基于小波分析的非线性系统Wiener模型辨识

针对非线性Wiener模型,提出基于小波分析的一种新的模糊辨识方法,具有这种模型的非线性系统可看作了一个线性子系统后接静态非线性增益所组成的模型。利用小波变换分析模型的稳态信息,可推导出形式简单的稀疏矩阵表达式,一致估计出Wiener模型中的静态非线性增益;然后即可利用系统的动态信息一致估计出模型的线性子系统参数,最后通过仿真说明了该系统的有效性和实用价值。     

小波分析在电机绕组电阻辨识中的应用

将小波分析应用于直线电机直接推力控制的电阻辨识中。对初级绕组电阻的准确辨识可以提高磁链的观测精度,进而改善直接推力控制中存在的低速性能不理想的问题。辨识系统的原理是通过对信号进行小波变换提取不同尺度的变换值,进而得到信号的跟踪值,实现对信号的辨识。利用此辨识系统对初级绕组电阻进行实时辨识,减小推力脉动,实现电机低速性能的改善。仿真结果表明,带电阻辨识的控制系统不仅改善了电机的低速性能,而且使电机工作在最佳的工作状态。同时可以看到此系统具有适时性强,分辨率高,观测效果好的特点,为改善电机的低速性能提供了一种新的设计思想。     

小波分析在振动信号处理领域中的应用

在小波分析的理论基础上，简要讨论了小波变换在振动信号分析中的一些典型应用，包括信号滤波，降噪，非平稳特性分析，机器状态检测和故障诊断等方面，最后总结了小波变换在振动领域应用的优缺点。     

小波分析基础理论及其在电力系统中的应用

深入浅出地了小流方法在信号分析方面的基本思路、基本方法、基本过程和基本应用。文中不仅结合电力系统中的一些应用问题讨论了小波方法的应用特点，而且对其应用前景作了综合性 。     

小波网络在直接转矩控制定子电阻辨识中的应用

针对直接转矩控制中电机低速运行时定子电阻变化对系统性能影响较大的问题，提出了一种基于小波网络的定子电阻辨识方法，并对该方法进行仿真研究。仿真结果证实，该文所提的辨识方法优于BP神经网络。通过该方法可以有效的提高交流电机的低速运行性能。     

小波网络在电力系统故障信号处理中的应用研究

从小波分析中对函数逼近表示的不同角度，分别介绍了3种主要的小波网络，并对这3种小波网络的构成、网络模型和学习算法等进行了详细介绍和比较，给出了它们之间的本质区别。在此基础之上，对小波网络在电力系统故障信号分类和故障数据压缩方面的应用进行了讨论，给出的相应数字仿真结果表明，小波网络在电力系统故障信号处理方面的应用是完全可行的。     

基于Haar小波变换的连续时间系统参数辨识

给出了用 Ｈａａｒ小波辩识连续时间系统模型参数的方法。通过小波对积分建立的操作矩阵,简单有效地将微分方程化为代数方程。根据系统的测量数据并结合最小二乘算法辨识模型参数。给出了一个离线算法,仿真结果表明算法的有效性。     

基于Haar小波变换的持续时间系统参数辨识

给出了用Ｈａａｒ小波辩识连续时间系统模型参数的方法。通过小波对积分建立的操作矩耻,简单有效地将微分方程化代数方程。根据系统的测量数据并结合最小二乘算法辩识模型参数,给出了一个离线算法,仿真结果表明算法的有效性。     

小波分析基础理论及其在电力系统中的应用：第2讲 信号小波分散…

深入浅出地论述了小波理论的本质，通俗易懂地讲解了小波函数的构造方法，具体讨论了用小波方法对信号进行了解和回复的原理及方便实用的快速小波算法。     

小波分析基础理论及其在电力系统中的应用第3讲 应用综述

深入浅出地讨论了小波方法在信号分析处理方面的基本思想、基本方法、基本过程和基本应 用。文中不仅结合电力系统中的一些应用问题讨论了小波方法的应用特点，而且对其应用前 景作了综合性论述。     

小波包分析在机组转子系统不平衡测试中的应用

通过水轮发电机转子系统的变转速实验对机组转子质量不平衡测试数据进行了分析。为避免信号中转频以外的其它频率成分对分析结果的影响,采用db10小波对转子振动测试信号进行三层小波包分解,对所需转频分量所处频段的小波系数进行重构,实现了对信号的滤波,通过数据分析表明了该方法的可行性及对不平衡检测的有效性。     

电力系统负荷建模中的小波神经网络新技术

电力系统负荷建模对电力系统规划，运行和控制决策起着关键的作用，讨论了负荷建模的基本方法，以及电力系统负荷建模和参数辨识中的小波神经网络新技术，反映了小波变换在系统负荷建模中的应用前景。     

基于提升小波和改进BP神经网络的配电网系统电能质量扰动定位与识别

针对配电网系统电能质量扰动的非平稳性、突变性和短时持续性问题,提出一种基于提升小波和改进BP神经网络的扰动定位与识别新方法。首先用Euclidean分解算法得到db4小波提升方案;然后对扰动信号进行提升小波分解,结合模极大值对扰动突变点峰值进行定位检测;再利用自适应学习率和增加动量项相结合的方法对BP神经网络改进并进行扰动识别训练。仿真结果表明,该方法能更好地获取扰动时刻信息,定位快速且精度高,能有效地克服传统BP神经网络易陷入局部极小点和收敛速度慢的缺点,对配电网系统电能质量扰动识别率高。     

小波分析在电力系统不良数据辨识中的应用

历史负荷受各种因素的共同作用可能造成数据失真,为了能够给EMS或DMS的高级应用软件提供良好的数据基础,首先必须对历史负荷数据进行处理,去除其中的错误数据。实际上,不良数据可以看成是负荷曲线中的奇异点及不规则的突变部分,而离散二进小波变换系数的模极大值的位置和幅度同信号的局部奇异性密切相关。在此基础上提出了一种基于小波奇异性检测和小波除噪的电力系统不良数据辨识方法。通过对大量实际的负荷数据分析,证明了所提出方法的正确性和有效性。     

基于小波分析的电力系统电磁暂态信号压缩

根据电力系统电磁暂态信号的特点和小波分析的多尺度分辨分析能力 ,提出了基于小波分析的电力系统电磁暂态信号压缩方法。为了便于讨论压缩比RC、赋范均方误差FC 与压缩级数J的关系 ,本文绘出了RFJ曲线 ,并据此比较了几种小波基对暂态信号压缩的影响 ,说明bior3小波是一种比较理想的小波基。     

基于小波分析的母线负荷预测不良数据检测

母线负荷预测是电力系统调度运行的重要基础,而母线负荷预测中可能存在较多的不良数据,极大地影响预测精度。以准确检测母线负荷预测中的不良数据为目标,分析不良数据的来源,指出了数据奇异点与不良数据的关系,提出了基于小波分析理论进行不良数据检测的方法。理论分析表明,该方法具有完整、精确、准确及简单的特点,通过实验证明了该方法能够很好地识别增幅点、降幅点、突变点等典型的不良数据,有效提高预测精度。希望能够对母线负荷预测工作提供有益的参考。     

基于CUDA的高速并行小波算法及其在电力系统谐波分析中的应用

针对小波分解计算速度慢、实际工程应用少的问题,采用图形处理器(GPU)作为计算平台,提出一种基于计算统一设备架构(CUDA)的细粒度高速并行小波分解算法。通过分析小波Mallat算法的并行性,并考虑GPU单个处理单元计算能力相对较弱的特点及CUDA的多层式存储器结构、多层式线程组织结构和单指令流多线程流(SIMT)体系结构,采用数据分组及轻量级线程任务分解的方式,提出了适合CUDA程序设计模型的高速并行小波分解算法,并将其用于电力系统谐波分析。实验证明,该算法相对于CPU串行小波分解和Matlab engine小波分解的计算耗时,最高可分别达到26倍和65倍的速度提升,且算法具有线性加速能力。     

基于小波分析的孤岛效应检测方法

给出了孤岛效应定义和孤岛效应形成原理。介绍了孤岛效应对电网、设备形成的危害。阐述了常用的孤岛效应检测方法及其遇到的一些问题。为了解决这些问题,保障电网安全稳定运行,笔者设计了一种基于小波分析的孤岛效应检测方法。仿真结果表明,该方法能够快速准确地检测出孤岛效应的发生,不会对电网产生谐波污染,可以有效地减小不可检测域,提高检测速度。