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。     

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.     

基于复小波变换的暂态电能质量扰动检测与分类

根据Daubechies实小波生成相应的复小波,在此基础上,利用复小波变换的相位信息分析几种常见的短时电能质量扰动。针对由复小波变换得到的相位图特征不明显的问题,提出了改进相位图,能更清楚地观察到扰动时的相位变化,便于更精确地对扰动进行定位,同时根据改进后的相位图所表现出来的特征可以简单地对各种扰动进行分类。仿真分析表明,利用改进后的相位图可以简单有效地实现对常见的短时扰动的检测与分类。     

基于S变换的暂态电能质量扰动检测

针对暂态电能质量扰动信号特性,提出了一种基于S变换(S-Transfom)的信号分析法.S变换是由连续小波变换和短时傅立叶变换相结合发展而来,引入了宽度与频率成反向变化的高斯窗,不仅具有与频率相关的分辨率,更具有良好的时频特性,是一种有效的非平稳信号分析方法.通过算例验证了S变换在暂态电能质量扰动信号分析中,可提供有效、准确的分析结果.     

基于小波变换和极限学习机的电能质量扰动分类

利用小波变换(WT)和极值学习机(ELM)对电能质量事件(PQE)进行识别分类,利用离散小波变换(DWT)对信号进行多分辨率分析,获得PQ信号的特征能量系数,并在25、35、45dB噪声环境下,构造了3种PQ数据集。ELM是一种有效的广义单隐层前馈网络(SLFNs)学习算法,可用于识别各种多分类问题。对比试验与现有方法结果,证明基于小波变换的极限学习机能对8种扰动进行有效分类,具有鲁棒性强的识别结构,可用于实际电力系统信号分类。     

基于提升db4复小波暂态电能质量扰动检测与分类

提出基于Euclidean分解算法的db4复小波的提升方案,并应用于暂态电能质量扰动信号的检测;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所反映的特征进行分类。仿真结果表明,与实小波和复小波相比,该算法进一步提高了暂态电能质量扰动信号定位的速度和精度,并为扰动信号的分类提供了新的重要依据。     

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。     

基于小波变换和神经网络的暂态电能质量自动识别

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凸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,能有效地避免噪声的影响,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。     

暂态电能质量扰动的小波谱峭度法检测与辩识研究

针对暂态电能质量扰动和噪声的复杂性,探讨了基于小波谱峭度理论的暂态电能质量扰动检测与辨识方法。在分析了小波谱峭度理论基本原理的基础上,重点阐述了运用Morlet小波谱峭度方法检测暂态电能质量扰动的实现过程。首先,使用Morlet小波将主动配电网中的暂态扰动信号进行小波去噪与变换;然后,利用分解后得到的一系列小波系数计算其谱峭度最大值及峭度谱;其次,通过均方根值算法计算出其有效值相对值,完成对扰动信号的检测与辨识;最后,借助于计算机仿真验证所述方法的可行性和准确性。理论分析和仿真结果证明:该方法检测速度快、检测结果辨识度高、通用性强;辨识准确度度满足工程应用,实用性强。     

基于小波变换和二叉树结构的电能质量扰动分类

针对电能质量扰动分类问题,提出了一种基于小波变换和二叉树结构支持向量机的扰动分类方法。首先,通过交流暂态仿真软件产生8种典型扰动信号和2种复合扰动信号作为样本集;然后,通过小波变换进行多个特征的提取,包括信号在特定频带下的能量和小波系数标准差;最后,通过样本集,对二叉树结构支持向量机分类器进行训练和测试。测试结果表明,该方法能够有效识别常见的10种扰动信号,具有分类正确率高、训练时间短的优点。     

基于第二代小波变换和矢量量化理论的电能质量扰动分类方法

提出了一种将第二代小波变换和矢量量化相结合的电能质量扰动分类方法。该方法采用第二代小波变换对电能质量扰动信号进行时频分析,采用基于模极大值的小波变换后处理方法提取时频分析结果中表征扰动特征的模极大值、生成扰动特征量组,通过将扰动特征向量组送入基于矢量量化的树形分类器实现了对电能质量扰动的分类。仿真结果表明该方法噪声鲁棒性良好、简单可靠、分类准确率高、实时性好。     

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。     

高效提升小波的电能质量暂态信号分析

由于小波变换的空间局部化性质,其在电能质量的暂态信号分析上得到了广泛应用。然而由于连续小波变换、离散小波变换运算量过大,不是很适合片上实现,且实时性问题没有得到很好的解决。结合提升小波变换理论,介绍了一种只需移位和加法的提升滤波器,易于暂态信号分析的微处理器实现。仿真结果表明,所采用方法实时性强,适合暂态信号分析     

基于db4小波变换和双ARM Cortex-M的电能质量分析系统

研究并开发了基于双ARM Cortex-M平台、利用小波变换检测暂态扰动电信号的电能质量分析系统原型.首先利用Mallat算法对电能信号进行离散小波分解,计算并比较高频区间的模极大值,进而确定扰动发生时间点并进行录波.在双ARM Cortex-M硬件平台上对该检测扰动的算法进行验证,通过电压中断和暂态振荡两种输入信号模型对系统进行测试,结果表明系统能在2ms内检测到电信号的突变,能准确实时地检测到暂态扰动出现的时刻.     

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。     

基于二进小波变换的电能质量扰动检测

电能质量扰动起止时刻和持续时间是描述扰动的重要属性,为了对电能质量进行分析与评估,需要对其进行检测。小波变换的局部模极大值对应信号的突变点,可以用来检测电能质量扰动。连续小波变换的计算量大,存在较大冗余,而多分辨率分析的方法由于进行了二抽取,难以直接根据变换结果进行检测,需要重构信号,因此,采用了二进小波变换对电能质量扰动进行检测。使用电磁暂态分析程序ATP仿真软件对电能质量扰动信号进行了仿真,用样条小波进行二进小波变换,检测结果表明在分解尺度一上可以实现较为准确的检测。     

基于小波和BP神经网络的电能扰动分类新方法

电能质量扰动的分类包括特征向量提取和分类器构建2部分.基于小波和神经网络的分类方法大部分采用小波分解各层的能量分布作为特征向量,用单个神经网络给出分类结果,此类方法构建的分类器性能有待进一步提高.文章构建了一组基于小波变换的特征向量作为分类器的输入.通过基于最小二乘法的策略综合3个相互独立神经网络的输出以得到最后的判别结果.算例表明提出的分类器准确率高,在信噪比20 dB的情况下还可以达到93.18％的准确率.分类器能有效识别电压中断、电压暂降、电压暂升、谐波、振荡暂态和闪变6种常见电能质量扰动.