基于小波包变换的电力谐波检测研究

提出了一种基于小波包变换的电力谐波检测方法。该方法采用小波包变换对电流信号进行分解,即将该电流信号分解成低频部分与高频部分,然后分别对低频部分及高频部分进行小波包分解,重构后得到该电流信号的基波分量,从原始电流信号中减去基波分量,从而得到该电流信号的谐波分量。仿真结果表明,该方法能够很好地检测出电流信号中的谐波分量,并且能对指定频率的谐波进行检测。     

一种基于小波包变换的谐波分析新方法

针对电力系统中谐波电流分析问题,本文提出一种利用两阶段法并结合小波包分析的算法实现电力系统谐波分析的新方法.首先第一阶段将待分析原始电流的基波与谐波成份通过小渡包变换分解与重构算法分离,然后第二阶段再将各次余下的谐波电流用基于小波包变换的谐波算法进行分析.该方法能够解决基波电流与各次谐波电流之间的影响,减少频谱泄露以及小波变换的混叠现象.最后将提出的新方法与常规的直接分析法对比,仿真实验结果证明此新方法的优越性以及在精确度、可行性等方面完全符合电力系统谐波分析要求.     

小波变换在有源电力滤波器谐波分析中的应用

为有效分析和解决有源阻抗变换,对使用小波变换检测谐波与间谐波的方法进行了研究,并在此基础上探讨了利用小波分析、研究时频阻抗的控制特性和频率特性的基本原理,提出了利用小波变换来分离谐波与间谐波的算法,并兼顾时域和频域的分辨率.仿真结果表明,该方法不仅具有高分辨率特性,能较好地找出APF的时频阻抗特性,可以较好地分析谐波,以使其跟踪特性最优,为有源电力滤波器谐波抑制提供了可行的解决途径.     

基于小波包变换的谐波检测仿真分析

主要对基于小波包变换的谐波检测方法进行了探讨，通过MATLAB进行了编程仿真，从而确定这种检测方法的可行性和优越性。     

基于加Blackman窗FFT和db44小波包变换的综合电力系统谐波分析

传统的傅里叶变换（FFT）主要适用于平稳信号的分析,确定信号的幅值和频率,但会丢失信号的局部信息,而小波包变换虽然可以准确得到信号局部细节的信息,但其分析精度不及傅里叶变换。将高分析精度的傅里叶变换和可以准确得到信号局部细节信息的小波包变换结合,提出结合两者优点的谐波分析方法。对平稳信号采用加Blackman窗傅里叶变换进行分析,得到信号的频率和幅值。对暂态信号采用db44小波包变换进行分解分析,得到信号局部细节的信息。通过 MATLAB仿真结果表明,该方法可以准确分析电力系统中的稳态谐波并准确定位暂态谐波。     

基于改进小波包变换的谐波检测方法研究

针对基于傅里叶变换的谐波检测方法存在栅栏效应和频谱泄漏等问题,提出了一种基于改进小波包变换的谐波检测方法。该方法实现了对信号频带的均匀划分,通过选择适当的采样频率和小波包分解树,使所关心的谐波频率落到小波包频带的中心,从而减少频谱泄漏,有效提高了频谱分析精度。实验结果验证了该方法的有效性。     

基于正交三角函数族的电力系统谐波识别算法

谐波是影响电能质量的重要因素,对谐波进行监测和分析具有重要的意义.基于傅立叶变换与小波变换的算法是目前电力系统谐波分析最常见的分析方法,但两者都存在频谱混叠问题.为了克服传统谐波算法的频谱混叠从而提高检测精度,根据电力系统信号的特点设计了一种新的基于正交三角函数族的谐波识别算法.算法不存在谱间干扰,能得到高精度的稳态谐波分量的幅值与相位信息.通过与FFT、加窗FFT以及小波包算法的对比,算法具有实现简单,分析精度高的优势.仿真试验验证了该算法的可行性.     

小波变换在电力系统间谐波分析中的应用

间谐波是电力系统中一种特殊的谐波，它大量存在于电网中。间谐波对电网危害大，所以对它进行监测和分析具有重要的意义。针对基于傅里叶变换（DFT）的间谐波分析方法易受噪声干扰和对间谐波分辨率低的缺点，提出了一种基于小波变换的间谐波分析方法。仿真结果表明该方法不仅具有高分辨率特性，可以很好地分析间谐波，而且能实时跟踪间谐波。在电力系统间谐波分析方面具有经典DFT方法无可比拟的优越性。     

基于MATLAB小波变换在电网谐波检测的仿真与研究

谐波是影响电能质量的重要因素,谐波对电力系统和用电设备产生严重危害和影响.通过介绍小波变换的基本原理和MATLAB小波工具箱的应用,提出了应用小波变换对电力系统中谐波分析的MATLAB仿真方法.仿真算例验证了小波变换具有良好的时频局部化特性,可以对电网中的谐波进行有效的检测分析.     

基于小波包变换的脑电波信号降噪及特征提取

针对原始脑电波信号存在非平稳性且非常容易受到各种信号干扰等特点,对基于小波变换和小波包变换的脑电波信号的滤波降噪方法,和基于小波包变换的脑电波信号特征提取方法进行了研究。首先利用MindSet采集到原始脑电波数据,然后分别应用小波变换和小波包变换对其进行降噪处理,比较了两种方法的性能,验证了基于小波包变换的降噪方法的优越性和特征提取方法的有效性。