含风电场电网电能质量小波检测方法

研究了利用小波变换方法检测含风电场电网电能质量扰动的原理,并对谐波、电压波动及电磁暂态等电能质量扰动进行了MATLAB仿真．仿真结果表明,该方法能够实现对电能质量扰动快速又准确的检测,为研究含风电场电网中电能质量扰动的评估和治理提供了依据．     

基于自适应提升格式的暂态电能质量扰动检测及定位

为了进一步提高暂态电能质量扰动检测及定位的准确率,该文分析了暂态电能质量扰动的相关性,选择预测和更新算子,实现对扰动信号的自适应检测;利用MATLAB对电压骤升、电压骤降、电压瞬时中断、脉冲暂态和振荡暂态等暂态电能质量问题进行仿真研究,仿真结果表明:该方法能快速检测出上述5种暂态电能质量扰动.研究结果为电能质量分析仪器设计提供了理论支持.     

基于Daubechies复小波的电能质量扰动检测

分析比较了现有用于短时电能质量扰动检测的方法后,提出从多分辨率分析理论出发,以Daubechies实小波为基础构造其复小波的方法,并将其应用于含噪电能质量扰动信号检测及微小电能质量扰动信号检测。仿真结果表明,利用该类复小波变换的恰当组合信息具有比实小波更好的检测效果,并且该类复小波能采用Mallat算法,具有良好的实时性。     

基于改进小波阈值函数和变分模态分解的 电能质量扰动检测

针对强噪声环境下扰动特征提取困难的问题,提出一种基于改进小波阈值函数和变分模态分解的电能质量扰动检测算法.采用改进小波阈值函数滤除电能质量扰动信号的噪声,通过傅里叶变换确定预设尺度,再基于变分模态分解准确地求出电能质量扰动信号的各个本征模态函数,结合Hilbert变换和奇异值分解分别求解每个本征模态函数的振幅、频率、起止时间等特征量,并据此搭建PXI和LabVIEW结合的电能质量扰动检测平台.分别采用单一扰动、复合扰动和电网实际扰动数据验证本文算法的准确性与有效性,相比现有经验模态分解和集合经验模态分解,本文提出算法不仅具有抗模态混叠和虚假分量的能力,且在强噪声环境下仍具有较高的准确性和鲁棒性.     

基于动态窗模极大值的暂态扰动自动检测

针对传统模极大检测算法暂态电能质量扰动持续时间短、 随机性以及过零点难以检测等问题, 提出基于动态窗的改进小波模极大值暂态信号扰动检测方法。 对过零点时刻的扰动, 在动态窗检测的基础上, 通过系数变换, 改善过零点时刻检测不明显的问题。 运用 Matlab 软件进行的计算机仿真结果表明, 该方法能准确地对暂态电能质量扰动进行检测与定位, 精度较高且易于实现。     

多小波变换在电能质量扰动检测与分类中的应用

分析了电能质量扰动产生的原因,针对几类常见的电能质量扰动问题,探讨了多小波变换在电能质量扰动的检测与分类中应用的理论依据,并通过大量的仿真工作,对多小波与传统小波的电能质量扰动检测与分类效果进行了分析比较,研究结果表明:多小波比传统小波具有更好的电能质量扰动检测与分类效果.     

一种电能质量扰动检测的综合方法

为了快速、准确地检测、识别电能质量扰动,文中提出了一种电能质量扰动检测的综合方法:首先用小波变换对原始信号做消噪处理,然后在时域检测扰动的开始和结束时间,根据扰动信号的周期和峰值,识别扰动信号的类型,最后在发生扰动的时间段内采用快速傅立叶算法等方法计算扰动信号的相关指标参数.仿真结果表明,这种方法快速、准确,为应用化技术提供了一种有效的方法.     

基于提升小波和Hilbert变换的暂态电能质量检测

针对暂态电能质量检测中信号扰动的准确定位和快速类型识别的需求,提出了一种提升小波和Hilbert变换融合的暂态电能质量检测方法.该方法首先利用提升小波在检测信号扰动方面的优越性,通过一层提升小波变换得到信号的近似成分A₁与细节成分D₁,然后运用Hilbert变换计算出两种成分的瞬时幅值,根据幅值特性实现对信号扰动时刻的准确定位和对扰动类型的快速识别.仿真与实验表明,所提出的检测方法对扰动时刻定位准确率达到95.7%,对扰动类型识别准确率达到91.8%,与目前使用分类器的方法相比,所提方法具有无需训练、适应性强、实时性好等特点.      

基于改进Hilbert-Huang变换的暂态电能质量扰动定位方法

针对经验模态分解过程中容易过度筛选的问题,该文改进了筛选停止准则,对Hilbert-Huang变换进行了改进,并将改进Hilbert-Huang变换方法应用于暂态电能质量扰动信号的检测及时频分析中。该方法在对暂态电能质量扰动信号进行经验模态分解得到固有模态函数后,再进行希尔伯特变换,可以定量、准确地刻画扰动信号的时间、频率和幅值信息。实验结果表明:该方法可以实时准确检测扰动的起止时刻、持续时间和扰动幅度,适用于暂态电能质量扰动的监测系统。     

基于ASW-MUSIC的电能质量扰动分析

针对MUSIC算法无法分析非平稳电能质量扰动,提出了一种基于自适应滑窗-多信号分类算法(Adaptive Sliding Win-dow-Multiple Signal Classification,ASW-MUSIC)的时频分析方法。该方法首先根据非平稳电能质量扰动信号特征,采用自适应滑窗对信号数据进行分块,然后利用MUSIC算法对每块中的数据进行处理,检测出频率和幅值信息。并联合所有窗口的分析结果,从而得到整个信号的时频率分布信息。最后对电能质量干扰的非平稳信号进行了仿真实验。实验结果表明,提出的方法适合动态电能质量扰动检测,具有实际应用前景。     

基于柔性形态滤波和信息熵的电能质量扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变出信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

基于改进数学形态学与S变换的暂态电能质量扰动检测

针对电能质量扰动信号检测受噪声影响大且特征值定位不准确的问题,提出一种改进数学形态学方法对电能质量扰动信号中存在的噪声干扰进行预处理,并选取S变换频谱标准差、S模矩阵时间幅值平方和均值以及S模矩阵等高线这3种时频域的特征值,实现了6种单一扰动信号和2种复合扰动信号的检测和定位.仿真结果表明,与传统的数学形态学滤波和卡尔曼滤波方法相比,改进的数学形态学方法去噪效果好,而且可以加强原信号中的有用信号,S变换中选取的特征值从时域和频域共同体现扰动特征,使电能质量扰动信号的检测定位更加准确.     

基于复阻抗与支持向量机的电能质量扰动分类方法

电能质量扰动现象的准确分类是电能质量领域的热门课题.提出一种基于复阻抗和支持向量机的电能质量扰动分类方法.该方法首先从UCI(University of California,Irvine)数据库中分别提取出各电能质量扰动现象(电压暂降、电压暂升、电压中断、电压振荡、电压脉冲)的实际数据,通过Hilbert变换把扰动电压信号和扰动电流信号转换为相量形式,在此基础上得到复阻抗.接着通过复阻抗提取信号特征,组成特征向量,然后应用支持向量机分类器进行训练、测试和分类.最终对UCI数据库中大量实际扰动数据进行分类,分类取得了良好效果,此效果表明该方法具有一定的应用价值.     

基于柔性形态滤波与信息熵的电能质量暂态扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变处信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.     

基于小波分形的电能质量暂态扰动多分辨率分析

电能质量暂态扰动会给敏感负荷带来重大损失.采用小波变换的多分辨率分析思想,利用分形理论从图形模式辨识的角度出发对电能质量暂态扰动进行分类、辨析.首先采用计算简单的计盒维数对波形图像进行初步分析,随后根据盒的分布密度进行分段划分,将含暂态扰动的信息段从波形中提取出来,并根据多分辨率分析的思想对重点波形段进行分形及小波分析提取信号特征.仿真结果证明,该方法对电能质量扰动的暂态识别具有较好的适应性及稳健性,可以在噪声环境下识别小幅度的电能质量扰动,具有检测速度快、可并发执行的特点.     

基于DSP的暂态电能质量监测

详细阐述了暂态电能质量的监测方法以及在DSP上的具体实现.引入分段RMS方法对短时扰动进行监测,分析了daubechies小波检测奇异信号理论,使用daubechies小波的奇异性检测电磁脉冲,给出了暂态电能质量检测的DSP硬件设计和软件流程,仿真以及DSP实际效果证明了方案的有效性.     

电能质量扰动分类的贝叶斯方法

随着非线性负荷的大量使用,电能质量问题已日益受到关注．对各种电能质量扰动进行分类,是采取适当措施降低扰动带来影响的前提．小波包是在小波变换的基础上发展起来的,能够提供更为丰富的时频信息．为此,对电能质量扰动信号进行小波包分解,分别以小波包分解终结点的能量和熵作为特征向量。用贝叶斯分类器进行分类识别,对扰动分类做出了仿真分析,仿真结果验证了该方法的有效性．通过与Fisher分段线性分类器进行比较,表明以熵为特征向量的贝叶斯分类方法有较高的识别正确率．     

基于形态非抽样小波和S变换的轧机振动信号分析

为了确定板带连轧中多台轧机振动的起振顺序,首先在形态非抽样小波一般框架的基础上,构造了一种基于多尺度平均滤波器的形态非抽样小波.然后通过仿真实验,得到此形态非抽样小波尺度与频率之间的关系.最终利用基于多尺度平均滤波器的形态非抽样和S变换的方法对轧机振动信号进行分析,成功提取了故障频率的起振时间,确定了轧机的起振顺序.     

基于小波变换和优化核参数支持向量机的电能质量扰动分类

针对短时电能质量变化和暂态扰动现象的不同特点,建立常见电能质量扰动的数学模型。运用小波变换对暂态电能质量扰动现象的内在特征进行提取,将扰动电压变化率绝对值、扰动能量变化量作为暂态电能质量扰动的特征向量。根据支持向量机的基本原理,给出一种推广误差上界估计判据,利用此判据进行最优核参数的自动选取,利用支持向量机进行训练和测试。结果表明,优化核参数的支持向量机分类器准确率高,实时性好。