基于分数阶小波变换的电力系统谐波检测方法

针对稳态和暂态谐波检测易受噪声干扰的问题,提出一种基于分数阶小波变换(fractional wavelet transform,FRWT)的电力系统谐波检测方法。首先,通过快速傅里叶变换(fast Fourier transform,FFT)检测出各频谱的频率,根据频率确定分解层数;其次,利用FRWT对信号进行分解和重构,实现基波与各次谐波分量的分离;最后,对各次谐波分量进行Hilbert变换(Hilbert transform,HT),获取各次谐波分量的频率和幅值检测结果以及暂态扰动的起止时刻。对多种谐波信号的仿真试验结果表明,FRWT方法可以有效实现对含噪信号中稳态和暂态谐波的检测,即使信噪比较低也能保证各项结果的检测精度,证明FRWT方法是检测谐波的一种有效新方法。

基于连续小波变换的黑北凹地砂砾储卤层沉积特征研究

柴达木盆地西部中深层“砂砾型”钾盐储卤层与沉积水体变化息息相关,高密度网状二维地震资料包含的频率信息,有助于识别发育砂砾储卤层的沉积环境,为深层富钾卤水储层研究提供支撑。采用连续小波变换时频分析技术将地震信号从一维的时间域拓展到二维的时间-频率域上,能够在频谱中更清晰地刻画沉积体内部岩性组合的旋回结构特征。基于正演数据和实际钻井数据,总结了低水位体系域、水进体系域、高水位体系域和水退体系域层序框架下,沉积体的地震时频谱旋回响应特征:低水位体系域的时频谱能量主要聚集在低频,高水体系域的时频谱能量主要聚集在高频,水进体系域的时频谱能量随时间减小向高频方向移动,水退体系域的时频谱能量随时间减小向低频方向移动,指出35 Hz是划分有利沉积旋回——水退体系域末期、低水位体系域和水进体系域初期的频率阈值。选择合适频率区间重构地震数据能突出弱振幅砂砾层的反射特征,结合全频带数据有助于快速识别有利沉积旋回,为寻找砂砾型深层卤水钾矿提供依据。

基于小波变换和GA-BP神经网络的电力电缆故障定位

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。

基于改进无参尺度空间经验小波变换的变压器高频电流局放噪声抑制研究

变压器是电力系统中的关键设备,局部放电(PD)是致使变压器绝缘劣化的主要原因,也是绝缘劣化的重要表现形式。针对高频PD信号中复杂的噪声信息,提出一种基于互信息和峭度优化的改进无参经验小波变换的降噪方法。该方法以经验小波变换(EWT)分解为基础,构造高斯核函数平滑频谱生成尺度空间,利用k-means聚类对边界点进行筛选得到频带分界点,然后提取无参尺度空间EWT分解的模式分量的互信息值和峭度值进行合并优化,排除冗余的频谱划分点并对频谱重新分割,利用新的频谱边界进行划分得到有价值的分量,在有价值的分量中去除噪声分量并将剩余分量进行通用阈值降噪然后重构信号达到PD信号降噪效果。文中方法不需要人工参与且解决了模态混叠问题,仿真和实验室、现场测试表明,与现有小波变换降噪和基于经验模态分解降噪的方法进行对比,文中的方法能够更加有效抑制PD信号中的噪声信息。

基于自适应小波变换与HHT的混合储能容量配置

混合储能系统能有效缓解风电输出功率强波动性与随机性造成电网频率不稳定问题。本文以蓄电池和超级电容组成的混合储能系统为研究对象,提出了一种混合储能容量配置方法。该方法首先采用自适应小波变换对风电输出功率进行功率一次分配,得到满足条件的并网功率和储能功率。然后采用HHT变换对储能功率进行分解,得到一系列波动功率分量以及各分量的瞬时频率。再根据瞬时频率确定分界频率,将高于分界频率的功率分量分配给超级电容,剩余的功率分量分配给蓄电池。最后根据蓄电池与超级电容各自的储能功率,对储能系统的额定容量与额定功率进行配置。该仿真结果表明,本文采用自适应小波变换与HHT变换能够有效地将风电输出功率进行分解,实现风电输出功率的平抑与混合储能系统的容量与功率配置。

应用测井资料小波变换与伪成像技术精细划分深部隔夹层

隔夹层影响流体渗流,控制油水及剩余油分布,深层取心成本高,常规测井曲线分辨率低且薄互层信号模糊,深部隔夹层识别难度大。通过对关键井岩心研究,得出了隔夹层敏感测井曲线及其响应特征,采用小波分解和重构,对常规敏感测井曲线进行了高分辨率处理,降低了邻层平滑效应,突出了薄层界面测井响应特征,薄层识别分辨率提高了近1倍。综合利用隔夹层地层倾角矢量模式和伪成像特征,确立了深部隔夹层判识划分方法,应用实例表明,该方法可精细识别隔夹层,相比常规方法,隔夹层辨识能力显著提升,井间小层对比精度提高38%,解释了油水界面倾斜问题,得出了剩余油分布规律。

基于振动信号和同步压缩小波变换的电动机测速方法及实验分析

针对部分工业现场电动机无法安装测速传感器,提出一种基于振动信号和同步压缩小波变换的电动机测速方法。对电动机振动信号进行Hilbert变换得到包络信号,解调出其中与转速相关的振动分量;利用同步压缩小波变换分析计算出包络信号的时频图;引入脊线的四分位距和方差对代价函数法进行改进,并利用该方法提取基频振动分量的时频脊线,得到电动机的转速曲线,达到无转速计测速的目的。实验与仿真分析表明,所提方法无论在稳态还是在非稳态工况下都能准确检测出电动机转速,且误差不超过5%。该方法的研究与实践过程可加深学生对调制解调、时频分析等理论知识的理解,提高理论联系实际的能力。

基于小波变换的锚杆锚索测力仪设计

针对井下存在的电磁干扰,会对测力仪采集到的运放端的电压信号存在较大的干扰,进而对传感器测得的压力值准确性产生影响的问题;设计了基于小波变换的锚杆锚索测力仪。以国产HC32L176单片机作为主控芯片,对运放端的电压信号进行AD采集;选用合适的小波基函数、分解层数、阈值规则及阈值函数,对含噪信号进行分解,滤除不同层的高频成分,再对信号重构,得到去噪后的信号。Matlab仿真与实际测试结果表明:小波变换可以对采集的电压信号实现很好去噪,提高了锚杆锚索测力仪的可靠性与稳定性。

基于小波变换和CNN-Transformer模型的测井储层流体识别

针对具有复杂储集空间和极强的非均质性的低孔低渗储层,常规测井响应特征不够明显,使用传统解释手段难以有效识别储层流体的问题,提出了一种基于小波变换和CNN-Transformer混合模型的储层流体识别方法。首先,使用小波变换将测井信号从时域扩展到时频域,并生成时频谱图以增强信号特征,然后使用滑动时窗沿着测井曲线深度方向滑动采样,获取代表解释深度处地层信息的频谱特征图,最后,通过训练CNN-transformer模型深度挖掘特征图信息,实现储层流体识别。混合模型在利用储层对应深度处测井数据的同时,又兼顾测井曲线随深度的变化趋势和地层前后信息的关联性,挖掘时频谱图的局部细节和全局特征表示,自动识别流体类型。将模型应用于大港油田22口实测测井资料中,并与CNN和BiLSTM等多个模型的流体识别效果进行对比分析,基于小波变换和CNN-Transformer模型识别效果明显优于其他方法,在测试集上识别准确率达到了92.7%。研究结果表明该方法可以作为低孔渗油藏常规测井资料识别储层流体的有效手段,为流体评价提供了新思路。

基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致输出的微弱电流信号与原始信号之间的相对误差增加,控制效果变差,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法;采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型;设计微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制;在两种不同噪声强度的实验环境下,该方法控制下的多通道微弱电流信号信噪比较高,输出信号与原始信号间的相对误差较低,控制任务完成时间更短;以此证明该方法的多通道微弱电流信号噪声控制效果更好,可以广泛应用至电流信号噪声控制领域。

小波变换的图像增强

本文对于水下图拍摄照片不清晰和雾天图受天气影响的问题,提出了一种基于直方图均衡和小波变换相结合的图像增强方法。首先将图像归一化转为灰度图像,再利用二维离散小波变换的方法把图片分为四个子图,接着对低频部分的子图进行直方图均衡的图像增强,并且对其他部分子图进行置零处理,最后将处理过后的四个子图进行二维离散小波逆变换,重构出增强图像。文章进一步对小波变换中的滤波器进行多维度处理,并且对小波变换分解和重构的层次进行进一步分析,结果发现随着滤波器维数和小波变换层数的增加,图像增强的效果更好。

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

基于小波变换的语音信号去噪算法优化

深入研究基于小波变换的语音信号去噪方法,并针对传统方法在复杂噪声环境下处理效果不佳的问题,提出一种基于自适应阈值的小波变换去噪优化方法。首先,分析小波变换去噪的基本原理。其次,深入研究自适应阈值技术的数学模型,并将其应用于小波变换,通过动态调整阈值来适应不同噪声环境的需求。最后,采用Aurora数据集进行实验验证。实验结果表明,该方法能够有效去除噪声。

基于小波变换的有源噪声控制算法研究

在传统的有源噪声控制系统中,原始噪声信号是获得参考噪声信号的必要条件,当原始噪声信号的信息不可获知时,有源噪声控制系统失效。为解决该问题,设计基于小波变换的有源噪声控制系统,利用小波阈值法对含噪语音信号进行处理,得到与原始噪声信号相关的参考噪声信号。在此基础上,对传统的有源噪声控制算法LMS进行改进,提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法,解决LMS算法无法同时兼顾收敛速度和稳态误差的问题,为解决有源噪声控制问题提供新的解决方案。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。

同步挤压小波变换在矿山微震监测系统中的应用

微震监测技术是一种保证矿山安全、高效、可持续发展的重要地压监测手段。矿山传感器获取的微震数据容易受到宽频带非平稳噪声的影响,导致微震监测缺乏可用的高质量数据。本文介绍了一种新的频谱分析方法——同步挤压小波变换,它提供了一种将数据同时分解到时域和频域的方法,且比小波变换等方法的时频分辨率更高,可以在时频谱上更为清晰地展示微震信号。同时,本文还比较了Morlet小波基和Bump小波基对微震波形的影响程度,并通过现场微震监测波形验证了Morlet小波基的相对可靠性。采用基于噪声水平的硬阈值滤波方法对其进行分别处理,结果表明,基于Morlet小波基的同步挤压小波变换在从原始数据中提取微震信号方面具有更大的实用价值,能够有效地提高信号的信噪比。

小波变换-指数平滑法预测西藏畜牧业产值

运用小波变换和指数平滑法相结合对西藏畜牧业产值进行了预测。首先对原始时间序列进行小波变换,通过信号重构去除原始信号中的噪声信号,然后利用3次指数平滑法对无噪信号进行预测,最后将指数平滑法的预测值与噪声信号相加,还原对原始时间序列的预测。结果显示:小波变换-指数平滑法的平均误差为0.715 6%,比传统3次指数平滑法的平均预测误差1.499 5%减小了52.277 4%,由模型预测得到2023年西藏自治区畜牧业产值为142.702 8亿元。

基于小波变换的光纤通信信号去噪方法

文章针对光纤通信中普遍存在的噪声问题,研究一种优化的小波变换去噪策略。首先,分析了光纤通信的基本过程和噪声来源。其次,介绍了小波变换的基本原理和信号去噪过程,包括小波分解、阈值处理以及信号重构等关键步骤。最后,引入一种基于统计的自适应阈值选择方法,以提高去噪的精准性和效率。通过在MATLAB平台上进行实验验证,结果表明该方法能显著提高信噪比(Signal-to-Noise Ratio,SNR)并降低均方误差(Mean Squared Error,MSE),具有一定的实用性和有效性。

双树复小波变换下的数字图像鲁棒性水印方法

为提高数字图像的峰值信噪比,提出基于双树复小波变换的数字图像鲁棒性水印方法。利用双树复小波变换对原始输入图像进行分解,结合小波函数与图像重构条件,降低输出信息的冗余度,并通过计算各子图的高频变量,确定水印嵌入位置,以此为依据,根据嵌入强度因子与水印嵌入密钥实现水印的嵌入,通过图像水印序列的解扩与反置乱操作,对图像水印进行提取,继而完成水印的嵌入与提取过程。实验结果表明,所提方法的峰值信噪比较高,具有良好的鲁棒性。

基于小波变换与IAGA-BP神经网络的短期风电功率预测

为提高风功率预测精度,减轻输出风能波动性对风电并网不利影响,提出了基于WT-IAGA-BP神经网络的短期风电功率预测方法。利用风速分区、3σ准则及拉格朗日插值法清洗风电场历史数据;其次,依据小波重构误差,选择db4小波分别提取风速、风向、历史风功率的不同频率特征信号,并引入改进自适应遗传算法(IAGA)对各序列BP神经网络的初始权值与阈值寻优,使用Sigmiod函数通过适应度值自适应改变交叉概率与变异概率;构建各序列的WT-IAGA-BP模型对短期风功率组合预测。通过仿真分析,并与ELM、IAGA-BP、WT-ELM及WT-LSSVM方法对比,验证该方法具有更高的预测精度和更好的预测性能。