基于CEEMDAN算法的光伏功率信号光滑降噪

为解决光伏高输出功率低频分解及光滑降噪问题,通过引入曲线降噪权重因子,改进传统经验模态分解方法,提出一种光滑度与相似度更好的光伏输出功率自适应完备集合经验模态分解算法。为验证CEEMDAN算法的降噪优异特性,对典型光伏输出功率信号开展了模态分解仿真研究,仿真结果表明,相对于与传统EEMD算法,采用CEEMDAN算法时,当IMF为3、目标函数为最小时,相似度提升了3.26%,光滑度提升了85.6%,各项指标数据更加完备,降噪效果更好。

疲劳裂纹扩展电位信号的最优光滑降噪算法

在采用直流电位降法对疲劳裂纹扩展过程进行实时监测时,由于受到多种噪声干扰使疲劳裂纹扩展电位信号不准确。为了提高其准确性与光滑性,对疲劳裂纹扩展电位信号建立基于变分模态分解(VMD)的最优光滑降噪算法,将裂纹电位信号进行VMD分解后,根据各个模态分量的样本熵、相关系数和均方误差等指标,剔除裂纹电位信号中的噪声分量和对含噪的有效模态分量进行降噪处理;然后选择合适的模态分量进行裂纹电位信号的重构,对比不同信号重构方案,选出最优重构信号;最后对最优重构信号建立不同光滑滤波算法,通过对比光滑度、均方误差、信噪比等指标得出最优光滑降噪模型。分析结果表明该算法模型光滑降噪效果良好,降噪误差比为0.122050,提高了监测信号的光滑性与准确性。

基于变分模态分解算法的隧道爆破振动信号光滑降噪模型

由于工程环境、电磁干扰和仪器误差等因素的影响,实测隧道爆破振动信号含有大量高频噪声。为了获得真实振动特征,提出了基于变分模态分解(variational mode decomposition,VMD)算法的信号光滑降噪模型。将原始信号进行VMD获得本征模态函数,建立低通滤波算法。基于滤波算法的重构误差和光滑程度构造目标函数,计算目标函数的最优解,得到最优的降噪信号,达到去除噪声的目的。对实测隧道爆破振动信号处理表明,该模型能较好地去除高频噪声并对信号的低频能量影响较小。同时,该模型降噪效果均优于经验模态分解(empirical mode decomposition,EMD)、互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)模型,验证了基于VMD算法的信号光滑降噪模型的有效性。

基于CEEMD的露天深孔爆破振动信号降噪光滑模型

由于爆破区域地形地质条件的复杂、监测仪器的误差、振动传播介质的反射以及磁场的干扰等原因,采集的原始爆破振动信号常常会掺杂大量的噪声,针对此问题提出了基于互补集合经验模态分解(CEEMD)的信号降噪光滑模型。此模型将爆破振动信号进行CEEMD,基于分解所得到的IMF分量建立低通滤波算法。根据滤波算法的相似度与光滑度,构造目标函数并计算最优解,其对应的滤波算法模型即为爆破振动信号的最优降噪光滑模型。通过构造仿真信号验证了降噪光滑模型算法的可行性,并将模型应用了实际露天深孔爆破振动信号的研究。采用信噪比和均方根误差两种指标对比经验模态分解(EMD)方法、小波阈值法、CEEMD-小波阈值法与滤波算法模型BP3的降噪效果,验证了降噪光滑模型在对露天矿山爆破振动信号降噪方面的有效性,并通过频谱分析进一步验证了降噪光滑模型较CEEMD-小波阈值法的优越性。结果表明:基于CEEMD的露天深孔爆破振动信号降噪光滑模型具有良好的降噪能力,能够在保留原始爆破振动信号真实特征信息的前提下对信号进行降噪,且降噪效果优于EMD方法、小波阈值法和CEEMD-小波阈值法。

基于EMD与EEMD的最优降噪光滑模型在地震波中的应用

目前地震波在地质构造探测和结构损伤检测中具有广泛的应用。文中将EMD和EEMD算法建立的最优降噪模型应用于地震信号去噪中。首先通过低通滤波和带通滤波算法对比分析降噪效果。然后通过对光滑性系数α取不同的值比较信号的光滑性。并利用模拟信号添加高斯白噪声干扰,在同时考虑将信号光滑性和相似性的情况下用最优降噪光滑模型对数据进行处理,最后用实际地震波验证模型在地震波数据处理中应用的可行性。结果表明,EMD和EEMD最优降噪光滑模型都能对地震波进行降噪和光滑性处理,带通滤波与EEMD算法建立的最优降噪光滑模型效果较好。在实际应用中具有更好的效果。

基于空间域图像生成和混合卷积神经网络的配电网故障选线方法

传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪光滑模型对零序电流信号进行降噪处理,减少外界环境的电磁干扰。其次,利用对称希尔伯特变换将一维时域信号转成二维空间域图像,图像的颜色、形状和纹理特征能够充分反映当前系统的运行状态。最后,将一维时域信号和二维空间域图像同步作为混合卷积神经网络的输入,充分挖掘系统的故障特征,利用Sigmoid函数实现故障选线。在辐射状配电网、IEEE-13节点模型、IEEE-34节点、StarSim仿真平台上模型上进行了实验验证。实验结果表明,该选线方法可以有效克服传统方法过度依赖主观特征选择、抗噪性能差等问题,能够在高阻接地、采样时间不同步、两点接地故障等极端情况下可靠地筛选出故障线路。