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。

基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略

当前供能管道巡检策略由于对管道的缺陷特征提取不够纯净,导致缺陷定位准确度差,因此,提出了基于改进经验小波变换模型的供能管道移动GIS综合智慧巡检策略。利用移动GIS技术采集管道数据,根据管道数据采用改进经验小波变换模型对管道缺陷特征进行提取,其树状结构的子频带自分解能够准确分辨出缺陷源信号与其他干扰信号,提取到更加纯净的缺陷特征,并对缺陷特征向量特征集进行滤波,从而计算出管道缺陷的具体位置。在实验论证中,对提出的策略的定位准确性进行了验证,结果表明,提出的策略应用于供能管道巡检中,对管道缺陷定位的准确性较高。

改进自适应无参经验小波变换在变压器高频局放电流噪声抑制中的应用

变压器是电力系统中的关键设备,局部放电(partial discharge,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信号中窄带干扰和白噪声这些复杂的噪声信息,提出一种基于互信息和样条插值拟合优化频谱分割的改进自适应无参经验小波变换的降噪方法。该方法以无参经验小波变换为基础,计算经无参经验小波变换分解的各个时域分量的互信息值进行合并优化得到新的频谱分割点,然后在各个频段内提取峰值点,将这些峰值点进行三次样条插值拟合得到拟合曲线,将拟合曲线的极小值点作为最新频谱分割点进行划分得到各个时域分量,最后计算各个分量的峭度值,去除峭度值小于3的分量,将剩余分量进行通用阈值降噪重构达到PD信号降噪效果。仿真、实验室和现场测试表明,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变压器高频PD信号中的噪声信息。

基于改进经验小波变换与分形特征集的风力机齿轮箱故障诊断

针对风力机齿轮箱振动响应信号具有强非线性及非平稳性的特点,考虑平均幅值对平均谱负熵时频域成分权重自适应调节,提出连续改进平均谱负熵方法(ICASN)以体现信号细节复杂度特征,并将ICASN引入经验小波变换(EWT),替代傅里叶谱作为频带划分依据。采用ICASN-EWT分解振动信号,基于改进平均谱负熵筛选特征分量,剔除信号冗余与噪声影响。分析各敏感分量分形特征并构建高维特征集,采用流形学习进行维数约简,并结合分形高斯噪声改进灰狼算法优化支持向量机关键参数,将降维后的向量集输入优化支持向量机进行故障识别与诊断,准确率高达100%。

基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案

为快速检测及可靠识别直流配电网故障,提出一种基于改进经验小波变换和改进多视角深度矩阵分解的直流配电网故障检测方案。通过最小二乘法非线性拟合故障电流局部的相频谱函数,基于此在一定的条件下修改经验小波函数的相频响应,使之尽可能与故障电流的局部相频特性相匹配;运用改进经验小波变换分解电流,计算细节分量c_(3)的模极大值,构造故障检测判据;设计一种权重自学习网络,依据数据对分类任务的重要性分配不同的权重,嵌套于多视角深度矩阵分解模型前端,运用改进多视角深度矩阵分解模型对电流分量c_(1)—c_(3)、极间电压u_(dc)这4个视角的数据进行故障特征提取,通过软分配层实现故障的分类。仿真测试结果表明,所提故障检测方案能够满足故障检测速动性、可靠性的要求,故障分类准确度高,为后续故障处理奠定了良好基础。

基于改进经验小波变换的高压电缆局部放电噪声抑制研究

对高压电缆的局部放电(PD)进行监测,并对其所包含的噪声信息进行抑制,是一种有效的绝缘评估方法。针对PD信号所包含的复杂噪声信息,提出一种基于改进经验小波变换(IEWT)的噪声抑制方法。该方法以IEWT分解为核心,通过将含噪信号分解为按频率顺序排列的经验小波函数(EWF),有效避免复杂噪声信号分解时的模态混叠现象。利用峭度规则对分解得到的EWF进行筛选,最后对筛选出的有用EWF进行重构和降噪处理,达到对复杂含噪信号的噪声抑制效果。模拟仿真以及现场测试表明,与现有基于EWT和基于EMD的降噪方法进行对比,该文所提方法可更有效地抑制PD信号所包含的噪声信息。

基于改进经验小波变换的电能质量扰动检测新方法

针对经验小波变换(EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄漏和噪声污染干扰的问题,提出一种基于改进经验小波变换(IEWT)的电能质量扰动检测新方法。首先,通过Fourier谱包络动态测度算法确定扰动信号的特征频点,并在原有频带边界的基础上进行延拓;然后,运用IEWT将扰动信号分解为若干调幅-调频(AM-FM)分量之和;最后对扰动分量实施标准希尔伯特变换,以求取扰动幅值、频率和起止时刻。通过算例仿真和变电站实测数据验证了所提方法的有效性,并对其检测结果进行对比分析。实验结果表明,所提方法兼具良好的模态分解能力和抗噪性能,且普适性更强,运算耗时更短,适用于工程实践。

改进的经验小波变换在滚动轴承故障诊断中的应用

经验小波变换是一种基于Fourier频谱特性,通过构建自适应小波滤波器组来分析复杂多分量信号的方法。该方法能够有效识别信号中的不同模态分量,但由于其Fourier频谱分割问题,在处理噪声及不稳定信号方面有所欠缺。针对这一问题,采用改进的经验小波变换方法,将信号分解为具有物理意义的经验模态。改进的经验小波变换主要考虑被处理信号的频谱形状,通过采用基于顺序统计滤波器(OSF)的包络方法以及遵循三个准则来获取有效峰值的方法,改进Fourier频谱分割过程。将改进的方法应用于滚动轴承故障诊断中,由于改进的经验小波变换能够将振动信号分解为一系列单分量成分,因此在轴承振动信号包络谱中能够清晰的发现故障特征。通过对滚动轴承振动模拟信号和实验信号的分析验证了该方法的有效性。

改进经验小波变换在齿轮低频微弱故障特征提取中的应用

齿轮振动信号的经验小波变换频谱分割,可能会将啮合频率及其边频带划分到不同频带上,导致频带划分不合理,分离出的调幅-调频(AM-FM)分量不理想。针对上述主要问题,提出了一种采用频谱趋势进行频谱边界划分的改进经验小波变换方法,将齿轮啮合频率与其相应的边频带划分到同一频带内,得到比较理想的AM-FM分量,实现了依据齿轮振动信号频谱局部特征的自适应分解。同时,对提取的AM-FM分量进行自相关分析以进一步增强改进经验小波变换的低频微弱故障特征提取效果。通过仿真与试验分析,验证了提出方法在齿轮低频微弱故障特征提取中的有效性及优势。

改进经验小波变换在风力机齿轮箱故障诊断中的应用

针对强噪声背景下风力机齿轮箱轴承的轻微故障特征易被淹没且提取困难等问题,提出滑移窗口提取子带的连续平均谱负熵(Continuous Average Spectral Negentropy,CASN)对经验小波变换(Empirical Wavelet Transform,EWT)进行改进。首先利用CASN-EWT方法分解风力机齿轮箱轴承故障信号,后利用谱负熵准则对所得分量进行筛选并重构,再开展包络分析,准确提取出故障特征,最后构成特征向量集输入支持向量机进行故障诊断。结果表明:CASN-EWT方法在保留EWT算法自适应性和有效避免模态混叠效应与端点效应的同时,极大提高EWT分解算法对噪声的鲁棒性,有利于准确提取故障特征频率,实现故障识别精度的提高。

基于可协调经验小波变换的多聚焦图像融合

提出了可协调经验小波变换,并将其应用于多聚焦图像融合。经验小波变换(EWT)是一种自适应信号分解方法,具有比经验模态分解和传统小波分解更好的特性。其核心思想是通过构造自适应的滤波器实现对信号的自适应分解。但是若直接对两幅多聚焦图像分别进行EWT分解,因各自生成的经验小波互不相关,将出现分解所得对应子带不匹配的情况,影响融合图像的质量。针对这一问题,提出了一种可协调的经验小波变换(C-EWT),CEWT分解下的两个多聚焦图像的对应子带是完全匹配的。基于此,利用C-EWT提出了一种新的多聚焦图像融合算法。每幅源图像经过C-EWT分解后,得到一个低频分量和多个高频分量;对低频分量采用基于改进Laplacian能量和的阈值匹配选择与加权规则进行融合,对高频分量则采用局部Log-Gabor能量取大的融合规则;将融合之后的各子带分量进行重构得到融合图像。仿真实验表明:与其他六种融合算法相比,所提算法在融合聚焦区域、保留边缘和细节信息方面具有优势,融合图像具有更好的视觉效果,且客观评价指标与标准图像最为接近。

基于EWT-FE分析联合改进SVM算法的GIS局部放电诊断方法

为提高气体绝缘组合电器(Gas insulated switchgear,GIS)局部放电类型诊断的精度,提出了一种基于EWT-FE结合IHPO-SVM算法的GIS局部放电诊断方法。为深度挖掘局部放电信号内部特征,利用经验小波变换(Empirical wavelet transform,EWT)结合模糊熵(Fuzzy entropy,FE)算法对信号进行分解,并提取有效特征量;为提高支持向量机(Support vector machine,SVM)算法自适应能力与分类识别精度,提出利用经过余弦衰减计算方法以及指数下降函数改进的猎人猎物优化(Improved hunter-prey optimizer,IHPO)算法对SVM算法参数进行优化选取;搭建GIS局部放电试验模型,建立基于EWT-FE信号分析结合IHPO-SVM的局部放电识别模型,对所提算法有效性进行验证。试验结果表明,所提算法GIS局部放电类型诊断精度均大于95%,优于传统诊断算法。

基于改进经验小波能量熵的负载侧新能源占比定量研究

随着分布式新能源的大量接入,变电站中低压线路中除了确定分类的负荷,还增加了许多不确定的可再生能源功率成分.从经济性和清洁性的角度出发,必要定量分析其中的新能源占比,提升用户的用电质量水平.针对低压馈线处的电能质量信息,提出一种基于改进经验小波能量熵和长短期记忆(Long Short Term Memory,LSTM)神经网络的定量分析算法.该方法以经验小波变换为基础,将长时间序列分为等长的小段时间序列,分别进行经验小波变换;得到各个经验小波函数分量后,计算出各个特征分量的能量熵序列;再引入峭度的概念,对各个能量熵序列加权差异化处理,突出特征信息;最后利用LSTM神经网络进行分类处理,判断不同可再生能源占比的电能质量信息属于哪个区间片段.通过搭建仿真模型模拟现场实际数据,高效准确地定量分析可再生能源占比,并与其他传统方法对比,验证了该方法的有效性和优越性.

基于EEWT的电力系统超高次谐波检测

随着电力系统逐渐电力电子化,导致大量超高次谐波注入电网,引发了新的电能质量问题。为了解决这一问题,首要任务是对其进行精准的测量。此处提出了一种基于改进经验小波变换(EEWT)的超高次谐波检测方法。根据超高次谐波信号的频域特点,对经验小波变换中原有的频带边界划分方法进行了改进,并通过计算过零率和相关系数对信号中的噪声进行有效滤除。再利用经验小波变换技术,实现各超高次谐波信号的分离,从而对幅值和频率的参数进行检测。通过仿真与实验对实际高频光伏逆变器所产生的超高次谐波进行检测。结果表明了理论分析的准确性以及参数检测结果的精度,从而最终验证了所提方法在实际应用中的可行性以及有效性。

ICEEMDAN-小波阈值法在谐波信号中的应用

为了在噪声环境下检测电力系统谐波信号,引入一种基于改进自适应噪声集合经验模态分解(ICEEMDAN)与小波阈值降噪的电力系统谐波信号检测新方法。该方法首先通过ICEEMDAN对含噪谐波信号分解,获取若干内在模态分量(IMF),计算每个IMF与原谐波信号的相关系数来确定含噪模态分量;然后使用改进的小波阈值函数对含噪分量进行去噪处理,通过希尔伯特变换(HT)获取谐波信号的幅频信息;最后将去噪后的IMF与优势IMF进行重构得到去噪后的信号。算例分析表明:ICEEMDAN和改进的小波阈值联合检测使得电力系统稳态谐波的平均误差为3.11%,暂态谐波的平均误差为3.64%,信噪比提高且去噪后的信号能够更真实地反映电力系统扰动信号的特征。

基于IEWT-MOMEDA-FSC的滚动轴承故障诊断

针对滚动轴承故障信号常伴有噪声干扰且故障特征难以提取的问题,本文提出一种基于改进经验小波变换(IEWT)、多点优化最小熵解卷积(MOMEDA)和快速谱相关(FSC)的滚动轴承故障诊断方法.首先,将原始信号进行快速谱相关分析得到增强包络谱,通过增强包络谱的极值点来自适应地划分频谱,以分割的频谱为边界构建小波滤波器组将信号分解为多个IMF分量,利用相关峭度准则筛选出有效的分量进行叠加;其次,用MOMEDA对其进行降噪处理,将降噪后的信号进行快速谱相关分析,得到增强包络谱图;最后,将增强包络谱图中幅值较高的频率与故障频率对比,判定其失效形式,用所提出的方法对实测轴承故障信号进行分析验证.结果表明,所提出的方法能有效降低噪音干扰且增强信号故障冲击特性,在噪声环境下具有较强的故障特征提取能力.

基于自适应Autogram+OSF滤波的电机轴承故障诊断

自相关谱峭度图Autogram方法可以对初始信号非周期脉冲与噪声进行限制的方式测定周期性脉冲,获得更精确的最优频带。设计了一种自适应Autogram方法,通过顺序统计滤波(OSF)方法完成电机轴承故障信号傅里叶谱的包络处理。研究结果表明:采用自适应Autogram方法进行处理时具备良好可行性。采用本方法测试佳解调频带的效果比滤波器快速谱峭度方法的性能更优。相对自适应Autogram方法并未形成明显的二倍与三倍频特征频率,产生了众多干扰分量。

基于改进的经验模态分解的时间序列匹配算法

针对经验模态分解(EMD)的不足之处,对原有EMD方法中利用上下包络的平均值得到平均包络进行了改进,采用三次样条对连续极值点的平均值进行插值获得平均包络。通过这种方式,增加了近似极值点,在"筛"过程的每次循环中,只需要一次而不是两次样条插值,缓解了"过冲"和"欠冲"现象,改进了EMD方法。然后利用改进的EMD方法降低序列的维度,并用K均值算法实现模式匹配。实验结果表明,提出的在对EMD进行改进的基础上实现模式匹配的方法,优于传统的基于小波的模式匹配方法。

改进EWT和Gath-Geva聚类的微震初至拾取算法

准确可靠的初至拾取是微震监测的关键环节之一。为解决低信噪比条件下微震初至拾取难的问题,基于含噪地震信号的S谱计算各频点能量得到能量曲线,以曲线极大值点频率重新确定频谱分割边界进行改进经验小波变换,将信号自适应分解为若干依频率和能量分布的本征模函数,剔除主频在阈值外的本征模函数得到降噪信号。提取降噪信号均值、功率、赤池信息准则值3个特征,将信号分为有效信号簇和噪声簇,利用Gath-Geva聚类分类,将信号簇的首次时间确认为初至时间。以人工拾取结果为参考,偏差20 ms内为正确拾取,仿真实验表明算法能有效降噪,在信噪比-10 dB时正确率71%,5 dB时达98.8%,比模糊C均值聚类算法准确度提高2.5%。实际微震拾取表明算法识别准确率达98%,具有较好的应用价值。

面向波浪能发电的电能质量扰动检测

为了对波浪能发电的电能质量扰动进行有效检测,在传统经验小波变换(EWT)的基础上,提出了改进EWT(IEWT),解决了传统EWT的频谱区间易错分、最高频带划分不合理的缺点,提高了在噪声干扰下有效极大值点及高频分量的检测精度。此外,进一步引入了希尔伯特变换(HT),实现了并网汇流侧电能质量复合扰动的幅值、频率、扰动起止时刻等信号参数的有效提取。实验结果验证了所提算法的有效性。