基于小波包分解的电力谐波信号分析

针对电力系统时变谐波信号的分析,提出一种基于小波包分解的时一频分析新方法。该方法利用共轭正交滤波器组,对谐波信号进行小波包变换,使得谐波信号在频域上等间隔分解,所测各次谐波均落入各自相应的频带内,从而达到对奇次时变谐波测量与时频分析的目的。     

基于快速傅里叶变换的谐波和间谐波检测修正算法

详细分析了FFT算法的频谱泄露和栅栏现象,研究了非同步采样下谐波和间谐波之间的频谱干扰特性,在此基础上提出了修正算法。该算法通过对FFT算法做简单变换,减少了频谱泄露误差,利用频域插值算法对谐波和间谐波分开进行分析检测,抑制了谐波和间谐波之间的相互干扰。结果表明,与直接运用FFT算法相比,提出的电力系统谐波和间谐波检测方法具有检测精度高和响应速度快的特点。     

基于小波变换的电力系统谐波有源补偿方法研究

为了保证电力系统的安全运行,提出基于小波变换的电力系统谐波有源补偿的方法.基于电力系统谐波有源补偿原理,有效结合塔式算法与小波变换,经离散信号的分解处理后,实现系统谐波检测;依据电流跟踪控制环节的参考电流,通过流压转换确定参考电压矢量,采用改进空间矢量脉宽调制控制策略,控制三相逆变器实际输出电压跟踪参考电压,实现电力系...     

一种基于小波变换的谐波与基波有功和无功电流检测算法

谐波与基波有功、无功电流的正确检测是谐波拟制和无功补偿的基础。本文利用小波变换的多分辨分析理论,结合电网电流定义式,给出一种简便的计算基波电流的有功分量、无功分量与谐波分量的算法,无需预先求解电流相位,计算量小,适合在线计算。利用不同类型的小波,在不同采样频率下对算法进行了实例仿真,仿真结果证明了该算法的有效性,并讨论了小波滤波器系数长度及采样频率对算法检测精度的影响。     

基于小波变换去噪预处理的EMD谐波检测方法

摘要： 将经验模式分解（empirical mode decomposition,EMD）作为电网谐波的检测方法。通过EMD法分解,把含谐波的正弦信号分解成为包含各阶次谐波的IMF分量和工频分量,从而检测出电网中的谐波分量。研究发现采样信号中的噪声会对EMD的分解产生较大影响,提出了一种基于小波变换去噪预处理的EMD谐波检测方法。此方法首先用小波变换减少随机白噪声对信号的影响,随后对含少量白噪声的信号进行EMD分解。经MATLAB仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EMD谐波检测的精度与适用性。     

基于小波神经网络的单相三电平逆变器谐波检测

本文采用小波神经网络（Wavelet Neural Network,WNN）算法对时变谐波信号进行检测。利用Harr小波对谐波信号的幅值和相角进行逼近;将小波对信号的自适应时频分割特性引入神经网络,提高神经网络的逼近和收敛速度;给出网络参数的选定方案;确定网络的训练算法。在MATLAB/SIMULINK环境下对该算法进行仿真,与传统的小波算法比较,该算法不仅可行,而且精确度得到提高。     

基于小波变换和人工神经网络模型的三峡入库月径流预报

为探讨小波变换中小波基函数对模型预报精度的影响,选取三个小波基函数haar、db10、sym8对原始序列进行小波变换预处理,并分别建立人工神经网络模型(ANN)和基于不同小波基函数的W-ANN(haar)、W-ANN(db10)、W-ANN(sym8)模型进行预报。以三峡水库月径流为例,采用纳什效率系数、平均绝对误差及平均相对误差对建立模型的预报效果进行比较。结果显示,采用三个小波基函数haar、db10、sym8对数据进行小波变换预处理后的模型精度均得到了不同程度提高,W-ANN(sym8)模型在各项指标上表现最好。表明小波基函数的选择对模型预报精度结果影响较大,选择合适的小波基函数至关重要。     

基于谐波小波变换的4_73风机压力侧失速特性分析

在对离心风机压力侧失速的形成机理定性分析的基础上,通过对4-73风机的实验研究,发现4-73风机存在压力侧失速现象,并采用谐波小波变换对于压力侧失速的时频特性进行了分析。在分析中,对于时域定位能力较差的正交谐波小波进行频域光滑处理,在旋转失速的分析中引入非正交谐波小波变换,分析结果证明了谐波小波变换对于离心风机旋转失速特性分析的有效性。     

基于混沌理论的电力系统谐波检测

在分析了间歇混沌模型-Duffing振子的混沌特性基础上,研究了电力系统谐波的混沌检测原理与方法,基于Matlab/Simulink软件平台,建立了仿真模型,给出了在强噪声下电力系统谐波检测的仿真结果。仿真结果表明,Duffing振子对于与参考信号频差较小的周期信号较为敏感,对频差较大的周期干扰信号具有较强的免疫力,应用于实际电力系统谐波的该振子检测精度高,抗噪性强。     

基于dq变换和小波包变换的微网故障检测方法

针对传统的扰动检测法无法区分正常扰动状态与弱故障扰动状态的问题,提出了一种基于dq变换和小波包变换的微网故障检测方法,该方法使用每条母线上d、q轴故障电流的平方和作为解析电流,并利用小波包对其进行分解,进而利用各层小波包系数来构建故障检测判据。仿真试验结果表明,该方法能够有效区分正常运行状态、正常扰动状态和强、弱故障扰动状态,且不受接地电阻、故障类型/时间/相、负荷/DG的投切等各种因素影响,具有很强的适应性与工程应用价值。     

基于小波包分析提取汽油机爆震特征

研究了小波包变换提取爆震特征的方法,利用加速度传感器信号进行处理分析.由参数化功率谱密度估计,确定由爆震引起的共振频率,截取爆震能量集中区间较短的数据段,建立AR模型,然后利用Burg算法估计爆震的特征频率范围,确定小波包变换的分解级数,保留与爆震特征频率相对应的小波包变换子空间信息,合理取舍其它子带系数,使重构后的信号能有效地表征爆震特征.实测信号分析表明,在轻微爆震检测方面,该方法优于传统的滤波方法和基础小波分析方法.     

基于第二代小波变换的振动信号去噪与故障诊断

旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效地去除故障诊断振动信号的噪声,而且能够保留信号的局部信息。     

汽轮机振动信号的最优小波包基消噪与检测

在利用小波包进行汽轮机振动信号的消噪和检测时,最优小波包基和消噪阈值的选取是必须解决的两个关键问题。通过对基于shannon熵的最优小波包基的快速搜索算法的探讨,提出了基于最优小波包基的汽轮机振动故障信号的消噪与检测方法;对于消噪阈值的选取,提出一种以小波包能量为基础,以原始信号与降噪后信号之间的均方误差(MSE)极小化为目标的基于小波包的降噪算法,并与传统的Donoho的硬阈值降噪算法作了比较。结果表明:在故障检测前先采用最优小波包基方法对故障信号进行消噪,有利于提高汽轮机振动检测的准确性。图5参9     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

基于连续小波变换的水轮机振动信号检测

通过对连续小波变换的分析研究，提出了一种提取信号在小波尺度上的时频信息的信号分析方法。该方法能够有效将水轮机非稳态工况下的振动信号很好地分解在有限的时间-尺度范围内而保持信号的信息完整；对比传统的频谱分析和二进小波变换，信号经过连续小波变换后，其内部蕴涵的状态信息能在尺度域上很好地体现出来。     

基于小波包变换与遗传膜优化的BP神经网络的孤岛检测方法

光伏并网分布式发电运行中,为保障系统运行的稳定和安全,需具备较高的孤岛检测能力。为此,提出了基于小波包变换与遗传膜优化BP神经网络的孤岛检测方法,在不添加任何扰动的情况下,能实现无盲区检测,弥补传统被动式和主动式孤岛检测存在的不足,通过对PCC点电压信号进行小波包变换提取特征向量,并作为神经网络的输入样本,再利用WPT-GAPS-BP神经网络算法进行孤岛判断。通过仿真,验证了该方法的检测速度和精度更快更准确,具有一定的可行性和可靠性。     

从傅立叶变换到小波变换

傅立叶变换与小波变换是应用于工业领域的两种重要的数学变换。由于傅立叶变换不能对特定频率出现的时间进行精确定位,使得它的应用范围受到很大的局限性。而小波变换由于在变换窗口的参数的选择上有很大的灵活性,使它在工业领域得到越来越广泛的应用。本文从傅立叶变换着手,分析了它的不足之处,进而引入小波变换的概念,并用多分辨分析的方法对非稳态信号进行分析。     

基于小波包多尺度分析的多时间窗行波相关法

为解决行波相关法中时间窗宽度不固定影响故障测距可靠性的问题,提出了一种基于小波包多尺度分析的多时间窗行波相关法。首先,利用最大相关系数选取最优小波基,使得小波包滤波效果达到最佳;其次,以最优小波基为基底将故障信号进行小波包的多尺度分解和重构,由于小波包自身的变换特性,重构后的正反向行波初始波头的宽度随着尺度的增大逐渐变宽,将初始行波波头宽度作为行波相关法的时间窗宽度,此时行波相关法成为一个多时间窗的相关算法;最后,将经包络线处理的单极性正反向行波进行相关算法故障测距。多次仿真分析表明,所提方法消除了时间窗不固定对测距结果的影响,且在不同的故障距离和过渡电阻下均适用。     

基于小波包的泵站机组振动信号特征分析

提出了一种应用小波包分析对泵站机组振动信号进行特征分析的方法。与小波分析相比,小波包分析能对信号的高频频带进一步分解,提高了频率分辨率。利用小波包对泵站机组振动信号进行了信号压缩与消噪以及奇异性分析,为诊断机组振动故障提供了决策依据。对泵站机组主轴摆度和轴承振动实测信号进行了分析,结果表明小波包分析可有效提取原始信号的特征。     

基于小波包和Markov链的低压电力线背景噪声重构

针对传统方法难以重构出时域特性和频域特性与真实低压电力线背景噪声一致的背景噪声问题,搭建了噪声测量平台实测了背景噪声,提出了一种基于小波包变换与Markov链相结合的背景噪声重构方法,通过小波包变换得到真实背景噪声在不同频带中的小波包分解系数,并利用Markov链对分解系数进行统计,模拟生成与实测噪声分解系数统计规律相同的仿真分解系数,将仿真分解系数重构后即可得到背景噪声。实例仿真结果表明,该方法重构的背景噪声在时域波形上与实测噪声极为相似,且功率密度谱变化趋势也与实测噪声基本一致,可作为电力线载波通信设备性能测试的可靠噪声源。