实小波与复小波变换对局部放电在线监测中提取信号特征的特点研究

通过采用实小波变换与复小波变换的分析方法抑制干扰、检测局部放电信号的研究,得到了实小波与复小波两种分析方法的特点;通过应用模拟数据和实验室实测数据分析,复小波变换可以从各种干扰中提出了局放信号的特征,应用效果十分良好.     

连续小波变换应用于电力系统行波奇异性检测的探讨

主要讨论了解决零模行波波头定位的问题，由于零模衰减严重，波头比较光滑，因而使用离散小波变换无法定位零模波头。文中将连续小波变换应用于定位零模波头中，在理论分析的基础上，得出了利用连续小波变换定位零模波头时小波基和小波变换尺度的选择原则，利用该原则的小波变换可以有效地定位零模波头，EMTP仿真证明了作用基于该原则的小波变换可以准确定位零模波头。     

小波多尺度信息综合的行波波头检测算法研究

提出了一种小波变换多尺度信息综合的行波波头检测算法,首先利用小波变换的多尺度分析对故障行波信号进行处理,得到各个尺度下的小波系数模极大值,然后将模极大值依次标定在平行坐标系下并形成灰度图片,最后利用卷积神经网络搭建波头检测模型。本算法利用平行坐标系巧妙的将小波变换与CNN相联系,结合了小波变换多尺度下的信息,为行波波头的检测提供了一种新思路。     

电力通信的小波包消噪

介绍了一种对电力通信信号进行消噪的小波包分析方法，从小波包的构造、小波的选择和去噪阀值的确定几个方面来阐述该方法。小波包变换是基于小波变换的进一步发展，能够提供比小波变换更高的分辨率。通过利用Daubechies构造的具有紧支撑的db小波所构造的小波包变换和小波变换算法的对比来对实际数据进行处理，证明了该方法的可行性。     

三角样条小波（TSW）及其在电机故障检测中的应用

该文提出了一种新的小波函数－－三角样条小波（TSWn,n＝1,2…）,它与B样条小波一样是由单位特征函数迭代而成,具有良好的时、频域局部性质和对称性或反对称性,具有广义线性相位;由于三角样条小波由三角函数张成,基于它的小波变换又具有Fourier变换的特点。文中将三角样条小波变换用于电机定子单相接地故障实时检测,并与电力系统中使用广泛的Meyer小波、Morlet小波、正交小波Db4以及正交小波Bior4．4小波变换进行了对比,从实验结果可看出三角样条小波在重构信号的误差分析、奇异点（突变点）的识别和定位以及谐波检测等方面,相对于其它小波变换更敏感,显示了三角样条小波的优点。     

基于小波分形分析和脊波网络的模拟电路故障诊断方法

提出了一种新型的脊波网络方法来进行模拟电路的故障诊断,这种系统化的方法采用小波分形分析、主元分析和数据归一化作为数据预处理器来进行故障响应信号的预处理,采用脊波网络进行故障元件的分类,并采用主元分析方法选择脊波网络隐层脊波元的数目。仿真结果表明,提出的诊断系统能有效地实现模拟电路的故障诊断,不但能有效地诊断模拟电路的单故障情况,还能诊断多故障情况。     

利用Morlet连续小波变换实现非整次谐波的检测

针对常规快速傅立叶变换无法检测非整次谐波的问题。文章提出了利用小波变换实现检测非整次谐波的方法。小波函数是具有时域和频域良好局部化特性的函数，理论上可以用于非整次谐波的检测，但是小波变换存在着由于频谱泄露而带来的混频问题，给谐波的检测带来误差。为解决此问题，可选择分频严格的小波函数，或者选择合适的分析方法，该文选用的分析方法是连续小波变换，选用的基小波是具有良好频域特性的Morlet小波，通过Matlab仿真，在1个周期的采样数据中，能够较为准确地把不同频率的整次和非整次谐波分离出来，这表明了小波变换对于非整次谐波的检测和分析是可行的，从而为谐波的精确检测提供了有效的手段。     

小波分析在过程监测中的应用（综述）

小波变换作为一种信号的时间-尺度分析和时间-频率分析方法,近年来在信号处理及其它很多的领域中得到广泛的应用。本文对小波分析方法在生产过程监测中的一些应用作了综述。     

基于深度脊波神经网络的电力系统短期负荷预测模型

针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。     

基于幅频特性的复值小波构造及其在电力系统信号分析中的应用

提出了基于幅频特性的复值小波函数构造方法及其相应的复值小波变换。该方法构造的复值小波具有频率局部化性能好、提取故障信号特征分量较准确的优点。复值小波变换能准确分辨出信号中所包含的幅值信息和相位信息,因而,适用于电力系统的故障信号的检测。利用基于幅频特性的复值小波变换,对发电机转子部分故障信号进行了分析,显示了基于幅频特性的复值小波变换的电力系统故障信号分析方法,是一种有效的方法。     

基于脊波神经网络的短期风电功率预测

对风电功率进行较为准确的预测是提高电力系统运行安全性与经济性的有效手段.在分析脊波神经网络原理的基础上,将其应用于风速、风向及风电功率预测.首先建立预测模型分别预测风速及风向,再采用非线性神经网络实现对实际功率曲线的逼近,最后根据风速预测值和实际功率拟合曲线计算功率预测值.仿真结果表明,采用脊波神经网络预测方法相对于小...     

利用小波傅里叶变换的谐波与间谐波检测

为有效检测快速变化和持续时间短的谐波与间谐波,分析了傅立叶变换检测谐波与间谐波的方法,并在此基础上探讨了利用小波变换进行检测的基本原理,提出了利用小波变换系数傅立叶变换幅值来分离谐波与间谐波的算法。该方法使用Morlet函数作为小波变换的小波基,根据小波变换系数傅里叶变换的幅频特性的突出点来检测谐波与间谐波的幅值与频率。仿真结果与理论分析表明,小波变换具有良好的时域与频域局部化特性,小波变换系数傅里叶变换幅值能有效检测谐波与间谐波,并在检测持续时间短的谐波与间谐波方面有很大优越性。     

基于小波变换的电力系统短路故障分析

介绍小波变换应用在信号奇异性检测方面的基本原理,提出了基于小波变换的电力系统故障信号分析方法,既充分利用了小波变换在故障信号分析中的优点,又克服了传统傅里叶变换方法的不足.最后通过一个实例进行验证.     

基于小波包的图像去噪方法

本文在分析了信号与噪声的不同小波特性的基础上，提出了一种基于小波包的去噪方法，并用实验验证了该方法比相同条件下小波去噪的效果好。     

电力暂态信号小波分析的后处理方法研究

由于电力系统暂态信号经小波变换后信息繁多,需要研究对小波分解的大量信息进行恰当后处理和自动特征提取的方法。文章从定量分析的角度介绍了小波分析后处理的概念,探讨了几种电力系统暂态信号小波变换后的特征提取方法,即后处理方法,包括模极大值与奇异性分析、能量分布分析、小波系数聚类分析、小波系数统计分析、小波熵分析,以及将其用于电力系统故障检测和分类的物理意义。对一种新型后处理方法小波奇异谱熵在频变系统中的应用进行了仿真分析,结果表明该后处理方法可应用于电力系统设备和线路的故障检测。     

梯形小波变换及其在电力系统频率跟踪中的应用

提出了梯形复值小函数及其相应的复值小波变换。梯形复值小波函数具有良好的局部化特化和对称性,借助它能准确地分辨出信号中所包含的幅值信息和相位信息。梯形小波函数具有平坦的频率特性,因而梯形小波变换较容易捕捉到信号的频率偏移。文中利用梯形复值小波变换,对电力系统的频率突变信号进行了频率跟踪,同时分析了发电机失磁故障信号频率变化情况,证明了基于梯形复值小波变换的电力系统频率跟踪是一种有效的方法。     

基于频域内插抗混叠Shannon小波包的谐波检测研究

提出了一种基于频域内插抗混叠Shannon小波包变换的谐波检测技术,首先分析了小波混叠的物理本质,然后选择分频严格的Shannon小波函数构造了频域内插方法,并利用线性调频Z变换进行快速求解,最后给出了小波包变换算法.仿真实验表明该方法可有效消除谐波检测中的小波混叠现象.     

采用非降采样第二代小波变换的信号降噪方法

信号降噪是机电设备故障诊断领域中的重要研究课题。根据噪声的小波变换系数随着小波分解尺度的增加而迅速趋向于零这一特性,基于小波变换的降噪方法得到了广泛应用。文中研究了非降采样第二代小波变换的构造方法,给出了非降采样第二代小波变换中预测算子和更新算子的时域计算公式,分析了算法的计算复杂度,并在此基础上提出采用非降采样第二代小波的信号降噪方法。由于非降采样小波分解后的各层系数和原始信号的长度均相同,因此在具备平移不变性的同时还能保留更多的时域信息,从而可以提高信号的降噪效果。对仿真信号和实际信号进行了试验,结果表明,该方法较理想地对信号进行了降噪处理,并且能够较好地保留原始信号中的故障特征。