基于奇异值分解和TLS-ESPRIT的电能质量扰动信号检测方法

为了能有效地改善电能质量,准确地对电能质量扰动信号的发生及结束时间以及其特征参数进行检测是其前提。文章提出将奇异值分解与TLS-ESPRIT算法相结合来对暂态电能质量扰动进行检测。首先利用基于奇异值分解的方法对暂态电能质量信号进行定位,可以得到较为准确的定位效果。然后以定位点为界,向前及向后各取一个周期的采样信号,对得到的信号利用TLS-ESPRIT算法进行计算,可以估算得到信号的幅值、频率等特征参数。利用这些参数可进一步对扰动类型进行判别。仿真实验结果表明,该方法仅需较短的采样信号,对电压暂降、电压暂升、频率偏差、谐波、谐波加暂降、暂态振荡等多种电能质量扰动信号有较高精度的检测效果。     

基于差分波形奇异值极差的通用电力扰动检测方法

电力扰动数据蕴含大量系统和设备状态信息，基于电力扰动检测分析可实现系统和设备的状态感知。现有扰动检测方法以检测电能质量扰动和故障扰动为主，算法针对性强，通用性和适应性较差，尤其当扰动幅值小或持续时间短时，检测灵敏度较低。为此，提出一种通用的高灵敏度电力扰动检测方法，基于相邻周期差分信号的奇异值分布规律实现扰动检测，利用奇异值极差进行扰动与正常波形区分，提出基于历史奇异值极差序列参考值和差分信号分布特征的自适应阈值计算规则。通过大量仿真和现场实测数据对算法进行验证，结果表明算法在强噪声背景下对各类微弱扰动均具有较高检测灵敏性，证明了算法的正确性和有效性。     

基于奇异值分解和总体最小二乘-旋转矢量不变技术的电力系统基波频率测量方法

提出一种电力系统基波频率测量方法。首先,基于奇异熵增量及其增量微分来确定有效信号的重构阶次,通过奇异值分解的逆过程来对电网电压信号进行重构,从而消除了噪声、扰动等影响,提取出其中的基波信号,然后利用总体最小二乘-旋转矢量不变技术算法进行频率估计。仿真结果表明,提出的方法在噪声环境下、电网电压信号发生了频率偏移、出现谐波及瞬时脉冲、谐波及暂态振荡等复合扰动的情况下,有效地提取出了基波信号并较为准确地估算出了其频率值。     

基于改进小波阈值函数和奇异值分解的电能质量扰动检测定位

为了在噪声环境下准确提取电能质量扰动特征,本文提出基于改进小波阈值函数去噪和奇异值分解的电能质量扰动检测定位方法。首先构建改进小波阈值函数对含噪电能质量扰动信号降噪,利用经验模态分解的信号频带划分能力,实现降噪后扰动信号各模态的有效分离,再采用希尔伯特变换提取各模态幅值、频率等特征信息,同时基于奇异值分解实现对扰动信号的起止时刻的有效定位。最后分别采用不同类型的电能质量扰动信号进行仿真实验,实验证明本文提出的算法不仅具有良好的抗噪性能,同时具有较高的定位准确度和良好的鲁棒性。     

变分模态分解在电力系统谐波检测中的应用

针对电能质量分析中的谐波检测问题,将变分模态分解(VMD)应用到电力系统谐波检测中。利用VMD对信号的频带划分能力,实现各谐波模态的有效分离。对谐波信号进行频谱预分析确定VMD模态分解数,采用Hilbert变换提取各谐波模态幅值、频率等特征信息,通过基于奇异值分解的扰动定位方法对暂态谐波起止时刻与幅值变化时刻进行准确定位。不同类型谐波信号仿真实验验证了该方法的有效性,在无噪声与较低信噪比情况下均具有较高检测精度,具有良好的噪声鲁棒性。     

基于提升复小波的暂态电能质量扰动的检测与定位

针对暂态电能质量扰动信号的检测与定位,提出一种基于第2代小波变换的提升复小波的提升算法。通过Euclidean分解算法得到复小波提升方案;利用该方案对常见的几种扰动信号进行提升变换,将变换后的幅值和相位信息用于暂态电能质量扰动的定位检测及扰动幅度估计;并与第1代小波变换进行比较。仿真结果表明,所提算法具有简单、运行速度快、检测精度高等优点,能够准确定位暂态电能质量扰动信号和计算扰动信号的变化幅度。     

基于矩阵束和奇异值分解的间谐波检测算法

目前,电力系统中频率邻近的间谐波和含有暂态扰动的信号中的间谐波难以准确检测.针对上述两类间谐波成分,首先,采用矩阵束算法在噪声情况下对含有邻近间谐波的稳态信号进行检测.其次,对于含有暂态扰动的信号中的间谐波,提出了奇异值分解(SVD)和矩阵束算法相结合的检测方法.该方法运用SVD精准定位信号发生突变的时刻,将含暂态扰动...     

基于改进奇异值与经验小波分解的局放去噪算法

局部放电(partial discharge,PD)检测是监测绝缘劣化的重要手段.由于现场环境复杂,PD检测易被干扰,而PD检测的真实性影响电气设备绝缘性能评估的准确性.因此,检测信号去噪是PD检测的重要任务.常用PD去噪算法的效果依赖于人工选择阈值或分解层数等参数,为了解决这个问题,该文提出不依赖于人工选择算法,使用基于曲率的奇异值变换(singular value decomposition,SVD)自适应地选择奇异值重构并去除窄带干扰;然后对残留白噪声的PD信号进行基于经验小波变换(empirical wavelet transform,EWT)的自适应分解;利用通用阈值对满足峭度和相关系数条件的模态去噪;最后通过时域去噪去除残留噪声,得到去噪后的PD信号.模拟PD信号和现场实测PD信号的去噪结果均表明所提方法能够更有效地去除窄带干扰和白噪声.     

一种暂态电能质量扰动检测的新方法

电能质量信号在采集的过程中通常会被噪声污染,而暂态扰动检测的主要挑战就是噪声干扰。传统的扰动检测算法存在只适用于稳态扰动的分析、运算量太大、易受噪声影响致使检测的准确性急剧下降等缺点。为提高强噪声环境下暂态扰动检测的准确性,该文提出一种扰动检测的新方法。该方法非常简单,无需前置滤波单元,仅有2个参数且对检测结果的影响不灵敏。仿真中,将该文算法与广义形态滤波与差分熵的扰动检测方法和基于奇异值分解的扰动检测方法进行暂态扰动检测对比分析,结果表明该文算法不仅具有较强的抗噪性,且对过零时刻发生的扰动也具有较好的检测效果,同时还能指示扰动突变的极性。最后通过对实际暂态扰动数据的检测,进一步验证算法的有效性。     

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。     

基于奇异值总体最小二乘法的间谐波估计算法

通过分析噪声误差,提出采用奇异值总体最小二乘(singular value decomposition total least squares,SVDTLS)算法进行间谐波频率估计,即同时考虑矩阵方程两边的噪声干扰,采用SVDTLS算法求解该情况下的最小范数解,通过对增广矩阵进行奇异值分解(singular value decomposition,SVD),采用简单实用的与信噪比相关的主奇异值个数确定方法对分解的右奇异矩阵进行存储计算,得到了较精确的间谐波频率估计结果。仿真结果表明,该算法具有良好的抗噪性能和数值稳定性,在低信噪比情况下可准确提取信号的频率。     

基于时域能量与自适应奇异值阈值的改进局放信号去噪方法

局部放电(简称局放)检测是探测电力电缆绝缘缺陷的有效手段。针对传统短时奇异值分解(STSVD)白噪声抑制方法存在的不足,文中提出了一种基于时域能量与自适应奇异值阈值的局放信号白噪声抑制方法。该方法利用自适应奇异值阈值估计策略对重构奇异值个数进行准确估计,并在此基础上结合时域能量准则仅对局放脉冲区域进行去噪处理,从而极大地提升了算法的执行效率。对仿真和实测含噪局放信号进行处理,并将去噪结果与现有的自适应奇异值分解(ASVD)、传统STSVD及小波变换去噪结果进行对比。研究结果表明：相比于ASVD、小波变换去噪方法,文中所提去噪方法能够取得更好的去噪效果,去噪后波形误差更小;相比于传统STSVD,文中所提方法能够有效解决去噪后存在的毛刺干扰问题,且计算速率更快。     

基于小波分量奇异值分解的单通道盲分离算法

针对单通道盲分离领域先验信息不足的问题,提出了一种基于小波变换、奇异值分解和独立分量分析的单通道盲分离算法.首先对单路传感器接收的信号进行小波分解和重构,得到一组代表原始信号特征的细节信号,对其施加奇异值分解并剔除小于门限值的奇异点,以此消除干扰信号和噪声的影响.然后将经过处理的细节信号组作为独立分量分析算法的输入信号...     

改进ITD-LS结合奇异值差分谱的间谐波快速检测方法

间谐波检测技术是电力系统谐波治理的重要工作内容,文章提出一种改进ITD法结合奇异值差分谱的快速高精度检测。通过改进ITD法可以直接根据含有系统特征信息的量测数据进行参数辨识。首先利用奇异值差分谱进行系统定阶;然后应用改进的ITD算法直接对含噪信号进行精确检测从而得到各谐波的实际频率;采用最小二乘法(Least Squares,LS)对各间谐波分量的幅值进行精确检测。改进ITD法以SSI法的协方差矩阵(Toeplitz)为输入数据,克服了数据处理方法不准确性带来的误差,提高了参数辨识精度。与SSI法相比,改进ITD法精度没有降低,同时缩短了计算时间。仿真结果表明:该方法计算速度快,检测精度高,抗噪声能力强,验证了所提方法的可行性和有效性。     

结合短时傅里叶变换和谱峭度的电力系统谐波检测方法

针对电能质量分析中的谐波检测问题,提出一种结合短时傅里叶变换和谱峭度的电力系统谐波检测方法。采用短时傅里叶变换作为时频分析工具对采样信号进行时频分解,同时引入频谱标准差和基于短时傅里叶变换的谱峭度作为辅助分析。通过频谱标准差和谱峭度对谐波模态进行识别,并根据识别结果从频谱矩阵中提取出相应的谐波分量,然后采用基于奇异值分解的扰动定位方法对暂态谐波的起止时刻进行准确定位。仿真实验结果验证了算法的有效性,在低信噪比的情况下仍具有较高的检测精度,具有较好的抗噪性和鲁棒性。     

奇异值分解和Teager能量算子的电压暂降方法

针对噪声干扰严重影响电压暂降检测分析精度的问题,提出一种采用奇异值分解和Teager能量算子（Teager energy operator,TEO）进行电压暂降检测的改进算法,即采用 Hankel矩阵对电压暂降信号进行奇异值分解法（singular value decomposition,SVD）,从而获得降噪后的供电点上电压暂降近似信号;利用Teager能量算子跟踪该近似信号的瞬时幅值;最后通过仿真算例验证该方法的可行性和有效性。     

基于FCM的暂态电能质量扰动识别

提出一种应用模糊C均值聚类(FCM)对暂态电能质量扰动进行识别的新方法。该识别方法分层实现,第一层判断信号中是否包含暂态振荡扰动,第二层判断是否包含暂态脉冲扰动,第三层判断是否包含幅值扰动及综合判断出各种复合扰动的类型。通过与集合经验模态分解(EEMD)和奇异值分解方法的结合,分层提取出有效特征量,并将其作为FCM的输入,得到聚类中心和隶属度矩阵。最后通过计算待测样本与已知样本的聚类中心的欧氏距离实现扰动类型识别。通过仿真分析,该分层识别方法准确可行。     

一种GIS在线监测中UHF局部放电信号新型去噪方法研究

超高频法是目前广泛使用的局部放电在线监测手段之一,虽然能够有效避免现场大量低频噪声的干扰,但是仪器热噪声、无线电通讯等因素仍然会对超高频信号产生干扰。小波阈值法是一种有效的去噪方法,核心在于阈值的有效选取,从信号能量的角度出发,利用奇异谱分析对小波分解后各尺度小波系数噪声成分的标准差进行估计,进一步通过Donoho广义阈值法求取各尺度阈值。通过模拟局部放电实验获取含噪信号,并利用所提方法去噪,从噪声抑制比的角度考虑,与传统的Donoho阈值法对比,具有更好的去噪效果。