采用自适应小波包分解的混合储能平抑风电波动控制策略

采用蓄电池和超级电容构建混合储能系统以平抑风电场输出功率波动,实现风电平滑并网。首先,针对不同风电出力场景下风电功率的波动特性,结合风电并网波动标准和混合储能系统性能特点,实现风电功率的自适应小波包分解和储能初级功率分配,得到风电并网功率和混合储能初级功率指令;其次,在混合储能系统内部,根据超级电容的荷电状态,利用模糊优化控制对蓄电池和超级电容的功率指令进行二次修正,得到优化后的混合储能功率分配指令。算例分析表明,所提策略能够自适应地实现风电功率的最优分解和合理分配,确保混合储能荷电状态工作在合理区间,有效改善风电输出功率波动平抑效果,保证混合储能系统长期稳定运行。

自适应小波包干扰抑制技术

干扰抑制是提高直接序列 ( DS)扩频通信系统抗干扰能力的重要手段。最近人们提出了一种新的干扰抑制技术——基于自适应小波包变换的干扰抑制。该技术利用小波包变换对受到干扰的 DS信号进行分解 ,使得有用信号和干扰分离 ,然后滤除干扰分量 ,最后通过小波包合成恢复扩频信号 ,其性能在很多情况下优于传统方案。对小波包干扰抑制技术作了综述 ,指出其优点和有待于解决的问题。

基于AVMD-自适应小波包法的电缆局部放电去噪研究

为准确提取检测到的局部放电信号,针对高压电力电缆的噪声抑制问题,提出了自适应变分模态分解(AVMD)结合自适应小波包分解的方法提取纯净的局放信号。首先运用AVMD将周期性窄带干扰、白噪声和局放信号分解在不同的基本模态分量中,将周期性窄带干扰滤出,得到仅含有白噪声的局放信号。再运用自适应小波包分解,将信号分解在高中低频的分量中,根据阈值法将不含局放信号的分量滤出,得到较为纯净的局放信号,并将所提方法分别与其中单独一种算法进行去噪比较分析。仿真结果表明,所提方法抑制噪声效果更明显,与仿真信号的相似度最高。

基于自适应小波包变换的LMS窄带干扰抑制技术

文章将自适应小波包子带树分解算法与LMS自适应算法相结合,利用自适应小波包变换所具有的优良时频局域性和多分辨分析特征,迅速跟踪和准确定位窄带干扰所污染的子带;然后利用自适应LMS算法对受扰子带进行干扰对消,将窄带干扰滤除,在去除干扰的同时,有效地减少了对有用信号的损失。同时,小波包变换提高了LMS算法的收敛速度和稳定性。仿真结果表明,二者的结合使DSSS系统的干扰抑制性能得到进一步提高。

基于自适应小波包分解的混合储能平抑高渗透率光伏社区电网电压波动方法

以高密度光伏社区电网为研究对象,针对光伏输出功率变动引起的电网电压波动问题,提出一种基于自适应小波包分解的混合储能系统平抑方法。首先分析光伏输出功率变动引起电网电压波动的机理,并根据光伏输出变动幅频特性及储能体的性能特点确定混合储能的补偿频段。然后针对实时小波包分解方法延迟效应造成提取各频段成分不准确的问题,提出根据光伏输出功率变动引起的电压波动确定小波包分解层数,从而减小实时小波包分解方法的延迟,使其具有自适应能力。最后仿真对比传统小波包分解方法与自适应小波包分解方法的平抑效果,结果表明提出的方法可提高提取各频段成分的准确性,平抑效果优于传统小波包分解方法。

基于自适应时间尺度小波包和模糊控制的复合储能控制策略

对复合储能系统参与风电波动平抑进行了探讨和分析。首先,传统滤波方法在提取并网功率时以风电波动大的时段确定平滑程度,在不同风电波动场景整体平滑效果差异较大,提出自适应时间尺度小波包方法,能够根据风电波动情况自适应规划滤波时间尺度,同时在时间尺度内自适应确定分解层数,兼顾不同风电波动时段,提高了场景适应能力。然后,基于功率型、能量型储能出力充放电响应分界时间,用所提方法进行内部功率分配,并设计了计及复合储能荷电状态(SOC)优化和能量型、功率型储能协调控制的双目标模糊控制策略,在优化SOC的同时减小对并网功率的影响。最后,依托某风电场典型日数据在MATLAB中验证了所提方法的有效性。

基于CEEMDAN-小波包自适应阈值混凝土声发射信号降噪研究

为了得到更加纯净的混凝土声发射(acoustic emission, AE)信号来更准确地监测混凝土结构破裂过程,提出了一种完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition, CEEMDAN)与小波包自适应阈值联合方法对循环荷载作用下的混凝土声发射信号进行降噪处理,运用信噪比和快速傅里叶变化(fast Fourier transform, FFT)分析来验证所用方法的可行性。实验结果表明:结合CEEMDAN-小波包自适应阈值对混凝土声发射信号进行降噪的效果较好,能有效地保留混凝土声发射信号特征信息,对混凝土声发射信号降噪提供新的思路,为后续利用声发射信号分析混凝土结构内部微裂纹扩展及演化特征奠定基础。

DSSS系统中自适应时变小波包干扰抑制

提出了一种基于自适应时变小波包变换实现直接序列扩频通信系统时变窄带干扰抑制的方法。该方法在自适应时域分解的基础上,利用小波包变换多分辨分析能力和良好的时频特性进行频率分解,将有用信号和干扰分离,然后将受扰频带置零后进行小波包合成,达到滤除时变窄带干扰的目的。计算机仿真结果表明,该方法与非时变自适应小波包抑制技术相比较,以计算复杂度为代价,能更灵活有效地跟踪和定位时变干扰,提供较好的误码率性能。

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法。该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征。该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征。结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法。

自适应冗余提升小波包变换的滚动轴承故障诊断新方法

针对滚动轴承故障微弱信号特征识别问题,提出一种非抽样运算的自适应冗余提升小波包诊断方法,解决了传统的小波包或提升小波变换进行抽样运算造成故障信息失真问题。该方法以提升原理为基础,通过Lagrange插值细分思想计算初始的非抽样预测和更新算子,进而构造了自适应冗余提升小波包分解与重构算法。对仿真信号进行降噪与抗频率混叠实验,结果表明,该方法降噪能力优于传统小波包,且不存在频率混叠现象。在异步电动机上实测了滚动轴承6205无故障、内圈故障、外圈故障及滚动体故障时的振动信号,用这种方法成功提取了各类故障的特征频率及倍频,且比传统小波包具有更高的诊断精度。

基于增强多头注意力机制的Optuna-BiGRU测井岩性识别

测井岩性识别是油气勘探开发中至关重要的内容。针对现有算法模型在处理测井曲线数据时,无法有效捕获曲线内部深层关联和深度方向关系、拟合能力较弱、难以准确提取关键特征、噪声干扰以及模型超参数调优过程复杂困难等问题,提出了一种通过Optuna超参数优化双向门循环单元(Optuna-BiGRU)结合增强多头注意力机制(EMHA)的测井岩性识别模型——Optuna-BiGRU-EMHA模型。该模型引入残差机制和层归一化以改进多头注意力机制模块,并结合双向门循环单元(BiGRU)解决了处理测井数据时的问题,同时使用Optuna超参数优化框架和小波包自适应阈值方法分别解决了超参数调优和噪声干扰问题。首先通过交会图分析和敏感性箱线图分析选取自然伽马、深感应电阻率、中子-密度孔隙度、平均中子-密度孔隙度和岩性密度5个特征参数的测井数据,通过小波包自适应阈值方法对数据进行去噪,并将测井数据分割成数据块,然后利用Optuna框架优化BiGRU-EMHA模型超参数,最后通过实验对比K-近邻算法(KNN)、随机森林(RF)、极端梯度提升算法(XGBoost)、长短期记忆(LSTM)神经网络、BiGRU、双向长短期记忆(BiLSTM)神经网络、BiGRU-MHA、Optuna-BiGRU-EMHA等8种模型在测井岩性识别中的精度。结果表明:Optuna-BiGRU-EMHA模型识别准确率达到80%,相对于传统机器学习模型和深度学习模型,综合岩性识别准确率分别提高15.94%~23.14%和3.93%~15.94%,该模型为常规测井岩性识别提供了坚实的理论支持。

基于风功率波动平抑的复合储能两次功率分配容量配置方法研究

针对风功率波动平抑场景,提出了一种锂电池-超级电容复合储能容量配置新方法,将容量配置划分为复合储能总功率分配和内部功率解耦两个过程。首先采用自适应时间窗小波包方法平滑风电功率,可根据风波动情况自适应规划滤波时间窗,在时间窗内自适应确定小波包分解层数,兼顾整体风功率平滑和局部风电功率跟踪,减小了复合储能系统总功率;然后基于多项式拟合滤波(Savitzky-Golay,SG)解耦内部功率,在此基础上构建以寿命周期净效益最大为目标的复合储能容量配置模型,并提出一种改进哈里斯鹰算法(improved elite Harris hawks optimizer,IEHHO)求解模型。该算法通过引入精英等级策略加强优势个体的信息共享,并提出非线性能量函数和高斯随机游走策略平衡各阶段搜索能力,避免限于局部最优。最后,基于实际风电场数据验证了所提策略的有效性、所提算法的高效性及配置方案的合理性。

基于改进CEEMDAN的应答器上行链路信号降噪研究

针对在高速铁路复杂电磁环境中应答器上行链路(balise uplink,BU)信号传输受扰的问题,提出了一种基于自适应白噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与小波包自适应阈值的联合降噪方法。首先,采用CEEMDAN算法将模拟BU信号分解为12个模态分量,根据相关系数判断分量为相关分量或无关分量;然后,相关分量经小波包降噪处理后重构为降噪后的BU信号;最后,选用信噪比(signal-noise ratio,SNR)和均方根误差(root mean square error,RMSE)作为评价指标,将该方法与目前广泛采用的6种降噪方法进行对比,信噪比提高了0.4861~6.144 dB,均方根误差降低了0.0549~11.091。为检验该方法的实际应用效果,采用联合降噪方法对实测BU信号进行降噪处理。仿真验证和实验验证的结果表明,采用联合降噪方法降噪后的BU信号不仅噪声分量得到了有效去除,而且信号特征保存完好,证明该方法能够应用于解决实际BU信号受扰问题。

基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别

针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSASVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响;其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量;最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。

基于结构纹理分解的改进图像压缩算法

用等级树集合分区(set partitioning in hierarchical trees,SPIHT)压缩结构分量所产生的误差一般情况下能体现高振荡的特性,比较符合纹理特点,所以将这部分误差信号叠加在纹理分量中形成一个新的纹理源,利用小波包变换进行压缩,提出了一种改进的基于结构-纹理分解的图像压缩处理算法.理论分析表明这是分层压缩问题中一种普适的有效策略.从实验结果可以看出,这种处理方式相对于现有的结构纹理分解压缩的方式而言,始终具有一定的信噪比增益,相对于目前的JPEG2000压缩标准及单一的SPIHT、快速小波包变换(FWP)等算法具有一定的优越性.

计及源-荷预测不确定性的微电网双级随机优化调度

风光储微电网接入高渗透率的可再生能源对其经济运行构成了巨大的挑战。针对这一问题,提出了计及源-荷预测不确定性的微电网双级调度策略。在日前调度阶段,以多场景下的期望运行成本最低为优化目标,构建了基于多场景技术的随机优化调度模型。利用场景分析法对日前风电、光伏和负荷预测进行场景分析;建立了多场景下含不确定变量的功率平衡方程,并将其松弛为不等式后作为一个随机事件使其以较高的概率满足机会约束;此外,用机会约束规划构建了旋转备用容量的可靠性约束模型,使微电网在一定的置信水平下满足系统的可靠运行。在日内调度阶段,提出了结合自适应小波包算法的日内滚动调度模型。利用自适应小波包算法动态提取每一控制周期内超短期预测数据与日前调度计划之间的功率偏差,并由蓄电池、超级电容器和主网供电共同平抑。

两种改进小波算法的卫星多波段数据融合

本文采用两种改进的算法:基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSat TM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合.融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高.当应用两种方法对同一组数据进行处理时, AWP的性能参数优于HSV-WT.这两种算法相对传统小波算法,能克服对高频信息处理的缺陷,突破待融合数据的分辨率比值限制,实现分辨率之比非2n的数据融合.

平滑风电出力的风储联合系统能量管理协调控制研究

为实现风电友好并网,采用混合储能系统平抑风电有功出力波动。首先,针对风功率的随机波动特性,采用滑动平均滤波算法与自适应小波包分解方法分别得到目标并网功率,结合风电并网波动率要求,比较不同目标功率获取方法的优劣。其次,对于并网功率缺额和盈余部分,由蓄电池-超级电容构成的混合储能系统进行补偿和消纳,并根据各储能设备的不同性能,按照频率分配各储能设备的功率指令。然后,结合储能设备荷电状态和出力的限值约束,提出一种风储联合系统协调控制策略,实现储能设备间的能量互补,延长储能设备的使用寿命。最后,基于历史风电数据的仿真分析,验证所提方法的有效性。