基于小波-卡尔曼滤波的基波分量提取

为满足继电保护准确动作的要求,国内外学者对卡尔曼滤波进行了广泛研究。在系统发生故障期间,电压电流信号中包含大量的非周期分量与谐波分量,这将极大地延迟卡尔曼滤波器的收敛速度。为此,文中结合卡尔曼滤波和小波变换,提出一种用于故障检测及提取基波分量的方法。即运用sym4小波对基波分量估计值进行分解重构,利用高频分量模极大值来检测故障信号,从而更新增益系数和误差协方差矩阵,减少了卡尔曼滤波器的响应时间。结果表明,该算法可精确捕捉故障信号发生时刻,不因干扰噪声影响而产生误差,能快速、准确地提取故障暂态信号中的基波分量,且对频率波动有一定的鲁棒性。

基于最优分解尺度的静态提升小波去噪方法

阈值函数选择和分解尺度确定是基于阈值的小波域非线性滤波的两个关键步骤。针对加性白噪声的情况,通过研究小波阈值去噪原理,得出了重构信号信噪比随分解尺度的单增变化规律,构造了用于指示最优分解尺度的目标函数;在分析白噪声小波系数高斯分布特性的基础上,提出了一种基于概率理论的阈值函数,通过极小化广义阈值估计偏差函数,得到了该阈值函数中参数的最优分布区间。仿真结果表明,构造的目标函数能够准确指示信号分解的最优尺度,广泛适用于硬阈值类函数;新阈值函数与另外两种改进型阈值函数相比,在信噪比意义下表现出一定的优越性。