基于小波变换的电能质量扰动检测与定位

文中针对小波变换模极大值检测原理及其在电压暂降、骤升扰动信号检测中的应用进行了详细研究。介绍了小波变换理论,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,通过检测小波变换模极大值,实现了对电压暂降扰动发生、恢复时间的精确定位。仿真计算结果表明该检测方法是有效的。     

基于小波多分辨率分析法的电能质量检测

提出了应用小波多分辨率技术进行电能质量检测的方法,并利用重构信号进行了谐波补偿。受扰信号经小波分解形成多频带分量,能够确知干扰发生时刻及受扰程度;选取频带信号,经重构产生补偿分量,可用于补偿受扰信号。针对电压暂降、暂态干扰及电力谐波,应用Daubechies小波进行多分辨率分析。仿真表明所采用的方法在时域和频域具有良好的检测性能,能够刻画出信号的奇异性变化的特点;对谐波检测进行了信号补偿分析,对该法用于实时检测的效果给出了结论。     

基于S变换的电能质量扰动分析

针对电能质量扰动信号的特征,提出一种基于S变换模矩阵的信号检测与分类方法,并对电能质量扰动信号进行分类.对电能质量扰动信号的电压凹陷、电压尖峰、暂态随机干扰等现象应用S变换分析,构造等值时频图,从而清晰直观地显现出电压干扰.     

信号的多分辨率分析及其在消噪中的应用

小波多分辨率分解能够将信号在不同的尺度上展开,因而具有对信号按频带进行处理的能力,这对于分析特定频段上信号的细节,建立表征识别故障信号的特征以及清除信号的干扰与噪声等方面具有十分重要的意义。本文给出了信号多分辨率分析在信号消噪方面的具体应用实例。     

电能质量暂态扰动的Coiflet小波检测方法及其实现

针对准确、实时定位电能质量暂态扰动源的问题,通过一种基于FPGA的Coiflet小波算法实现对电能质量暂态扰动的实时性检测.采用数字滤波器实现小波算法的方式,在Simulink/DSP Builder环境下设计了以Coiflet小波为基函数,搭建出高通和低通数字滤波器模块.对暂态电能质量中几种扰动信号源进行的仿真实验,并且给出了信号暂态扰动的起始和终止时刻.该方法对扰动源的检测延迟在ns级,结果表明该方法能提高暂态电能质量检测的准确性与实时性,并且具有可行性.     

基于小波和ANN的电能质量分类方法

为了对电能质量进行有效的治理,以提高用电效率,有必要对电能质量进行快速的检测和准确的分类.基于小波的时频分析特点和人工神经网络(ANN)的学习能力,提出一种电能质量实用分类方法.利用正交小波对信号进行多分辨率分析,将一定时间长度内的信号的能量映射到多个频段内,通过与标准正弦信号各频段能量的比较,提取各类电能质量的能量变化特征;利用ANN对输入特征矢量进行识别,完成电能质量的自动分类.仿真实验证明,该方法可以有效地区分电压的上升、下降、闪变以及谐波畸变、暂态等5种电能质量问题.     

改进型小波多分辨率分析及小波梳状滤波器

为克服小波多分辨率分析在高频段频率分辨率低的缺点,提出一种改进型小波多分辨率分析算法,并在此基础上给出一种新型小波梳状滤波器(WCF)的实现方法.改进型小波多分辨率分析算法对高频段进行逐级细分,得到一系列窄带的共轭正交滤波器(CQFs)及其输出信号序列.利用共轭正交滤波器的频率响应特性,将这些窄带滤波器通道组合成WCF.理论分析与仿真结果均表明,WCF在各频段都具有相同的频率分辨率,并能够检测子频带交界处的频率分量.WCF不仅易于实现,而且可以根据问题需要设定子带带宽,得到足够高的频率分辨率,适用于时变和非平稳信号时频特征的检测.     

小波多分辨率分析及其在自适应消噪中的应用

针对自适应消噪中存在的问题,提出一种基于小波多分辨率分析的自适应消噪算法,利用小波多分辨率分析理论,把信号和噪声正交分解于不同的频率范围中,从而减少了自适应滤波器的阶数,提高了算法的收敛速度和稳定性。选择若干不同频率尺度上信号作线性组合,对组合后的信号进行自适应谱线增强,保存了信号的高频信息。仿真实验结果证实了该算法的正确性,且在实际消噪应用中取得良好的效果。     

基于卡尔曼滤波和中性轴位置的结构损伤识别

根据材料力学理论对受弯梁中性轴位置的计算原理进行描述,导出中性轴位置与梁的上、下表面应变水平的关系式.采用小波多分辨率分析方法,去除长期应变监测数据中由温度引起的应变组分.采用卡尔曼滤波方法对应变数据进行降噪处理,基于降噪之后的应变数据得到中性轴位置的变化情况,并用于损伤判定.研究结果表明:采用小波多分辨率分析方法可以完成多组分应变信号的分解任务,采用卡尔曼滤波方法可以有效降低噪声对中性轴位置确定的不利影响,结合小波多分辨率分析和卡尔曼滤波方法的基于中性轴位置的结构损伤识别结果比直接运用应变数据计算得到的结果更加可靠.     

一种新的基于深度置信网络的电能质量扰动分类方法

针对在噪声干扰下多重扰动识别正确率不高的问题,提出一种新的基于深度置信网络的电能质量扰动分类方法。首先,对电能质量扰动信号进行平稳小波多尺度变换,再利用软阈值函数处理估计小波系数重构原始信号,从而实现对电能质量扰动信号的去噪。再利用软阈值函数处理估计小波系数重构原始信号,从而实现对电能质量扰动信号的去噪。然后进一步提出利用深度置信网络对重构后的单一扰动信号和多重扰动信号进行分类识别。最后算例显示,即使在20 dB噪声干扰下,其分类正确率高达到93%以上。结果表明该方法对7种单一扰动和13种多重扰动信号的识别正确率均较高,验证该方法具有较强的抗噪声干扰能力。     

基于小波变换的暂态电能质量检测研究

本文重点研究了利用小波变换方法检测电力系统中暂态电能质量扰动的原理,并对短时电压变动和电磁暂态等暂态电能质量扰动进行了仿真。理论研究和仿真分析证明,该方法能够实现对暂态电能质量扰动快速又准确的检测,为暂态电能质量扰动的评估和治理提供了依据。     

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.     

基于小波包分解的电力系统谐波检测分析

阐明了小波包分解的基本理论,说明了小波包变换对于稳态谐波信号和暂态谐波信号均具有良好的提取能力.而且小波包分解对实际系统中的谐波检测仍具有较好的检测能力,能够在时域上反映系统不同运行工况下的谐波分量变化情况.利用小波包变换的方法分别对典型的电网谐波和逆变器模型进行谐波检测,仿真结果验证了结论的正确性.     

利用多分辨形态梯度实现单端暂态量保护新方案

基于数学形态学中多分辨形态梯度(MMG)的概念提出了一种单端暂态量保护新方案。在MMG的基础上,提取故障产生的暂态电流信号的窗函数能量谱来实现区内外故障的识别。选取一条典型的500kV超高压输电线路并利用PSCAD/EMTDC进行仿真,所得结果表明该方案不受故障类型、故障位置、过渡电阻和初始相角的影响。同时,该算法的计算量比多尺度小波变换的计算量小,有利于工程实现。     

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.     

暂态电能质量分析中的小波算法及应用

针对当前电力系统存在的暂态电能质量中持续时间短、发生随机性大及不容易检测的特点，提出了基于C语言的小波算法检测暂态电能质量的方法．研究结果表明，小波变换能在时域上对电压暂态瞬时变动的发生时刻进行准确定位，并可利用相应控制系统有效改善电能质量．     

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。