改进递归小波变换在变压器保护中的应用研究

从小波变换的基本理论出发，构造出适于电力系统故障信号分析的基本小波，同时，为了满足电力系统的实时性需求，提出了改进递归小波变换，并利用其进行了鉴别变压器励磁涌流的研究。研究结果表明该方法是可行的。

基于改进递归小波变换的超高压线路边界保护元件算法

在分析输电线路边界频率特性的基础上,提出了一种基于改进递归小波变换的超高压输电线路边界保护元件算法。采用改进递归小波变换分别提取高频和次高频2个不同中心频率的故障暂态电流分量,利用母线对地杂散电容和阻波器对高频暂态分量的衰减作用,根据2个不同频率分量的暂态能量比值来识别保护区内外的故障。采用PSCAD/EMTDC对某500kV超高压输电线路模型进行仿真,结果表明该算法基本不受故障位置、故障过渡电阻、故障类型和故障初始角的影响,能准确识别保护区内外故障。改进递归小波变换算法只采用历史数据信息,实时性好,计算量少,因此基于改进递归小波变换的超高压输电线路边界保护元件算法可提高计算速度,能够满足超高压输电系统高速保护的要求。

基于改进递归小波变换的交通流异常点与变点检测算法

为准确界定交通流状态,辅助交通管理者对交通异常事件进行及时处理,提出了一种基于改进递归小波变换的异常点与变点快速检测算法,并将其应用于交通流实时监控与预警。首先,对历史交通流序列建立自回归模型,将残差序列的标准化有效分数向量作为统计量,利用3-Sigma原则,提出为统计量差分时序设定监控阈值的方法,实现了交通流状态的实时预警。其次,利用改进递归小波变换统计量,结合小波复合信息并综合考虑真实变点与估计变点之间的差异,选取小波变换特征频率与最优搜索长度,快速检测并估计交通流异常点与变点,实现了交通流状态的在线监控。最后,仿真试验和实例分析验证了算法的合理性与可行性。研究结果表明:设定的阈值对交通流变化趋势掌控明显,能够对交通异常状态进行及时预警;结合特征频率的复小波变换信息,能够有效检测并区分交通流异常点与变点;与基于有效分数向量的传统变点检测算法相比,算法的检测性能在延迟与收敛性两方面均有明显改善。该算法能够对交通流状态进行在线监控,这将为断面车流实时预警提供支持。

基于改进递归小波的电力系统频率测量

信号复小波变换的相位谱包含了信号变化的丰富信息,利用电压信号的复小波变换相位信息检测电力系统频率,具有不受电压信号畸变影响、抗噪声能力强、精度高等特点。通过电压信号在特定尺度的改进递归小波变换(IRWT)系数的相位变化周期,可得到电压信号的频率。对理想信号和畸变信号的仿真计算结果验证了该算法具有精度高、速度快、鲁棒性强等特点,市电电压的频率实测结果表明该方法可用于实际电力系统频率的测量。

基于改进递归复小波变换的输电线路边界保护元件算法

在分析超高压输电线路边界频率特性的基础上,提出一种基于改进递归小波变换的超高压输电线路边界保护元件算法。采用改进递归小波变换提取故障电流信号中的暂态分量,利用小波变换后的相位信息来获取故障信号的平均频率,通过故障暂态信号的平均频率差异来识别区内外故障。改进递归小波算法采用历史数据进行计算,具有很好的实时性,提高了计算速度,能够满足电力系统超高速保护的要求。EMTDC仿真结果表明该算法不受故障类型、过渡电阻、故障位置以及故障初始角等故障条件的影响,具有可行性。

一类递归小波的构造及其应用

传统小波变换存在数据窗长、实时性差的局限性 ,为此 ,基于一类超高斯函数 ,提出了一类能由递归方法实现小波变换的递归小波基的通用构造方法 ,分析了其时频特性。在此基础上 ,提出了对信号进行频段特征提取的组合递归小波变换方法。分析了某实际高压输电线路单相接地故障暂态信号 ,仿真结果表明 ,递归小波和组合递归小波对故障暂态信号的特征提取具有灵活性强、实时性好的特点 。

基于暂态能量的超高压串补线路故障选相

超高压输电线路发生故障时,线路上的串补电容及其保护回路都将在故障时产生附加的暂态分量。为此,分析了串补线路故障时暂态电流特征,在得出串补对高频暂态电流影响较小的结论后,利用改进递归小波对故障时各相的高频电流能量进行分析,通过比较能量来识别故障类型和判别故障相别。大量ATP(thea lternative trans ien ts program)仿真实验以及实际录波数据验证表明,该算法在不同故障条件下(不同故障位置和初始角等)都能正确选出故障相。

New Method for 2D Image Edge-detection in Layer-layer 3D Testing System

A new method based on the material removal and cross-section optical scanning is investigated.The advantage of this method is that the internal and external information of the specimen can be obtained at same precision. In order to eliminate the pulse and Gaussian noise, the multi-scale dyadic wavelet methods are presented and discussed. The experimental results show that the multi-scale dyadic wavelet methods can successfully extract the features from noise image.The accuracy of 2D edge detection is 5.4 μm with the resolution of 2.7 μm.