基于小波理论的电力系统谐波检测方法

提出了对电力系统中稳态谐波和暂态谐波的不同检测方法.阐明了小波理论的基本原理,对复合信号进行了小波变换和小波包变换的仿真分析和比较.仿真结果表明,对稳态谐波检测时适合采用小波变换,对暂态谐波检测时适合采用小波包变换.     

基于信号复杂度的高压交流线路暂态保护研究

基于线路故障暂态特征的保护比传统保护响应更快,对故障的判断更加准确,而且不会受到工频振荡等情况的影响。分析了线路故障时产生暂态分量的原因以及发生区内外故障时暂态特征存在差异的原因,介绍了小波变换以及小波奇异熵,用小波奇异熵来表征信号复杂度的变化,基于小波变换分析电流信号,并用小波奇异熵进一步分析信号的复杂度。在MATLAB/Simulink中搭建500kV线路仿真模型,通过仿真发现,线路发生区内故障时信号复杂度明显高于发生区外故障时的信号复杂度,利用区内、外故障时信号复杂度的差异构成了区分区内外故障的判据。     

基于最大相关性的小波谐波检测方法

谐波的存在严重影响电网中电能的质量,保证电力系统的安全运行,首先要对谐波进行准确的检测和分析,剖析电网中的谐波成分。傅里叶变换能够分析谐波中稳态成分,却无法分析电力谐波中广泛存在的暂态及突变信号。小波变换的时频分析方法应用于谐波分析当中,弥补了傅里叶变换的这一缺陷。本文通过Matlab仿真,采用最大相关性的方法选取小波基,并用小波变换实现对电力系统中暂态信号的分析,将小波变换与傅里叶变换的分析方法进行比较,验证了基于小波变换的谐波检测方法的有效性。     

小波变换在电力系统故障检测中的应用

电力系统运行时常会发生一些故障问题,影响了供电系统的安全稳定运行,针对该问题,提出了一种基于小波变换对电力系统暂态信号奇异性检测的方法。通过MATLAB/Simulink建立系统模型输出故障信号,利用db4小波对信号小波分解、重构获得细节信号的模极大值点,并采集相关采样点的小波细节系数值,实现故障点检测。仿真结果表明,该检测方法能够准确地识别出信号奇异点,对系统故障点精确定位。     

基于多尺度形态分解谱熵的雷击干扰与短路故障识别研究

研究和识别输电线路直击雷的暂态特征对研制基于暂态量的保护及提高可靠性都具有十分重要的意义.针对雷击未故障、雷击故障和接地短路故障,提出了基于多尺度形态分解谱熵的雷击干扰识别方法.对不同的故障类型进行多尺度分解,分别计算在不同尺度上的能谱熵和奇异谱熵,作为待识别特征矢量.建立标准故障模式矩阵,对待识别样本的特征矢量与标准故障模式进行灰色关联分析,根据关联度的大小,判断待识别样本信号属于哪种故障类型.大量仿真计算验证以上所提方法正确、有效.     

基于小波包变换的电力系统谐波检测

阐述小波变换和小波包变换的基本原理,介绍小波变换的时频局部化特性,说明了在小波变换基础上建立的小波包变换,能够实现频带的均匀划分,能更有效地进行谐波的检测和分析,并利用小波包变换的方法分别对电力系统中的稳态谐波和暂态谐波进行检测.仿真结果表明,该方法可以准确地检测稳态和暂态时变信号,能为电力系统中的谐波治理提供依据.     

一种新的模拟电路故障诊断小波神经网络方法

结合小波变换和神经网络二者之间的优点,提出基于小波神经网络的模拟电路故障诊断方法.采用能量分布特征提取方法和改进BP算法,用正弦信号仿真模拟电路,应用小波变换对模拟电路的采样信号进行多尺度分解,再进行能量分布特征提取,然后利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.相对于传统的故障诊断方法,用小波变换对故障信号进行预处理,大大减少了神经网络的输入数目,从而简化了神经网络的结构和减少了它的训练时间,并提高了辨识故障类别的能力.对实例电路仿真结果表明,该方法能正确识别各种故障状态,准确率高.     

小波故障选线新原理中基于频谱分析的尺度选择

从传统的信号频谱分析出发,对小波故障选线新原理中的尺度选择进行了深入分析,探讨了电力系统故障暂态信号的频谱与信号小波变换模极大值之间的内在联系,为基于小波分析的故障选线新原理提供了尺度选择的理论依据,同时也为小波分析在电力系统其它领域中的更广泛应用提供了一个很重要的分析方法.     

基于小波原理的小电流接地系统故障选线新方法的研究

对利用小波提取小电流接地系统的故障暂态信息进行故障选线的方法作了深入细致的分析研究，以能更充分提取电力系统故障暂态信号的奇异性所包含的丰富特征信息为出发点，提出了一种新的基于小波变换模极大值奇异性检测理论的选线新方法，该方法对暂态电气量进行小波分解，选取特征量突出的第三尺度模极大值信息作为选线判据。理论分析及仿真实验表明：该选线方法适合各种接地方式的小电流接地系统，可准确、可靠的实现单相接地故障选线。     

小波分析及其在电力系统故障检测中的应用

介绍了小波变换的基本原理,采用小波变换快速算法对电力系统中故障信号进行分析、判断。仿真结果表明,小波变换能够很好地消除电力系统故障信号噪声,并准确检测出故障点。     

小波变换在电能质量扰动检测与定位中的应用

论述小了波多分辨率信号的分解原理,提出了采用小波多分辨率信号分解的电能质量暂态干扰检测新方法.给出了电压下凹、短时断电、冲击信号等电能质量干扰检测与时频分析的仿真实验.结果证明,该方法对暂态电能质量的检测是有效的.     

基于曲率模态和小波变换的简支梁桥损伤识别方法

小波变换具有在时域和频域内表征信号局部特性的能力,能够在不同尺度下对结构响应中的突变信号进行放大和识别.本文在曲率模态基础上,提出了一种基于小波变换的梁式结构损伤识别方法.利用双正交小波函数对损伤前后结构的曲率模态进行小波变换,通过小波变换系数的变化和分布情况建立了结构损伤指标,可判定损伤存在,确定损伤位置和估计损伤程度.并通过一简支梁桥中T形截面梁的数值模拟对该方法进行了验证.     

Adaptive TQWT filter based feature extraction method and its application to detection of repetitive transients

The local defect in rotating machine always gives rise to repetitive transients in the collected vibration signal. However, the transient signature is prone to be contaminated by strong background noises, thus it is a challenging task to detect the weak transients for machine fault diagnosis. In this paper, a novel adaptive tunable Q-factor wavelet transform (TQWT) filter based feature extraction method is proposed to detect repetitive transients. The emerging TQWT possesses distinct advantages over the classical constant-Q wavelet transforms, whose Q-factor can be tuned to match the oscillatory behavior of different signals, but the parameter selection for TQWT heavily relies on prior knowledge. Within our adaptive TQWT filter algorithm, the automatic optimization techniques for three TQWT parameters are implemented to achieve an optimal TQWT basis that matches the transient components. Specifically, the decomposition level is selected according to a center frequency ratio based stopping criterion, and the Q-factor and redundancy are optimized based on the minimum energy-weighted normalized wavelet entropy. Then, the adaptive TQWT decomposition can be achieved in a sparse way and result in subband signals at various wavelet scales. Further, the optimum subband signal which carries transient feature information, is identified using a normalized energy to bandwidth ratio index. Finally, the single branch reconstruction signal from the optimum subband is obtained with transient signatures via inverse TQWT, and the frequency of repetitive transients is detected using Hilbert envelope demodulation. It has been verified via numerical simulation that the proposed adaptive TQWT filter based feature extraction method can adaptively select TQWT parameters and the optimum subband for repetitive transient detection without prior knowledge. The proposed method is also applied to faulty bearing vibration signals and its effectiveness is validated.     

基于独立分量分析(ICA)与小波变换的过程监测方法

提出了一种ICA与小波变换技术相结合的过程监测方法。通过ICA方法分析出独立分量,经过小波分解后构造平均能量作为过程特征量。然后以相似度为监测指标实现过程监测。应用ICA方法比应用主分量(PCA)方法能更准确地提取非高斯分布信号信息,可以更加有效地实现对过程的监测。ICA能从原始的输入特征提取出更紧致、更适合后端处理的二次特征。由于二次特征能体现出数据中的本质信息,所以ICA方法相对于那些只考虑方差信息的特征提取方法有更好的性能。     

基于MRA的PD信号提取算法与实验研究

小波方法不但具有多尺度分辨和时频局部化特性,而且可以准确地捕捉突变信号的特征,并可以在不同尺度上考察“瞬变”信号特征的演化过程．针对PD信号的瞬变性和随机性,基于小波的MRA法,分析了PD和噪声信号的尺度和小波空间表征,给出了PD信号提取和重构算法,并进行了数学仿真．通过实验模拟验证,结果表明,基于小波MRA的PD信号提取和重构算法快速准确,可以为高压电器绝缘故障诊断、模式辨识提供准确信息源．     

基于高斯和功率谱特性的小波调制识别研究

小波调制是一种全新的多载波通信调制方式,该文基于OFDM和小波调制信号的渐近高斯分布和频谱特性,探讨了加性高斯白噪声信道条件下小波调制信号的识别。利用调制信号的高阶统计量和功率谱峰度为分类特征,采用信噪比与特征参数联合估计的方法,分别实现多载波与单载波调制信号、OFDM与小波调制信号的识别。仿真实验结果表明,该方法具有良好的识别性能,且能很好的抑制高斯噪声的干扰。     

基于提升小波的电压暂态奇异点检测

电压暂态扰动是影响电能质量的重要因素之一,对电力系统和用电设备均产生危害.提升小波可以在时域、频域表征信号的局部特征,具有发现突变信号、处理非平稳时变信号的能力.分别采用提升小波和傅里叶变换检测脉冲暂态和振荡暂态电压扰动的奇异点.仿真结果表明,与傅里叶变换相比,提升小波能有效检测暂态电压扰动的奇异点.     

小波分解在移动用户行为识别中的应用

针对目前行为识别通用模型对步行、上楼、下楼等易混淆行为识别准确率较低的情况,提出了一种基于小波分解的移动用户行为识别方法,从小波分解后不同频率子信号的低频近似系数中提取小波能量、小波峰个数和平均波峰幅值等特征,基于决策树分类器建立与用户无关的行为识别通用模型. 分别用典型时域特征数据集和小波特征数据集对该通用模型进行验证. 实验结果表明,采用新方法后,3种易混淆行为的平均识别准确率提高了14.82%,减少了误判.     

Features of energy distribution for blast vibration signals based on wavelet packet decomposition

Blast vibration analysis constitutes the foundation for studying the control of blasting vibration damage and provides the precondition of controlling blasting vibration. Based on the characteristics of short-time nonstationary random signal, the laws of energy distribution are investigated for blasting vibration signals in different blasting conditions by means of the wavelet packet analysis technique. The characteristics of wavelet transform and wavelet packet analysis are introduced. Then, blasting vibration signals of different blasting conditions are analysed by the wavelet packet analysis technique using MATLAB; energy distribution for different frequency bands is obtained. It is concluded that the energy distribution of blasting vibration signals varies with maximum decking charge,millisecond delay time and distances between explosion and the measuring point. The results show that the wavelet packet analysis method is an effective means for studying blasting seismic effect in its entirety, especially for constituting velocity-frequency criteria.     

内燃机噪声源识别的小波相关系数方法研究

为了分析内燃机(ICE)噪声信号的时频特性和识别主要噪声源,研究了小波变换中尺度与频率之间的关系,重新定义了连续小波变换,并基于不同小波对同一信号分解时小波系数之间存在极大相关性,提出用规范化相关系数时频图分析噪声信号和识别内燃机噪声源的新方法.新方法能够准确地对信号进行时间和频率定位,且频域结果与信号功率谱相当吻合.对发动机声学信号进行了时频分析,同传统连续小波变换相比较,该方法能够更好地反映信号能量的时频域分布状况.结合声强结果,声学信号时频图能够直接地显示不同噪声源的时频特征.