基于小波变换的电网谐波电流检测

谐波对电力系统和用电设备产生了严重危害和影响.谐波检测是谐波问题的一个重要分支,实时、精确地对电网谐波进行检测有着重要的现实意义,但传统的谐波检测方法有很多缺点.随着数字信号处理技术的发展,小波变换作为一种较有效的方法,也被应用于对电网的谐波检测中.本文利用基于多分辨率分析的小波变换对电网谐波信号进行分析,理论分析和仿真结果都证实了该方法的有效性.     

基于小波变换的并联型有源电力滤波器

并联型有源电力滤波器（SAPF：Shunt Active Power Filter）是当前抑制电网谐波电流的有效手段,主要包括谐波检测和跟踪控制两部分,谐波检测部分是其关键技术,文中分析了小波变换理论,将其应用于谐波检测技术中,并在MATLAB环境下对基于小波变换的谐波检测方法以及对基于这种检测方法的并联型有源电力滤波器进行仿真研究,结果表明基于小波变换的并联型有源电力滤波器能够有效地抑制电网谐波。     

电力有源自适应格型滤波器谐波电流检测方法

针对有源滤波器谐波检测实时精度高的要求,将线性神经网络应用于自适应噪声对消技术,采用最小均方(least mean square, LMS)误差算法对神经网络进行训练,通过线性神经网络实现的自适应格型滤波器,每个神经元对输入基波和谐波信号并行协同处理,对电网高次谐波分量进行滤波和预测,较常规滤波器有更好的实时性和鲁棒性.仿真和实验结果分析表明,自适应格型检测算法比常规检测方法有更好的实时性和精度,补偿后5、7次谐波电流含有率明显下降,电力有源滤波器APF投入后补偿效果良好.     

基于 Hopfield 神经网络的谐波电流检测方法

在对各种谐波电流检测方法进行简单比较的基础上,提出了一种基于Hopfield神经网络(HNN)的谐波电流检测方法.该方法将HNN优化理论用于电力系统的谐波检测,自适应地准确检测出电网基波和各次谐波分量的幅值和相角.采样数据处理速度快,实时性好,网络不需要预先进行训练.仿真结果表明,该方法具有很好的实时性、较高的检测精度以及自适应跟踪负载电流变化的能力.     

基于Symlet小波的电力系统谐波检测与治理

随着电力电子技术的发展,工业中电力非线性负载的不断增加,对电网中的谐波进行检测与治理已成为电力系统的研究热点.为此,在分析小波基的选择、分解尺度和层数的确定、频带的划分等关键问题基础上,提出基于Symlet小波对电网谐波进行检测的方法和理论,并应用滤波器技术对电网谐波进行治理.仿真及实验结果表明,利用Symlet小波可以将信号中不同频率的谐波有效地提取出来,并进行有针对性的分析,具有更高的分析精度和更好的分析效果.     

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.     

基于快速提升小波变换的谐波实时检测新方法

提出一种基于提升小波变换的有源电力滤波器谐波实时检测方法.以经典Daubechies小波为谐波检测基函数,利用欧拉算法因子化分解得到其第二代小波提升步骤;通过当前采样值与历史采样值构造改进型数据帧实现小波实时算法,并采用周期延拓处理数据帧边界.搭建dSPACE试验平台,自编Simulink/Embedded Matlab Function函数实现检测算法,将Simulink/RTW和dSPACE/RTI生成C代码载入实时硬件系统进行分析.试验结果表明:该方法能准确实时地分离出电网稳态谐波分量,暂态跟踪调整时间少于一个周波;较第一代Mallet小波算法加速近一半;改进的实时数据帧构造方法硬件实现更加快速.     

电力系统谐波和基波无功检测改进方法

准确、快速地检测电网电流中的谐波成分,是谐波抑制和无功补偿的关键．在小波分析的基础上,结合瞬时无功功率理论,提出了一种谐波和基波无功检测的改进方法．该方法能检测各次谐波和基波无功分量,且运算过程可用软件来实现,不必依赖昂贵的元件和复杂的电路．Matlab仿真结果表明：该方法能实时检测谐波电流和基波无功电流,且检测精度高,动态相应快．     

基于小波包变换检测电力系统谐波的研究

谐波对电力系统和用电设备产生了严重危害和影响。基于谐波，提出了两种检测方法，经过比较认为小波包变换对电力系统谐波的检测有一定的优势。同时通过仿真结果表明，该方法能够更加实时有效的检测谐波。     

基于滑窗迭代DFT和小波包分析的谐波电流检测方法

为了对电网中负载电流信号进行有效地检测,给出一种基于滑窗迭代DFT和小波包分析的谐波电流组合检测方法;方法先利用滑窗迭代DFT将负载电流信号中的基波分量和谐波分量分离,再用小波包对前面得到的谐波分量进行分析,更加精确地分离出残余基波和各次谐波含量;利用MATLAB进行仿真实验,实验结果验证了所给方法的有效性和准确性.     

混沌背景下基于小波神经网络的弱信号检测

依据Takens嵌入定理提出了一种基于小波神经网络（WNN）的强混沌背景中微弱信号的检测方法。该方法利用混沌系统的单变量值对混沌背景重构相空间，采用小波神经网络所具有的强大的学习能力和非线性处理能力建立了混沌背景噪声的一步预测模型，使其与混沌背景噪声具有相同的基本动力学特征，并通过设定合适的预测误差门限来检测掩埋在混沌背景中的有用微弱信号。仿真结果验证了该方法的可行性。     

基于改进小波变换法的风电场谐波检测

为了提高风电并网电力系统谐波检测的快速性与准确性,提出一种改进小波变换的谐波检测方法。首先,把风电并网系统电压信号的频域空间分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统谐波;最后,利用MATLAB进行了仿真实验。实验结果表明:该方法能快速有效检测出谐波分量,提高了谐波检测准确度和快速性。     

基于神经网络的非整次谐波检测算法仿真研究

介绍了存在于电力系统的非整次谐波检测算法仿真问题,针对传统的谐波检测算法不能有效的检测非整次谐波问题,提出了一种新型谐波检测算法即基于神经网络的非整次谐波检测算法,通过DSPBuilder建模以及ModleSim功能仿真、Quartus时序仿真可以看出此算法对于非整次谐波检测具有很好的实时性以及准确性。     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．     

基于分形维数的锚杆无损检测BP神经网络模型

笔者将分形维数的分析方法引入锚固系统的无损检测中,指出分形维数的大小是反射波在该小波分解频段能量大小的量度．在研究锚固系统无损检测反射波小波分解分形维数特征向量的基础上,确定了以锚杆反射波的原波维数、原波平均波幅以及小波包分解维数的8个波形分形维数共10个数值作为输入参数,以锚杆注浆密实度为输出参数的非线性BP神经网络预测模型．对三峡工程右岸地下电站试验锚杆进行训练,验证了锚杆密实度BP神经网络预测模型的合理性和可靠性．     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。