基于频域内插抗混叠Shannon小波包的谐波检测研究

提出了一种基于频域内插抗混叠Shannon小波包变换的谐波检测技术,首先分析了小波混叠的物理本质,然后选择分频严格的Shannon小波函数构造了频域内插方法,并利用线性调频Z变换进行快速求解,最后给出了小波包变换算法.仿真实验表明该方法可有效消除谐波检测中的小波混叠现象.     

基于SWT的电力系统基波检测

在噪声混入含有基波的信号时,传统的时频分析方法在基波提取过程中易出现模态混叠。为了准确检测出基波分量,利用时频分析精度较高的同步挤压小波变换(Synchrosqueezing Wavelet Transform, SWT)实现基波检测。首先,采用SWT将含有基波的信号分解为一组内蕴模态类函数(Intrinsic Mode Type functions, IMTs),第一个分量IMT1即代表基波。然后,该分量经Hilbert变换实现基波频率和幅值的测量。在谐波幅值瞬变、噪声混入、基波频率波动、间谐波频率靠近基波和谐波的情境下进行算法验证。实验结果表明,SWT能够准确提取基波,频率精度最高可达10?8量级,具有较强的抗噪性,且SWT的基波提取能力强于谐波和间谐波。     

基于小波变换的电力系统谐波检测抗混叠问题研究

正确提取电网谐波是进行电能质量分析的前提,利用小波分析能将电压或电流等信号分解为基波信号和高次谐波信号.分析了离散小波混叠的物理本质,提出一种新的混叠抑制方法,克服了现有抗混叠方法计算量大的缺点,并通过MATLAB进行仿真,表明该方法可以有效消除谐波检测中的小波混叠现象,将信号中不同频率的谐波有效地提取出来,有利于进行电力系统谐波信号精确分析.     

改进小波包与EMD的微电网谐波检测研究

针对传统小波包与经验模态分解(EMD)算法难以检测微电网高次低幅值谐波,且检测结果容易产生频率混叠的问题,提出一种基于改进小波包与EMD的微电网谐波检测方法。该方法首先将原始微电网谐波信号进行小波包分解得到信号的近似系数与细节系数,通过多次选取细节系数进行分解,从而尽可能多地获得信号有效谐波成分。仿真结果表明,该算法能够有效地改善频率混叠现象,检测出信号50 Hz的基波成分及频率分别为150 Hz,250 Hz,350 Hz,650 Hz的3,5,7,13次谐波成分。通过实验分析且与传统的小波包与EMD算法对比,在分布式并网系统模式下可对并网电流谐波进行检测。     

谐波检测的抗混叠小波包滤波器设计

传统小波滤波器注重总体抗混叠和信号精确重建，而忽略分解分量中的混叠抑制，导致不能有效分析谐波信号。该文利用内插优化技术设计了一种抗混叠小波包滤波器。通过分析传统小波滤波器结构上的抗混叠局限，在既有的滤波器结构上增加一些内插的高低通滤波器，可以有效消除小波混叠，并可利用优化算法来求解内插滤波器系数。设计的抗混叠滤波器，同时兼顾了信号保持与混叠抑制两方面因素，克服了传统小波滤波器设计时仅考虑信号精确重建和总体抗混叠而带来的固有缺陷。仿真实验表明，所设计的小波包滤波器可以有效抑制小波混叠，能精确提取谐波特征，从而为电力系统谐波精确检测提供了一种有效手段。     

基于单子带重构改进小波变换的电力系统谐波检测方法

Mallat快速离散小波变换注重总体抗混叠和信号重建,忽略分解分量中的频率混叠抑制,在电力系统谐波检测中产生严重的频率混叠现象.虽然单子带重构小波变换提高了频率分辨率,但是分析结果仍存在一定程度的频率混叠.单子带重构改进小波变换算法,对信号进行分解与重构时,利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)对各子带信号进行处理.该方法可以克服传统小波变换算法存在频率混叠现象的固有缺陷,仿真计算结果证明了该方法的有效性,为电力系统谐波、间谐波和时变谐波分量的精确检测提供了一种有效手段.     

基于小波变换抗混叠谐波检测的一种新方法

通过分析小波混叠本质,推导出基于小波变换的谐波检测算法,该算法改善了谐波检测过程中的混叠现象.通过Matlab仿真实验表明本文方法有较好的抗混叠效果,有利于进行电力系统谐波信号精确分析.该算法实现比较简单,是一种新的快速抗混叠方法,具有一定的实用价值.     

基于滑窗频谱分离算法的基波参数测量

非同步采样时,含有邻近间谐波的基波信号进行短时傅里叶变换时,基波、间谐波和各自负频率成分间会产生严重的频谱干扰。因此,为了准确提取并测量混叠频谱中的基波成分,该文提出基于滑窗频谱分离的基波参数测量方法。首先建立多频率信号模型,并基于短时傅里叶变换推导出频谱分离算法,分离出基波和干扰的频率分量,最终计算出基波参数。该文在电压波动、频谱混叠等多种工况下进行算法验证,结果表明,所提方法能够准确地提取基波成分,并兼具较高的时间分辨率和参数测量精度,且具有一定的抗噪性。同样,所提方法也适用于谐波和间谐波的识别和测量。     

基于单节点重构改进小波包的电力系统谐波分析算法

在传统小波包算法中,虽然提高了频率分辨率,但是各子带存在产生虚假频率成分的情况,应用于电力系统谐波分析将产生严重的频率混叠现象.应用单节点重构改进小波包快速算法,利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)对各子带信号进行处理,并调整滤波器组使子带频带顺序排列.通过仿真实例将改进算法的结果与传统算法进行对比,结果证明,改进算法能更有效地避免重构信号中的频谱混叠和交错现象.     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

一种基于小波包变换的电力系统谐波检测方法

非线性设备的大量使用和分布式电源的投入使得谐波污染愈加严重,文中提出了一种基于小波包变换的谐波检测方法,能对电能质量进行有效的分析。该方法在五层db40小波包变换的基础上,利用希尔伯特变换做移频运算,避免了中间频段小波混叠对检测精度造成的不利影响,并将各次谐波分量转移到精度较高的边频带进行小波包分解并重构信号,实现了各次谐波的高精度检测,同时通过Matlab工具对不同算法的仿真进行了比较和误差分析。仿真表明,相比于传统傅里叶变换,该算法具有高分辨率时频分析能力,能有效定位暂态干扰;与经典小波包变换相比,测量精度也有了较为明显的提高,实验结果一致显示了该算法的可行性和优越性。     

基于小波变换的谐波测量方法综述

结合国内外谐波检测技术的发展现状,对基于MALLAT算法、小波包变换、连续小波变换、复小波变换、自适应小波的谐波检测以及电能质量分析方法进行了分类和总结,分析了各种小波变换算法在谐波检测中的优点和缺点,同时对目前小波变换在谐波测量中的几个需要解决的问题进行了归纳.最后,对小波变换在电力系统谐波检测中需要重点研究的方向提出了自己的看法.     

谐波小波包在接收机中的应用研究

在强噪声环境中检测出微弱信号的能力是接收机重要性能指标之一.为了提高接收机在强噪声环境中检测微弱信号的能力,将小波去噪算法和谐波小波滤波算法应用到接收机的数字处理部分,并使用MATLAB软件做了相应的仿真.仿真结果表明,在-30 dB的信噪比下,小波去噪算法效果不理想,谐波小波滤波算法取得较好的效果,能够在强噪声环境中...     

基于改进小波包的非整次谐波分析算法

小波函数是具有时域和频域良好局部化特性的函数,可以用于非整次谐波的检测。但是小波变换算法存在着频谱泄漏和栅栏现象,给谐波的检测带来误差。文章提出了改进小波包快速算法,在每层信号分解或重构过程中,在原小波滤波器后面串联一个新的纠正滤波器,使得重构信号中的幅值失真和频谱混叠现象得到有效改善,实现检测非整次谐波的方法。通过仿...     

基于小波包变换的电能质量扰动数据压缩

正交小波包变换可以对信号进行多频带分解，并根据被分解信号的特征，自适应地选择相应的频带，弥补正交小波变换的不足。将正交小波包变换与门限阀值相结合，应用于电能质量扰动数据压缩，并对其中最佳小波包的选取、门限阀值确定、算法实现等问题进行了讨论。对用电消耗信号、电压间断信号及暂态谐波失真信号进行了压缩仿真，并比较了这些信号在不同分解层次和门限限定系数取值时的压缩效果，结果验证了该方法的可行性和有效性。     

基于最优小波包变换的功率测量算法研究

本文深入分析了正交小波包的原理和最优小波包基的选取方法,首次提出了基于最优小波包的电压、电流有效值及有功功率的分频带测量算法,该算法可自适应划分频带,并完成基波和谐波有功功率的测量。本文通过采用dMO小波进行仿真实验,可看出基于最优小波包的电压、电流有效值及有功功率分频带测量算法是可行的,其电压、电流有效值及有功功率在总频带上的相对误差小于6×10^-5,有功功率在各子频带测量的引用误差小于8．3×10^-5。     

基于平稳小波包分解和希尔伯特变换的故障特征自适应提取

提出一种自适应地提取信号特征分量的故障检测方法.采用逐层推进的平稳小波包分解算法,运用希尔伯特变换,在对信号进行小波包分解的同时,对分解结果进行瞬时频率和瞬时幅值分析,根据设定的分量提取和信号分解规则,实现信号分解路径的自主搜索,自适应地构建信号的小波包分解树,对信号进行多分辨率的频谱分析,达到信号消噪和特征分量提取的目的.仿真研究表明该方法的分量提取规则简单、目标明确,信号分析结果简洁,具有运算时间少、数据存储量小的特点和良好的抗噪性能,所提取的故障特征分量的时-频-幅值信息清晰、易于检测.