风电接入系统暂态电能质量扰动小波检测方法

随着风能发电的大规模发展,风能电并网运行是一种必然的发展趋势.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的运行特性和电能质量受到复杂的影响.为此,针对风电并网运行中的电能质量问题,重点研究风电接人系统的暂态电能质量扰动的小波检测方法,详细分析暂态电能质量扰动小波检测的基本原理和实现策略,并给出仿真结果.理论...     

基于小波包除噪的电能质量扰动检测方法

小波包变换能够实现信号频带的均匀划分，在任意频率聚焦，是分析暂态电能质量扰动时频特性的良好工具。但是电气信号中的电磁噪声严重影响了小波包的检测特性。该文提出了一种小波包除噪算法。通过仿真验证，该算法可以消除扰动检测中的噪声影响，从而为噪声环境中电能质量扰动的检测和定位提供了良好的依据。     

基于FPGA的暂态电能质量的检测方法

提出了基于FPGA实现小波变换算法的一种方法。该方法以硬逻辑方式,采用高通分解滤波器和低通分解滤波器来实现小波变换算法,解决了采用小波变换方法进行多分辨分析时由于计算量大限制了在实时监测系统中应用的实时性问题。以在检测信号奇异点上有很好效果的DB5小波为基函数,对在暂态电能质量中电压暂升/暂降、电压中断、电压脉冲、振荡等信号建立模拟扰动信号源并进行了仿真,对比信号奇异点产生时间和仿真结果中奇异点产生时间,结果表明该方法的准确性和可行性。     

基于DSP的暂态电能质量小波变换检测方法

介绍一个基于DSP的暂态电能质量小波变换检测新方法,分析暂态电能质量小波变换测量的基本原理,阐述暂态电能质量小波变换测量运算的DSP实现电路与编程策略;模拟实验结果证明该方法的有效性.     

基于提升复小波的暂态电能质量扰动的检测与定位

针对暂态电能质量扰动信号的检测与定位,提出一种基于第2代小波变换的提升复小波的提升算法。通过Euclidean分解算法得到复小波提升方案;利用该方案对常见的几种扰动信号进行提升变换,将变换后的幅值和相位信息用于暂态电能质量扰动的定位检测及扰动幅度估计;并与第1代小波变换进行比较。仿真结果表明,所提算法具有简单、运行速度快、检测精度高等优点,能够准确定位暂态电能质量扰动信号和计算扰动信号的变化幅度。     

基于小波变换的暂态电能质量扰动检测与定位研究

本文深入探讨了暂态电能质量扰动检测与定位的小波变换方法。首先,分析了小波变换的基本原理及其快速计算的多分辨率方法,然后研究了小波变换极值与信号突变、噪声的相关性,在此基础上,详细阐述了应用小波变换进行暂态电能质量扰动检测与定位的原理过程,最后,运用Matlab软件进行了计算机仿真,给出了各种态电能质量扰动检测与定位检测与定位的仿真结果。理论分析和仿真结果显示应用小波变化对暂态电能质量扰动进行检测和定位,具有精确、实时、易实现等优点,是一种较理想的暂态电能质量扰动检测与定位方法。     

QPM—Ⅰ型电能质量检测记录分析装置的研制

介绍了一种新近研制的ＱＰＭ－Ⅰ型电能质量检测记录分析装置。它采用先进的Ｉｎｔｅｌ８０４８６工业计算机,利用多通道采样保持和时分模数转换电路数据的同步采集,能对电质量的各项指标提供全面,准确的实测记录数据,并实时显示波形与频谱。     

基于小波神经网络的风力发电系统暂态电能质量分析

结合当前风力发电大规模发展、风电系统大规模并网的趋势,针对风电系统并网所存在的暂态电能质量问题,将广泛运用于信号处理的同神经网络相结合,构造了小波神经网络,详细的分析了小波变换和神经网络的基本原理,给出了小波神经网络的拓扑结构图及风电系统暂态电能质量的仿真。仿真结果表明,小波神经网络可以有效的对暂态故障进行检测、时间定位及预测,和其它控制方式相结合可以改善暂态电能质量。     

小波变换在暂态电能质量检测和识别中的应用

间歇性能源的接入电网,使电力系统的运行特性和电能质量受到影响,特别是暂态电能质量。重点研究了暂态电能质量扰动的小波检测方法,详细介绍了暂态电能扰动小波检测的基本原理和实现方法,并进行了仿真研究,理论分析和仿真结果表明该方法能够实现对电压暂态电能质量扰动快速、准确的检测,并能够根据能量函数识别出扰动类型。研究思路可为检测识别含间歇性能源接入系统的电能质量提供一种有效、可行的方法。     

基于小波原理的电能质量检测数据实时压缩方法

根据小波变换的理论，结合电能质量检测数据的特点，文中将基于小波变换系数的门限方法应用于电能质量检测数据的压缩。仿真计算结果及其分析表明，该方法简单而且压缩效果较好，能保留压缩信号的局部特征，计算速度快，很适合于实时性要求较强的场合。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法.先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡.该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类.经仿真分析,验证了此方法的准确性和高效性.     

基于数字图像处理技术的暂态电能质量扰动分类

为改进暂态电能质量扰动分类方法的准确性,先将暂态电能质量扰动一维数据信号通过归一化处理转换为二维灰度图像,再应用伽马校正、边缘检测及峰谷检测等数字图像处理方法增强扰动特征,得到新的灰度图像和二值图像。提取二值图像的形态学特征值组成特征向量。通过概率神经网络实现暂态电能质量扰动分类。对所提方法进行了仿真计算和比较分析。结果表明,所提出的暂态电能质量扰动分类新方法改进了扰动分类的准确性,是一种有效可行的方法。     

一种小波神经网络的电能质量信号去噪新方法

电力系统中电能质量信号往往含有大量的噪声,这在很大程度上影响检测结果.引入小波神经网络对电能质量信号进行去噪处理,对小波神经网络去噪的原理进行了推导.针对谐波、电压骤升、骤降,电压中断等常见的电能质量信号,对其进行了去噪的仿真研究.结果表明:这种消噪模式可以改善电能质量信号信噪比门限的影响.利用小波神经网络对电能质量信号进行消噪处理,可以取得理想的消噪效果,同时能较好地保留电能质量信号的特征信息.     

小波变换在电能质量暂态信号检测中的应用

随着各种敏感电力电子设备在工业中的广泛应用,包括暂态扰动在内的电能质量问题已成为近年来各方面关注的焦点.对于暂态扰动发生时刻的检测与定位则是电能质量监测和统计中获取相关指标首要解决的问题.对基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究,通过基于标准偏差估计的小波消噪算法,有效排除了噪声干扰,实现了精确的故障时刻定位.     

小波变换在电能质量暂态信号检测中的应用

随着各种敏感电力电子设备在工业中的广泛应用 ,包括暂态扰动在内的电能质量问题已成为近年来各方面关注的焦点。对于暂态扰动发生时刻的检测与定位则是电能质量监测和统计中获取相关指标首要解决的问题。对基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究 ,通过基于标准偏差估计的小波消噪算法 ,有效排除了噪声干扰 ,实现了精确的故障时刻定位     

一种改进EMD-SVD算法的暂态电能质量扰动信号消噪研究

针对小波变换在暂态电能质量消噪方面对高频有用信号误滤除,造成消噪后信号失真严重,或毛刺过多现象,提出一种结合经验模态分解(EMD)的改进奇异值分解(SVD)降噪方法,该方法采用EMD将噪声信号进行初步滤除,通过构造Hankel矩阵,利用左右奇异向量确定奇异矩阵,根据奇异值的分布规律,提出一种改进的奇异值差分方法来确定有效奇异矩阵阶次,从而完成消噪后信号的重构.结果 显示该方法去噪效果较好,特别对电压暂降和电压中断的效果最为明显,其信噪比分别提高了2.9 dB和7.3 dB以上,验证了所述方法的有效性.     

基于小波分析的电力系统电磁暂态信号压缩

根据电力系统电磁暂态信号的特点和小波分析的多尺度分辨分析能力 ,提出了基于小波分析的电力系统电磁暂态信号压缩方法。为了便于讨论压缩比RC、赋范均方误差FC 与压缩级数J的关系 ,本文绘出了RFJ曲线 ,并据此比较了几种小波基对暂态信号压缩的影响 ,说明bior3小波是一种比较理想的小波基。     

基于小波分析的电力系统电磁暂态信号压缩

根据电力系统电磁暂态信号的特点和小波分析的多尺度分辨分析能力,提出了基于小波分析的电力系统电磁暂态信号压缩方法。为了便于讨论压缩比Rc、赋范均方误差Fc与压缩级数J的关系,本文绘出了RFJ曲线,并据此比较了几种小波基对暂态信号压缩的影响,说明bior3小波是一种比较理想的小波基。