配电网短期负荷小波组合预测研究

分析不同规模的配电网负荷,验证了配电网短期负荷变化复杂的特征,采用单一预测方法进行配电网短期负荷的预测仿真.考虑到配电网短期负荷变化规律性不明显的特点,利用db4小波函数对配电网的历史负荷数据序列进行最大尺度分解重构,将历史数据划分成不同频段的分量,根据不同频段负荷分量特点分别采用GM(1,1)模型、时间序列法及二次指数平滑法对低、中、高频分量进行预测,再将各分量预测值叠加得到总的预测结果.结果表明,该组合预测法可有效提高预测精度,获得较为满意的预测结果.     

短期电力负荷预测的小波支持向量机方法研究

在充分研究和比较多种负荷预测方法的基础上，提出一种称为小波支持向量机(Wavelet Support Vector Machines，WSVM)的负荷预测新算法．该方法是在研究支持向量机(SVM)核方法与小波框架理论的基础上，引入非线性小波基函数来构造SVM的核函数，从而得到新的SVM模型，并给出了此模型的结构设计与实现算法．通过实例验证，该方法能有效提高预测精度．     

N元双正交小波包的性质

对N元双正交小波进行了研究.研究了双正交尺度函数与双正交小波函数的性质,讨论了元双正交小波包的性质,给出N元双正交小波包的三个双正交性的充分条件.     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。     

基于小波神经网络的燃气系统短期负荷预测

在燃气负荷预测中,由于日负荷的不稳定,仅以历史负荷为训练样本得到的人工神经网络难以满足日预测的精度要求。提出一种小波分析与BP神经网络相结合的预测方法。首先,将历史负荷序列进行小波分解成概貌序列和细节序列,并在此基础上利用概貌序列、细节序列,以及指数平滑和温度等多种因素训练BP神经网络,预测出未来燃气的日负荷。最后,对...     

基于PSO的RBF神经网络短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于粒子群算法(PSO)和径向基函数(RBF)神经网络的短期负荷预测模型.由粒子群算法对RBF神经网络的训练进行优化,提高了模型的可信度和可靠性.结果表明,该方法具有较高的预测精度,有一定的应用前景.     

信号奇异性仿真及其在反射波同相轴检测中的应用

用dbN系列小波对两类具有第二类奇异点的信号进行了数值仿真,通过对两例的多尺度分解,叙述了dbN系列小波正则性与检测效果间的关系,并由此选取了db5为小波基函数对南水北调某地地震反射波资料的同相轴进行了检测,结果表明分析是合理的,方法是可靠的.     

电力系统短期负荷预测方法研究

采用混沌理论进行电力系统短期负荷预测,对利用Lyapunov指数算法进行负荷预测作了介绍,包括用混沌理论实现相空间的重构,以及通过计算关联维得到最优嵌入维数的方法、计算Lyapunov指数的方法和利用Lyapunov指数得到预测负荷数值的过程．实例预测结果,证明了算法的有效性,揭示了采用混沌理论进行短期负荷预测的优越性。     

基于过程神经网络的短期负荷预测

针对目前常用方法在解决负荷预测问题时,结果往往难以达到工程要求精度的现状,利用过程神经网络输入为时间函数以及预测精度高的特点,建立了基于过程神经网络的电力系统短期负荷预测模型;给出了模型的结构,基于函数正交基展开的离散数据拟合方法以及模型的学习算法.针对东北某地区电网的日负荷数据,进行了模型训练和负荷预测正确性的研究.结果表明,所建立的预测模型对负荷的预测准确率高,优于BP神经网络负荷预测模型的预测结果.     

选取小波函数的方法研究

选取几种不同的小波函数利用连续小波变换（CWT）对同一图像进行处理,比较不同小波函数的小波脊系数幅值信息和恢复图像的效果,得出可以参考小波脊系数幅值表现的方法来选取合适的小波函数的结论.计算机模拟和实验也证实了该方法的正确性.     

基于MAS小波变换的数字图像轮廓提取算法

轮廓提取在许多智能视觉系统中(特别是在模式识别中)，被认为是非常重要的过程。图像轮廓提取首先要进行边缘检测．然后提取阶跃结构的边缘，这2个步骤一般情况下是分开进行的。介绍的尺度独立算法是建立在多尺度分析与MAS小波变换理论的基础上，并结合数学上描述函数奇异性的Lipschitz指数知识，它不仅能根据梯度方向上的局部最大振幅有效进行图像边缘检测，还能根据MAS小波变换后的图像梯度向量振幅与变换尺度的无关性，提取出作为图像轮廓的阶跃结构边缘，并能有效消除噪声。     

结构裂缝群的小波方法识别和数值模拟

为采用相对简单的方法对桥梁进行损伤识别,从而实现对结构健康状况的监测,基于桥梁裂缝常以裂缝群方式出现这一现象,通过Lipschitz指数与小波消失矩之间的关系．利用小波变换极大值在多尺度上的变化规律来表征信号突变点的性质,从而判定信号有无奇异点并确定其位置．并通过带裂缝简支梁有限元模型的静力模拟,运用前述理论,确定裂缝群的发生及位置．结果表明,较之传统方法,文中方法不仅更为经济方便,而且检测结果更为精确可靠。     

静荷载力作用下悬臂梁裂缝识别的小波方法

利用小波分析技术对梁结构的裂缝进行识别,采用gaus2小波对静荷载力作用下梁的挠度响应进行连续小波变换,根据小波系数模极大值位置识别裂缝位置,利用Lipschitz指数识别裂缝损伤程度.仿真实例不仅证明了方法的有效性,还着重研究了裂缝数量和位置、静荷载力大小和作用位置对Lipschitz指数的影响.     

一种基于小波变换的语音增强新方法

根据随机噪声的小波变换系数在不同尺度上的传递特性和噪声信号奇异性与小波模极大值的关系，提出用一个随尺度变化的软阈值来抑制带噪语音信号在不同尺度上的噪声小波系数的语音增强方法．实验结果表明：该方法既能减小语音畸变，又能有效地去除噪声，具有较好的语音增强效果．     

小波去噪技术在捷联寻北仪中的应用

为了提高捷联寻北仪在动态干扰下的精度,采用小波去噪法对寻北仪的原始输出信号进行处理.通过对多尺度下信号的小波变换系数及模极大值的跟踪,发现有用信号为平稳信号,而干扰信号的模极大值并不都随尺度的增加而减少,因此提出模极大值与软阈值相结合的方法.对随尺度增大的模极大值用其左右相邻几个非模极大值平均值替代,滤去李氏指数大于0的干扰信号;对李氏指数小于0的噪声采用软阈值法去噪.该方法可使寻北精度达到1 mrad.     

基于小波奇异性的梁结构损伤评估方法研究

通过一个简支梁的数值模拟,根据小波奇异性检测原理,利用两种方法对梁的损伤进行诊断,提出了利用Gaus1小波进行梁结构的损伤诊断方法.首先利用Gaus1小波对转角进行小波变换,对简支梁结构的振型求一阶导数,得到转角,再确定损伤位置、损伤程度与Lipschitz指数的关系,并与利用Gaus2小波对振型直接进行小波变换的方法进行比较研究,发现第一种方法在损伤定位、模极大值线的求取方面比后者优越.所提出的Gaus1小波方法可以对实际梁结构进行有效的损伤诊断,这将为小波理论的深入研究提供一种新的思考问题思路和方法.     

瞬态特征小波分析在心率变异性研究中的应用

瞬态分析是心率变异性研究中富有挑战性的课题 .利用小波变换表征信号瞬态特征的能力 ,对静卧 -心算实验诱发的R R间期瞬态边沿进行了李氏指数和平滑因子的分析 .发现健康样本的李氏指数大于冠心病样本 ,并对此进行了初步的解释 .     

自适应小波阈值语音增强新方法

针对单一小波闻值语音增强方法降低语音可懂度这一问题,提出一种基于自适应小波闻值的语音增强新方法．根据噪声帧频谱的平整度判断出噪声的类型,即是白噪声（合频响曲线比较平整的有色噪声）还是频响曲线不平整的有色噪声．由于不同类型的噪声具有不同性质的Lipschitz指数,对两种不同的噪声类型分别采用不同的自适应小波阚值对带噪语音信号进行增强处理．用计算机仿真和实际环境录制的语音数据对该方法的性能进行了测试,实验结果表明在两种实验数据情况下,该方法均具有较好的噪声抑制能力．     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.     

一类紧支小波的正则性的研究

提出了一类新的具有紧支集的标准正交小波基以及相关的尺度函数的构造方法 ,准确估计了该类小波和相关尺度的正则性指数