电压暂降的改进S变换分析与分类

提出了一种采用改进S变换(MST)检测和识别电压暂降的方法.推导了白噪声在S变换和MST下的平均功率谱,证明了改进S变换对噪声具有抑制作用.分析了改进S变换中可变参数的选择思想,给出了MST提取暂降幅值、暂降时刻和相位的方法.利用MST变换分析短路故障、感应电机启动和变压器空载激磁3种扰动源引起的电压暂降信号,并提取6种电压暂降特征参数,形成分类判决规则对暂降源进行识别.仿真结果表明,改进S变换比S变换提取的电压暂降幅值和暂降时间更加精确,MST提取的特征量能全面明显地反映扰动源特征,分类算法能够实现对3种暂降扰动源的正确识别.     

基于HHT的电能质量暂态扰动信号检测技术

针对电网中暂态扰动信号难以检测这一难题,提出了一种利用HHT(希尔伯特-黄变换)进行处理的新方法。HHT通过经验模态分解法(EMD)和Hilbert变换,在检测非平稳信号的起止时间,频率和幅值有较好的效果。利用HHT分别对暂态谐波、电压中断、电压暂降和电压暂升4类典型的暂态扰动及其复合组合信号进行仿真验证,结果表明该方法可以较准确的实现对电能质量非平稳信号的分析和处理。该研究为电能质量信号的检测提供了新方法,为电网的治理开辟了新思路。     

基于小波模极大值的电压骤降定位检测

电压骤降是一种典型的暂态电压扰动信号.分析了小波系数与Lipschitz指数的关系,将利用小波模极大值检测信号奇异性的方法应用到电压骤降信号的定位检测.仿真算例表明:该方法有效,能准确确定电压骤降的起止时刻,但在选择小波类型方面需要综合考虑其消失矩、正则性、支集长度.     

基于信号瞬时特征识别非线性结构系统物理参数

将非线性结构系统等效为时变线性系统,建立非线性系统瞬时特性之间的关系曲线.通过解析模态分解拓展定理分离出非线性结构系统响应信号的基频主分量,然后运用同步挤压小波变换和Hilbert变换方法分别提取基频主分量信号的瞬时频率和瞬时幅值.在此基础上,应用最小二乘优化算法识别非线性结构系统的物理参数.通过一个典型非线性结构系统Duffing方程数值算例验证所提出的新方法,结果表明,该方法能够有效识别典型非线性系统的刚度参数,且具有一定的抗噪性.     

一种基于小波变换的边缘检测算法

目的 利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征.方法 学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法.结果 在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算...     

一种单通道的周期性信号盲分离算法

提出一种针对周期性源信号的单通道盲源分离方法,该方法首先利用希尔伯特变换将单通道的混合信号表示为复数形式后,并用交叉互验技术来估计谐波分量的阶数,然后通过人工蜂群算法优化用于估计基频的代价函数以获得源数、基频及其谐波长度,最后由一种自适应滤波算法来估算源信号的幅值,从而实现了盲源分离的目的．仿真实验结果表明了该方法思路的可行性,且可达到“全盲”的要求．     

基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

基于小波包变换的暂态电能质量扰动信号分析

暂态电能质量问题在当今电能质量问题中变得越来越重要。针对暂态电能质量扰动信号,通过小波包变换对扰动信号进行时间定位和消噪并对产生数据加以比较,确定小波包变换能否对暂态电能质量信号进行有效的分析。以电压骤升、瞬态脉冲扰动信号为例,通过去噪来对暂态电能质量扰动信号进行小波包计算、分析和比较,结果表明:暂态电能质量扰动起止时刻是描述扰动的重要属性,并且证明了小波包变换是分析暂态电能质量信号的一种有效的方法。     

基于小波变换和改进的奇异值分解的人脸识别

使用基于肤色的检测方法分割出人脸并进行归一化,利用小波变换压缩降维以减少计算量。针对原有奇异值分解的不足,将图像矩阵进行投影,并将整体与三组局部图片的奇异值结合进行改进,利用BP神经网络进行分类识别,进行人脸识别仿真实验。结果表明,所提出的基于小波变换和改进的奇异值分解特征提取方法是一种实用、可行的方法。     

基于希尔伯特变换的移相电能质量扰动检测

分析了基于希尔伯特变换的移相法进行信号检测的工作原理,提出了利用移相法进行多种电能质量扰动实时检测的思路.基于在Madab环境下建立的检测平台,对电压骤升、电压骤降、电压中断、电压波动、瞬态振荡等多种电能质量扰动信号进行仿真检测,结果表明该方法可以满足对多种电能质量扰动信号检测的要求.且具有良好的实时性和准确性.     

基于四项余弦窗四谱线插值FFT的电力谐波算法分析

快速傅里叶变换是谐波检测中的主要方法,但在谐波分析中很难做到同步采样、整数周期截断,从而造成频谱泄露影响谐波测量的准确性。为了提高谐波的检测精度,利用FFT分析了Nuttall窗的旁瓣特性和四谱线插值算法。提出了一种基于4项3阶Nuttall窗四谱线插值的电力谐波检测算法,该算法通过分析加Nuttall窗信号傅里叶变换的频域表达式,利用谐波频点附近的4根离散频谱的幅值确定谐波谱线的准确位置,进而得到谐波的幅值、频率及相位。通过用曲线拟合函数求得实用的修正公式,简化了复杂的计算过程,并对修正公式进行了Matlab仿真。仿真结果表明:所提出的算法在非同步或非整周期采样时对谐波幅值和相位的检测精度较高,应用该算法处理信号的幅值相对误差小于4.29×10~(-6)%,相位相对误差小于5.7×10~(-4)%。相对于双谱线Hanning、三谱线Blackman-harris算法精度得到了显著提高。并结合沈阳农业大学光伏电站并网算例,将研究检测方法对用户型光伏电站谐波进行分析,并且与分析检测结果进行对比来验证本研究方法的有效性。更加有效的检测谐波幅值和相位,有利于更好的减少农业用户光伏电站对电力系统稳定运行的影响。     

一种改进的基于小波变换模极大值的边缘检测方法

一种改进的基于小波变换模极大值的边缘检测方法包含如下2个步骤:(1)求出边缘及噪声点的局部极大值;(2)利用边缘点与噪声点具有不同小波变换模极大值的特点,对局部极大值进行二次判别,从而实现噪声与边缘的分离.实例验证结果表明,该方法能很好地解决高精度定位与强去噪能力之间的矛盾.     

电网电压特定次分量前馈的并网控制策略研究

为了实现分布式并网发电系统在电网不平衡和谐波等工况下的稳定运行,设计了一种基于电网电压特定次分量前馈的LCL滤波三电平并网逆变器实现方案.建立了静止坐标系下的数学模型,采用基于正弦幅值积分器的锁相方法,完成电网电压正负序分离,得到准确的相角信息.利用正弦幅值积分器提取电网电压特定次分量,以抵消电网负序和谐波电压,从而实...     

基于故障电压特性的含DG辐射型配电网保护方法

鉴于基于通信链路的配电网保护方法成本高且易受通信故障影响,本文提出了一种无需通信的含DG辐射型配电网保护方法.该方法基于故障点线路两端电压较低的特性,利用本地局部电压测量值计算继电器工作时间,并在主备继电器之间的电压幅值差异非常小的情况下创建适当的协调时间间隔.此外,该方法不受分布式电源的类型、容量以及位置的影响.经过...     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法,分别利用不同尺度小波变换后的水平方向和垂直方向高频信息,根据李氏指数与小波变换关系,采用小波模极大值在不同尺度下传播的特性,检测出图像在2个方向的极大值,然后利用模糊算法构造相应的隶属函数,提取弱边缘信息,最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于向量升维的农情异常数据实时检测方法

为提高农业物联网的数据感知质量,提出了基于向量升维的异常农情数据实时检测方法.首先采用滑动窗口机制将标准化后的时序农情数据转换为观测向量,接着将相邻向量元素差值之和作为新向量元素对观测向量进行升维,最后构建了异常数据实时检测框架.采用畜禽养殖物联网环境数据进行实验,开展滑动窗口大小取值、分类模型的异常数据检测性能与敏感性分析.结果 表明,滑动窗口大小取2为宜,提出的向量升维方法能够有效提升分类模型的异常数据检测能力,且线性核支持向量机具有较优的异常数据检测性能和计算耗时,其检测效果与数据波动性和采样间隔负相关、与异常值偏离幅度正相关.     

电压扰动定位中小波与HHT性能分析

为实现配电网电压扰动的有效检测,分别运用小波变换与希尔伯特-黄(HHT)变换2种方法对电压扰动信号进行定位检测,分析对比2种方法的检测精度和性能。仿真算例结果表明:2种方法均具有较好的多分辨率分析特性,但HHT受噪声影响比较大,因此在合适的小波基下小波分解方法检测精度高于HHT变换检测精度。     

基于S变换与傅里叶变换的电能质量多扰动分类识别

提出了一种基于S变换、加窗插值快速傅里叶变换(FFT)和概率神经网络(PNN)的电能质量扰动检测和分类方法.应用S变换和加窗插值FFT对电能质量多扰动信号进行时频分析,获取信号的特征量.通过训练信号集上获得的特征量,训练了一个概率神经网络用于扰动分类.训练好的网络在测试信号集上的测试结果表明,对正常电压和常见的电能质量扰动,该方法具有较高的分类准确率,在训练样本数较少、噪声影响大和多扰动信号并存时仍能取得较好的分类效果.     

基于改进的Hough变换的圆检测

在进行圆形目标检测时,通常采用基于Hough变换的方法,但这种方法计算量大、运算速度慢、对存储空间需求大.为此,提出了改进的Hough变换用于圆形目标检测,该方法在圆形目标定位时具有快速、稳定、准确的特点,可以满足实时性要求.在基于啤酒瓶生产线的实际数据集上验证了该算法的有效性.     

基于离散余弦变换和支持向量机的掌纹识别

提出一种利用离散余弦变换提取掌纹的特征,通过支持向量机进行掌纹分类识别的方法.在利用离散余弦变换进行特征提取时,将变换系数矩阵左上角的部分元素作为掌纹图像的特征;在利用支持向量机进行掌纹分类识别时,采用"一对多"的分类方案.实验结果表明该方法的有效性.