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S变换和时域分析的电能质量扰动识别

提出了一种基于S变换(S-Transform,ST)和时域分析的电能质量扰动自动识别方法,该方法利用信号的S变换幅值矩阵和时域信息快速提取与各类电能质量扰动相应的特征,并借助简单的规则树识别特定的扰动,避免了因训练样本不足引起的较大误差,提高了识别效率。仿真试验结果表明,该方法识别率高,抗噪能力强,适用于电能质量扰动监测和辨识系统。     

基于顺序形态学-dq变换的动态电能质量扰动检测算法

介绍了基于形态学理论的顺序形态滤波原理,并结合改进的双dq变换提出了一种全新的动态电能质量扰动的检测方法.将顺序形态变换应用到一维电力信号处理中,选择合适的结构元素和百分位构造滤波器.电压信号分别进行正、负序的双dq变换和滤波处理后,可以准确地检测到动态电能质量扰动的各项特征值.仿真结果表明该方法具有良好的准确性和动态响应特性.     

基于动态测度的电能质量扰动检测

将动态(Dynamics，以下用Dyn表示)测度有关概念引入电能质量研究领域以分析各种扰动信号。提出一种高效的Dyn测度算法，该算法能够准确检测信号的所有极值点，并计算其Dyn测度。通过分析扰动信号极值点的Dyn测度，发现扰动信号畸变点的Dyn测度与信号峰，谷点的Dyn测度差别较大，根据二者差异可以有效识别信号的畸变点。基于此提出了一种新的扰动检测方法。应用新方法对多种实测和仿真扰动信号进行检测，结果表明提出的新方法是正确的、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。     

基于数学形态学的谐波检测与电能质量扰动定位方法

提出了一种基于数学形态学的电流（电压）谐波检测方法,通过合理地选择扁平结构元素的长度,该方法能快速、准确地检测出电流（电压）中的谐波分量.以此为基础,提出了一种快速的电能质量扰动检测和定位方法,该方法将电压幅值的平方值作为TOP-HAT变换的输入量,具有较高的检测灵敏性.系统存在噪声的情况下,该方法也有较好的检测效果.MATLAB/SIMULINK仿真结果证明了这两种方法的有效性.     

基于深度置信网络的电能质量扰动检测与分类

为准确识别各类电能质量扰动,提出一种新型的、基于深度置信网络(deep belief network, DBN)的电能质量(power quality, PQ)扰动检测和分类方法。该方法为纯数据驱动方法,通过使用DBN对数据样本进行深度学习,从而形成稳定模型用于检测与分类。为了获得足够的样本进行训练,搭建1个周期内的PQ扰动数学模型,进行数据采集;然后对DBN的结构及参数进行设计和选取。为验证该方法的有效性,使用训练好的DBN对常见的PQ扰动信号进行检测和分类,并与现有的常规检测分类方法进行比较。对比仿真结果表明,与现有的检测分类方法相比,该方法具有更高的精度和较强的鲁棒性。     

基于S变换的短时电能质量扰动检测与分类

提出了利用S变换时频等值线图和幅值包络线对常见短时电能质量扰动进行检测和分类的方法.介绍了S变换的基本原理,给出了利用S变换检测和分类短时电能质量扰动的实现方法,通过仿真验证方法的有效性.结果表明,该方法可以准确地确定扰动发生时刻和持续时间,并能简单、直观地对扰动进行分类和幅度确定.     

基于CapsNet和动态路由的电能质量扰动分类

如何从海量的测量数据信息中快速提取电能质量信号,并实现准确的信号分类和参数辨识是电力系统领域研究的热点问题之一,针对传统方法存在训练样本量大、高信噪比环境下辨识能力不足,结合胶囊网络(Capsule Networks,CapsNet)的特征和动态路由机制,提出一种新型电能质量扰动分类辨识方法,使用矢量长度来替代传统单一...     

动态电能质量扰动的多刻度形态学分析

利用多刻度数学形态学由粗到细地对信号进行分层处理的特点，从动态电能质量扰动的波形出发，建立一种全新的多层次描述和多层次处理的扰动辨识方法。该方法不以传统的基于有效值理论的波形分析和基于稳态信号的频谱分析为辨识依据，而是直接从波形的几何形态出发，采用不同刻度的结构元素对波形进行变换，通过形态学膨胀、腐蚀、开、闭运算，得到各刻度下的形态谱并获得对所研究对象的直观的理解。仿真结果证明该方法弥补了傅立叶变换和小波变换的一些缺陷：适当选择结构函数的幅值和信号采样率后，分析结果只受结构函数形状的影响。为动态电能质量扰动的检测、识别与分类提供了新的思路。     

基于数学形态学的电能质量扰动定位方法

提出了一种快速的电能质量扰动检测和定位的方法,在该方法中其检测输出量能够反映出扰动前后被检测电压幅值平方的变化,具有非常明显的检测效果。系统存在噪声的情况下,该方法同样适用。MATLAB／SIMULINK仿真结果证明了这两种方法的有效性。     

基于数学形态学和简化熵的电能质量扰动定位

提出了简化熵的概念,并将其与数学形态学理论结合应用于电能质量扰动定位。首先,利用数学形态学理论构造了自适应尺度结构元素形态学滤波器,用于滤除噪声和谐波;其次,根据信息熵理论提出简化熵概念,将其用于表征信号每个时刻的稳定度以得到突变点位置;最后,分析对比了在幅度、谐波含量和白噪声含量不同时,该方法的有效性,仿真结果表明,该方法能在多种干扰下快速有效的定位扰动发生时刻。     

基于复小波变换的电能质量扰动的检测与分类

根据Daubechies实小波生成了相应的复小波,在此基础上,利用复小波变换系数的相位信息分析了几种常见的短时电能质量扰动,并针对由小波变换得到的相位图不连续的问题,提出了改进相位图,能够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。仿真分析表明,利用改进前后的相位图可以有效地实现常见短时扰动的检测与分类     

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。     

基于改进PSO - WNN的电能质量扰动分类研究

提出一种基于改进粒子群算法和小波神经网络相结合的电能质量扰动分类方法.首先利用小波多分辨技术检测电能质量扰动信号,然后提取各类扰动能量特征向量,将此特征向量输入到优化后的小波神经网络进行识别,最后经改进粒子群小波神经网络得到电能质量扰动分类结果.实例仿真计算结果表明,方法可大大提高电能质量扰动分类识别能力.     

采用改进多分辨率快速S变换的电能质量扰动识别

噪声干扰是影响电能质量暂态扰动识别准确率的最重要因素。经过S变换后获得的扰动信号的模时–频矩阵具有灰度图像特点。因此,可通过二维数学形态学方法,滤除噪声干扰,获得更高的识别准确率。首先,针对扰动信号时–频分布特点,设计具有不同时–频分辨率的多分辨率快速S变换方法以降低运算量、提高特征表现能力;之后,在阈值滤波基础上,根据信号时–频分布特点,选择线段型、零角度结构元进行灰度级形态学开运算,进一步滤除高频频域噪声;最后,从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征建立决策树分类器,识别含噪声信号与6种复合扰动信号在内的12种电能质量信号。通过仿真对比实验发现,新方法具有更好的抗噪能力,更加适用于低信噪比环境下的电能质量信号识别。     

基于Teager能量算子的电能质量扰动实时检测方法

建立一个有效的电能质量监控系统的关键,首先在于实现对扰动的快速、准确检测.通过引入Teager能量算子(TEO),提出基于TEO的实时检测方法.由于Teager能量算子只需要对被测波形相邻的三个采样点进行两次乘法和一次加法运算,使得所提算法快速、简洁,具有优良的时间分辨率,能实时跟踪被测信号波形变化.仿真和实验结果表明,所提算法能够准确、迅速地检测和定位电能质量扰动的发生,具有优良的检测效果.     

基于时频平面脊信息提取的电能质量扰动检测

针对目前电能质量扰动检测方法的局限性,提出了一种基于时频平面脊信息提取的电能质量扰动检测识别新方法。该方法首先基于自适应最优核时频分布理论得到电能质量扰动信号的时频分布,然后提取了时频平面脊信息和基频脊幅值;结合时频平面的脊信息和基频幅值有效实现了对各种电能质量扰动的检测与识别。仿真测试结果表明:该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各种扰动的时频分布特征,快速、准确地实现了各种电能质量扰动的检测与识别。     

基于高阶累积量的暂态电能质量扰动分类研究

为提高暂态电能质量扰动分类识别的精度,提出了一种基于高阶累积量与支持向量机的暂态电能质量扰动信号的分类识别算法。该算法利用高阶累积量提取脉冲暂态与振荡暂态2类扰动的3阶与4阶统计特征,并选取各阶统计结果中的极大值个数、极小值个数以及最大值、最小值共8个特征量作为支持向量机的输入。利用Matlab产生仿真数据对此方法进行了仿真验证,结果表明,高阶累积量可以有效表征暂态扰动特征,且受噪声影响小;结合支持向量机可有效分类识别这2类暂态扰动,在训练样本为50组,核函数选择为线性核函数时,识别率可达到99%;当混合有其他扰动分量时,该方法也有效。