,并且由于实现了以非常少的数据量保存原有全部有用特征信息,因而更有利于提高识别准确率。通过与广泛采用的小波变换识别方法进行比较,所提方法的平均准确率高达98.71%,远远高于小波变换方法的92.86%。     

广义内插小波在电能质量扰动信号分析中应用

广义内插小波(GIW)具有对称性、紧支撑性、双正交性、内插性和高阶消失矩等优点,并消除了分解初始化时的Mallat误差。介绍了GIW的基本概念和分解、重构算法。将GIW应用于电能质量扰动信号的分析,对电压骤升、电压骤降、局部跌落、瞬时断电、频率漂移和局部振荡进行了仿真,并比较了GIW、Bior 3.7、Coif3、Db 4等4种小波在电压骤升、局部跌落、局部振荡时的信号定位性能,结果表明:虽然选取的GIW的滤波器长度要大于其他3种小波,但其对突变信号定位的幅值和偏移点数等参数仍优于其他三者;检测突变信号时,选用紧支撑对偶、具有高阶消失矩的小波可以更精确地检测突变点。分析可知,GIW具有很好的综合性能指标,可以有效地检测出各种微小扰动。     

基于分层匹配追踪算法的电能质量复合扰动参数辨识方法

针对电能质量中的复合扰动信号分析问题,提出一种粒子群优化(PSO)和匹配追踪(MP)算法相结合的分层搜索的原子分解方法。首先应用MP算法提取基波分量,对于去除基波分量的残差信号,利用快速傅里叶变换找寻能量最大的频率成分,采用PSO算法粗搜索出最佳匹配粒子,然后以最佳匹配粒子为中心,在一定范围内重新离散化,生成小规模原子库,再应用MP算法有针对性地进行细搜索,最终得到最佳匹配原子,提取出电能质量复合扰动特征参数。仿真结果表明,该方法能克服MP算法匹配时间长、计算量大及PSO优化MP算法残差积累过大、容易陷入局部最优、匹配参数不准确等缺点,且具有一定的抗噪性和实时性。     

基于正交匹配与周期能量的滚动轴承故障诊断

根据滚动轴承的振动信号具有周期性非平稳变化的特征,引入周期能量的概念,针对滚动轴承故障诊断准确度不高的问题,提出了一种基于非参数估计的正交匹配与周期能量的滚动轴承故障诊断方法。利用正交匹配追踪算法和非参数波形估计精确提取出振动信号的特征;以周期为单位计算信号的周期能量并进行归一化处理;进而根据截取信号的周期能量的范围识别轴承的故障类型。实验结果表明,该方法具有较高的故障识别率,能准确、有效地诊断出故障类型,具有较高的应用价值和广阔的应用前景。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对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.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

基于广义S变换与PSO-PNN的电能质量扰动识别

为了克服从电网电能质量监测系统的大数据中自动识别出电能质量扰动的困难,提出了一种基于广义S变换与PSO-PNN的电能质量扰动识别新方法。该方法利用了广义S变换能兼顾时频分辨率的特点,首先使用广义S变换分析扰动信号的时频特性,接着从广义S变换模矩阵中提取出扰动信号的时频特征量,然后用PSO-PNN分类器对扰动信号进行分类识别。PSO算法的使用克服了PNN的平滑因子没有确定选取方法的缺陷,使分类器性能大大提升。仿真实验结果表明,该方法能够对常见的6种电能质量扰动进行高效的分类识别,分类正确率高,对噪声不敏感,具有良好的应用价值。     

基于 LSA-MP 改进原子分解的 电能质量数据压缩方法

电能质量数据压缩是电能质量问题检测和识别中的重要步骤,其本质即为探寻电能质量稀疏特征的过程。针对稀疏分解中常用的匹配追踪算法在匹配最佳原子时计算复杂度高、耗时长,不能满足电力信号分析实时性要求的问题,应用收敛精度高、收敛速度快以及全局寻优能力强的闪电搜索算法搜索最佳原子,提出了闪电搜索匹配追踪算法。利用所提算法在构建的电能质量相关原子库中对电能质量信号进行原子分解,提取电能质量特征参数,将提取到的参数作为压缩后的电能质量数据,实现电能质量数据压缩。实验结果表明,所提算法匹配最佳原子的耗时约缩短为原算法的1/98,基于所提算法的电能质量数据压缩方法在匹配最佳原子满足电力信号分析的实时性要求,具有较高的压缩率和较低的重构误差,提高了数据压缩的性能。     

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。