基于模糊自适应形态滤波器和S变换的暂态电能质量扰动检测

提出一种基于模糊自适应形态学滤波器与S变换结合的暂态电能质量扰动检测方法。该方法根据数学形态学理论和模糊控制原理构造一种模糊自适应形态学滤波器,对扰动波形进行预处理,以滤除信号中的随机、脉冲等多种噪声,可较好地保留信号的基本特征,对于滤波后的信号波形,利用S变换幅值包络线对暂态电能质量扰动起止时间进行检测。最后通过对噪声背景下含电压骤升、电压中断和电压骤降电磁暂态现象的电压信号进行仿真验证,结果表明该方法具有计算简单、快速和准确的特性和优点。     

基于形态学的暂态电能质量扰动检测

针对扰动检测过程中存在的脉冲噪声和白噪声影响暂态电能质量信息准确提取的问题,文章设计了一种基于LMS的多结构复合形态滤波算法,该算法具有在保留信号的有效成分的基础上最大限度地滤除噪声的功能。文章使用电压暂降、电压暂升、电压中断等对所提方法进行了仿真实验。仿真结果表明,基于LMS的多结构复合滤波算法得到的信噪比是多结构自适应复合滤波算法的1.01倍左右,是小波变换的1.1倍左右,即该算法能有效地滤除暂态电能质量扰动分析中的随机噪声和脉冲噪声;而且,该算法可较好地保持扰动信号的形状和特征。     

基于形态滤波和动态测度的电能质量扰动检测

针对电能质量扰动信号的检测与定位,详细分析了动态(Dyn)测度的特点并在其对噪声较为敏感的基础上,构造一种双结构数学形态滤波器并结合Dyn测度算法实现电能质量扰动检测。对电网中的扰动波形进行预处理,以滤除信号中的随机噪声。对去噪后的信号波形,运用Dyn测度算法,通过提取信号的极值点获取信息从而快速识别信号的畸变点,对扰动起止时间进行检测。MATLAB仿真结果表明所提检测方法具有运算简单、运行速度快、检测准确的优点。     

基于形态-复小波暂态电能质量扰动检测及定位

针对暂态电能质量扰动的实际检测过程中,存在着较强的脉冲噪声和白噪声干扰,影响暂态信息准确提取的问题,设计了有效的滤波算法以在保留信号特征的前提下最大限度地抑制噪声干扰影响,该法是将基于数学形态学的广义形态滤波器作为复数小波变换的前置滤波单元,形成的一种新型形态-复小波变换综合检测算法。仿真结果表明,基于该算法的滤波器不仅可很好地解决电能质量扰动分析中滤除随机噪声和脉冲噪声的困难,还可较好地保持扰动信号的形状和特征。另外用Daubechies实小波构造了相应的正交紧支对称复小波,由其提供的复合信息可准确地检测出扰动并进行时间定位。分别用电压暂降、暂态振荡、短时谐波畸变及微小扰动对所提方法进行了数字仿真验证,结果证实了基于形态-复小波变换综合检测方法的正确性和有效性。     

基于形态边缘检测的电能质量暂态扰动定位方法

提出了一种基于形态边缘检测的电能质量暂态扰动定位方法,在解决电力信号因周期性变化和采样过程中存在的各种干扰而引起的背景梯度影响扰动检测准确度问题的同时,引入软阈值的定量评价方法来提高其准确性。首先,提出滤波效果的评价方法,自适应选取结构元素大小对原始信号进行滤波处理;然后用扁平结构元素对形态梯度进行Top-Hat变换以抑制背景梯度,初步得到定位结果;最后结合软阈值的处理方法,实现对电能质量暂态扰动的定位。一系列的电能质量暂态扰动的仿真分析表明,该算法定位准确,抗干扰能力强,具有较好的普遍适用性。     

基于数学形态学的电能质量扰动检测和定位

数学形态学因其在保留信号突变点信息方面有很好的效果,因此常用于短时电能质量扰动的检测和定位,但基于数学形态学的部分方法仍存在对某些过零点扰动检测失效的缺点,文章分析了3种基于数学形态学的扰动检测和定位方法,即基于1阶求导和形态梯度的方法、基于形态梯度和软阈值处理的方法、基于dq分解和高帽变换的方法,通过仿真比较了3种方法在分析电压暂降、电压暂升、电磁暂态振荡等信号方面的适应性,结果发现基于dq分解和高帽变换的方法在检测过零点扰动时具有很好的效果,因此选取这种方法对实测扰动数据进行了检测和定位分析。结果表明,基于dq分解和高帽变换的方法能正确检测与定位出任一时刻发生的扰动,具有较好的适应性与可行性。     

基于数学形态学的谐波检测与电能质量扰动定位方法

提出了一种基于数学形态学的电流（电压）谐波检测方法,通过合理地选择扁平结构元素的长度,该方法能快速、准确地检测出电流（电压）中的谐波分量.以此为基础,提出了一种快速的电能质量扰动检测和定位方法,该方法将电压幅值的平方值作为TOP-HAT变换的输入量,具有较高的检测灵敏性.系统存在噪声的情况下,该方法也有较好的检测效果.MATLAB/SIMULINK仿真结果证明了这两种方法的有效性.     

基于数学形态学的电能质量扰动定位方法

提出了一种快速的电能质量扰动检测和定位的方法,在该方法中其检测输出量能够反映出扰动前后被检测电压幅值平方的变化,具有非常明显的检测效果。系统存在噪声的情况下,该方法同样适用。MATLAB／SIMULINK仿真结果证明了这两种方法的有效性。     

基于改进PSO - WNN的电能质量扰动分类研究

提出一种基于改进粒子群算法和小波神经网络相结合的电能质量扰动分类方法.首先利用小波多分辨技术检测电能质量扰动信号,然后提取各类扰动能量特征向量,将此特征向量输入到优化后的小波神经网络进行识别,最后经改进粒子群小波神经网络得到电能质量扰动分类结果.实例仿真计算结果表明,方法可大大提高电能质量扰动分类识别能力.     

基于数学形态学消噪的电能质量扰动检测方法

提出了一种利用数学形态滤对波形进行预处理，然后用小波检测电力系统扰动的方法。该算法着力解决电力系统扰动中滤除随机噪声和和脉冲噪声的困难，利用数学形态学设计的前置滤波单元在有效抑制各种噪声的同时，较好地保持了扰动的基本形状；小波变换算子则有效地检测出扰动并进行精确定位。MATLAB仿真表明所提算法可以准确检测电能扰动时的波形畸变点，同时，形态学－小波综合算法的计算量较单一的低通滤波器和多尺度小波变换的计算量小，有利于工程实现。     

基于改进扰动功率和能量法的暂态扰动定位

功率和能量法是一种定位电能质量扰动问题的常用方法,但它在定位向系统注入能量的扰动类型时,会发生原理性错误。文中对此进行了改进,提出一种基于改进功率和能量法的暂态扰动定位方法。改进法结合了扰动初始能量的极值和扰动初始电压的极值,使其可以同时处理向系统注入能量的扰动和系统释放能量的扰动。改进方法不需要在定位前对暂态扰动进行分类,就可以对2类暂态扰动进行准确的定位。对比仿真分析表明,改进方法达到了准确定位2类暂态扰动的目的。     

基于改进HHT的电能质量扰动检测新方法

为了解决传统HHT在电能质量扰动检测中EMD产生的模态混叠问题,提出一种基于奇异值分解（SVD）的改进HHT的电能质量扰动检测新方法。首先,将初始信号转换为Hankel矩阵进行SVD;再进行奇异值去模态混叠处理并重构信号;最后用HHT方法对重构后的去干扰扰动信号进行分析,求出扰动各固有模态分量imf对应的瞬时幅频参数,以实现扰动检测。仿真结果表明改进HHT方法比传统HHT与基于EEMD的HHT方法对带有噪声与高频间断信号的扰动信号能更好地消除模态混叠,不仅适用于单一暂态扰动检测,对复杂非平稳扰动也能取得较好效果。     

基于量子行为粒子群优化-人工神经网络的电能质量扰动识别

提出一种基于量子行为粒子群优化(quantum-behaved particle swarm optimization, QPSO)的改进算法,用于优化人工神经网络(artificial neural network, ANN),实现电能质量(power quality, PQ)扰动识别。采用2个神经子网络,分别用于事件型和变化型PQ扰动识别。PQ扰动信号的特征量通过信号的投影分析、动态测度计算、分形技术获取,作为2个子网络的输入量。改进的QPSO算法主要增加了学习因子、粒子聚集度和进化速度等参数,改进了QPSO算法的参数迭代更新过程,从而优化了神经子网络的训练结果。6种典型现场采集的PQ扰动数据识别结果表明,与加入动量因子的前馈式神经网络的训练方法相比,该算法具有更好的收敛性和稳定性。     

改进的自适应广义形态滤波器设计

提出一种改进的自适应广义形态滤波器。针对电力数据采集信号中可能存在的各种噪声情况,通过数字仿真,研究结构元素幅值和长度变化对改进的自适应广义形态滤波器滤波性能的影响。仿真结果表明,改进的自适应广义形态滤波器可以有效抑制电力系统采样信号中的各种噪声,滤波效果好。     

基于数学形态学与后差分算法的微网暂态电能质量扰动定位方法

微网技术优点突出,但是由于微网中分布式电源的自身特性、微网特殊的网络性质和运行特点都对微网的电能质量产生影响,特别是暂态电能质量扰动问题,扰动定位则是治理这一问题的基础和前提。为此,提出了基于数学形态学与后差分的微网暂态电能质量扰动定位方法。该方法首先用第一级形态滤波器对噪声进行预处理,并进行Park变换,将基频分量转换为直流分量,然后采用直线型结构元素的第二级形态滤波器进行消噪,最后采用后差分算法快速、准确定位扰动信号。MATLAB/SIMULINK仿真结果及分析表明,该方法简单、快速、准确,适合实时性要求较强的场合。     

一种基于改进锁相环系统的电能质量扰动检测方法

提出了一种基于改进锁相环(PLL)系统的电能质量扰动检测方法.该改进PLL系统是一个稳定的相位反馈控制系统,产生的多个输出信号可用于多种电能质量扰动的检测,而且对于检测系统的内部参数和电力系统频率的变化是鲁棒的.在叙述了它的基本特性以及电能质量扰动检测的基本原理后,重点阐述了该系统对多种电能质量扰动检测的实现,包括谐波、电压波动、频率偏差、电压下跌、电压上升、过电压、欠电压、瞬时脉冲、低频、高频振荡和无功功率等进行检测和分析,并为此做了大量的计算机仿真.仿真结果证明了结论的正确性,同时也表明,该检测方法具有较好的实时性.