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.     

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.      

单一电能质量扰动信号的建模与检测

电能质量已经成为电力企业部门和用户们日渐关注的内容,它已经成为衡量电力市场经济好坏的重要标准,电能质量扰动使得电压或者电流波形异常,这可能导致用电敏感的终端突然停止工作,有效检测和识别电力系统问题对于提高电能质量是非常重要的。该文介绍了电能质量相关概念以及扰动形成原因等,建立了扰动信号电压暂降、电压暂升、电压中断、振荡暂态的数学模型,并对基于改进的形态非抽样小波的电能质量单一扰动进行仿真,检测出了扰动奇异时刻值,结果表明改进的形态非抽样小波能对扰动信号的检测定位分析。     

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.     

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。     

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.     

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。     

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．     

电能质量扰动分类的决策树方法

提出一种新颖的基于决策树方法的电能质量扰动自动分类方法.该方法首先对采集到的扰动信号进行小波多分辨率分解,扰动信号在每个小波分解尺度的能量分布构成一个特征向量;然后利用CART决策树算法从这些特征向量构成的训练样本中自动提取相应的分类规则,得到决策树分类模型,并将该模型应用到电能质量扰动测试数据中.仿真结果表明所提电能质量扰动数据分类挖掘方法的有效性和鲁棒性.     

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.     

电力扰动信号的小波形态学去噪方法

电力系统运行中扰动现象对供电质量和系统的安全运行造成了极大的影响.为了找出各种扰动现象的规律,减少、避免扰动发生,通常采用小波变换方法从噪声中提取扰动信号,但有些扰动信号与噪声的小波变换系数值相近,且低于阈值被当作噪声去掉,导致信号失真.本文提出了一种小波形态学融合的去噪算法.仿真结果表明:该融合算法能有效消除噪声并能...     

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。     

短时电能质量扰动波形的识别

提出一种新的基于瞬时无功功率理论和小波-神经网络技术对电能质量进行辨识的方法。首先对各种电能质量信号进行时域和幅值分析,将在幅值上有显著特征的短期电能质量扰动信号识别出来;再对其余的信号进行小波变换,提取与信号频域相关的特征量来表征不同电能质量信号。将这些特征量作为神经网络(ANN)的输入可以实现电能质量的辨识。计算结果表明了该方法的有效性和准确性。     

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．     

用小波变换提取局部放电信号

为了提取局部放电信号,采用二进尺度小波变换的Ｍａｌａｔ算法,应用Ｄａｕｂｅｃｈｉｃｓ小波,设计了低通、带通滤波器。数值仿真研究中,用指数衰减或衰减振荡波来模拟放电信号,研究了小波变换提取信号的效果及有关影响因素。仿真和现场监测数据处理的结果表明,由于小波变换具有多分辨率特性,能快速而有效地从多种窄带干扰中提取出放电信号,适当条件下还可实现较完整波形的提取。由于处理速率较高,适合在线监测时实时使用。