共查询到16条相似文献，搜索用时 250 毫秒
1.
在Piella G等人提出的自适应提升小波变换的基础上,提出了有效分析电能质量信号扰动检测与定位的改进的自适应提升小波预测算法;根据改进的自适应提升小波对信号的极强分类能力,将经过派克变换后的电能质量信号分为正常区与扰动区以及间断点区与非间断点区,再对各不同的区运用不同的更新算法与预测算法,能够快速准确地对电能质量信号作出扰动检测定位以及扰动程度的定量刻划;并且根据测出的扰动时间及扰动方向可以对扰动类型做出准确的分类;运用该算法对电压凸起、电压凹陷、电压暂态中断、电压瞬时脉冲、电压暂态振荡的检测与定位以及电压谐波的分析都证实了该算法的准确性和有效性。 相似文献
2.
何军 《四川职业技术学院学报》2013,23(1):142-145
随着电力市场和国民经济的迅速发展,电能质量问题已经引起世界各国电力部门和用户的广泛关注,供电质量不高将引起某些重要生产过程中断,导致工业产品质量下降,从而造成严重的经济损失.本文根据电能质量扰动信号的非平稳性,通过分析小波变换的原理,利用小波变换能够突出信号局部特征的特性,分析了利用小波变换对电网电压跌落及周期脉冲等典型电能质量扰动进行判断与定位的方法.相应的仿真结果说明小波变换是对电能质量扰动进行判断和定位的有效途径. 相似文献
3.
随着各种敏感电力电子设备在工业中的广泛应用,电能质量扰动问题引起了越来越多用户和国家电力部门的关注.国内外学者提出了了许多方法来分析电能质量扰动.本文介绍了基于小波变换以及小波变换和其他方法结合的电能质量扰动检测方法,并且对比分析了各种方法的利弊.对小波变换理论在电能质量领域的发展及其应用前景作了描述. 相似文献
4.
《实验室研究与探索》2017,(6):9-12
在电力系统电能质量信号的检测中,不可避免会遇到因为测量设备故障以及环境因素的影响,使得信号夹杂噪声,使得采集到的信号受到一定程度的噪声污染,干扰了检测电力系统的电能质量准确性,而小波降噪在信号降噪中具有很大优势,所以利用小波降噪降低电力系统信号中的噪声具有重要的意义。在比较分析小波变换的优势,多次进行小波变换反馈信号特征,通过观察信号的时频特性,应用小波变换局部化特性可调整不同叠加信号的系数,可最大限度的得到电能质量的有用的分析信号,然后再分析和运用多种阈值处理方式改进小波降噪,并应用差值的方法分析哪种阈值处理方式更加有效。 相似文献
5.
《绵阳师范学院学报》2017,(11):37-43
由于传统的形态非抽样小波存在统计偏倚现象,对噪声过滤不彻底的问题,本文在数学形态学和小波变换的基础之上充分结合广义开闭-闭开混合滤波器及多分辨形态梯度的特性,提出一种改进的形态非抽样小波,并将其应用到电能质量扰动检测研究中.仿真结果表明,改进的形态非抽样小波在电能质量扰动检测的准确性和稳定性上得到了大幅度的提高. 相似文献
6.
为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。 相似文献
7.
《石家庄学院学报》2015,(6)
混沌学是目前非线性科学研究中的热点之一.传统的微弱信号混沌检测技术在信号存在噪声的情况下暴露出许多不足之处,如去噪能力较差、检测精度不高等,本文基于前人的研究基础,提出了一种改进小波变换算法的微弱信号混沌检测系统的方法,通过仿真实验可知能够将该方法运用到微弱信号检测.具体方法是对传统小波变换算法的变换域变量进行离散化,目的是消除变换中的冗余,之后采用阈值折衷策略对小波系数进行阈值优化,处理后的小波算法将应用于微弱信号混沌检测系统中,周期策动力为有限离散处理后的含噪信号并入混沌系统,从而实现含噪情况下的微弱信号检测.一系列仿真实验表明,提出和改进的小波变换算法的去噪效果要优于传统小波变换算法,同时在微弱信号混沌检测系统的应用中,改进算法的检测精度和鲁棒性更好. 相似文献
8.
针对实际电能质量扰动种类繁多、扰动信号差异不明显、存在多种混合扰动,导致识别电能质量非常困难的情况,提出一种基于极点对称经验模式分解方法（ESMD）和支持向量机（SVM）的电能质量混合扰动信号分类识别新方法。首先,对加入白噪声的混合扰动信号利用小波软阈值去噪处理|其次,利用ESMD将信号分解为不同信号分量,对每类扰动的不同信号分量分别提取样本熵和互样本熵特征值,所有分量特征值构成特征向量|最后利用SVM对扰动信号特征向量进行分类和混合扰动识别。研究表明,该方法对混合扰动识别正确率很高,是一个有效的方法。 相似文献
9.
多小波可以同时具有对称性、正交性、短支撑性、高阶消失矩等性质。利用GHM多小波对几种典型的电能质量信号进行检测分析,能够准确提取暂态信号的时间特征,并对电能质量问题进行诊断、定位和分类。 相似文献
10.
针对噪声环境下暂态扰动检测困难的问题,提出一种GWO-VMD与DWT相结合的检测方法．首先,利用灰狼优化算法（GWO）结合包络熵对变分模态分解（VMD）的参数K、α进行自适应优化处理,避免人工选择参数导致分解效果差的缺陷;其次利用优化后的VMD算法将含有噪声的暂态扰动信号分解为有限个调幅调频信号（VIMF）;再次采用快速傅里叶变换（FFT）算法确定每个VIMF分量的含噪程度,对低噪分量平滑处理后进行重构;最后利用离散小波变换（DWT）方法对重构的暂态扰动进行检测定位．仿真实验表明,GWO-VMD与DWT相结合的检测方法具有较高的准确率和有效性． 相似文献
11.
12.
基于小波变换的故障电弧检测技术研究 总被引：3，自引：0，他引：3
故障电弧是引起火灾的重要原因,为了确保用电安全,故障电弧检测装置的研究和应用日益受到人们的重视。故障电弧具有随机性,这使得传统的时域和频域方法都难以有效地对故障电弧信号进行分析。小波变换适合对小信号和突变信号进行分析,将其应用于故障电弧检测,可以有效提取电弧特征,准确判断故障电弧的发生。 相似文献
13.
To develop a measurement system for monitoring partial discharge (PD) without the effect of external interferences,an algorithm of PD signal extraction based on wavelet transform with Teager's energy operators was presented.Acoustic signal generated by PD was selected to remove excessive interfering signals and electromagnetic interferences.Acoustic signals were collected and decomposed into 10 levels by wavelet transform into approximation and detail components."Daubechies 25"was proved to be the most suitable mother wavelet for the extraction of PD acoustic signals.Compared with conventional wavelet denoising method,Teager's energy operators were adopted to the PD signal reconstruction and the signal to noise ratio was pulse amplitude. 相似文献
14.
针对基于四象限压力传感器阵列的迎角测量方法中传感器信号受到干扰的问题。讨论了在其预处理中应用小波包变换进行信号分离提取的方法。根据小波包分解理论,对信号进行小波包分解,信号中频率不同的部分落在不同的尺度上,剔除反映干扰的变换尺度,提取出有用信息。结果表明,该方法可很好地提取信号的主要特征信息,也有效地去除了确定性干扰和随机噪声,与传统的信号滤波方法相比较具有明显的优点,同时为后续的信号处理奠定了基础。 相似文献
15.
基于最优小波包基的信号去噪方法研究 总被引：1，自引：0，他引：1
冯宏亮 《西安文理学院学报》2009,12(2):60-63
改进了基于最优小波包基的信号去噪算法,该算法以小波包分析为基础,根据最小代价原理搜索信号分解的最优基,然后对高频和低频系数采用不同的阈值算法进行量化,用量化后的系数重构得到去噪后的信号． 相似文献
16.
In order to sufficiently exploit the advantages of different signal processing methods, such as wavelet transformation (WT), artificial neural networks (ANN) and expert rules (ER), a synthesized multi-method was introduced to detect and classify the epileptic waves in the EEG data. Using this method, at first, the epileptic waves were detected from pre-processed EEG data at different scales by WT, then the characteristic parameters of the chosen candidates of epileptic waves were extracted and sent into the well-trained ANN to identify and classify the true epileptic waves,and at last, the detected epileptic waves were certificated by ER. The statistic results of detection and classification show that, the synthesized multi-method has a good capacity to extract signal features and to shield the signals from the random noise. This method is especially fit for the analysis of the biomedical signals in biomedical engineering which are usually non-placid and nonlinear. 相似文献