CN113899976A - 一种复合电能质量扰动可视化方法 - Google Patents
一种复合电能质量扰动可视化方法 Download PDFInfo
- Publication number
- CN113899976A CN113899976A CN202111278408.1A CN202111278408A CN113899976A CN 113899976 A CN113899976 A CN 113899976A CN 202111278408 A CN202111278408 A CN 202111278408A CN 113899976 A CN113899976 A CN 113899976A
- Authority
- CN
- China
- Prior art keywords
- waveform
- power quality
- continuation
- quality disturbance
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002131 composite material Substances 0.000 title claims abstract description 35
- 238000007794 visualization technique Methods 0.000 title claims abstract description 11
- 238000005070 sampling Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000012800 visualization Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种复合电能质量扰动可视化方法,按如下方法进行波形延拓和电能质量扰动可视化转换:首先,通过波形匹配延拓对10T采样电能质量扰动信号进行最佳匹配延拓,再结合分段三次埃米特插值拟合得到10T包络线序列;然后,通过2T滑动时间窗截取包络线序列,结合可视化技术得到复合电能质量扰动信号的可视化轨迹曲线图;最后,建立可电能质量扰动可视化曲线图样本库,结合先进图像识别算法实现复合电能质量扰动的检测分类。该方法有利于快速、准确辨识复合电能质量扰动。
Description
技术领域
本发明属于电能质量扰动信号检测分类技术领域,具体涉及一种复合电能质量扰动可视化方法。
背景技术
当今电能作为一种经济、实用、清洁且易于传输、控制和转换的能源形式在各行各业中得到了广泛的使用。同时作为电力企业向电力用户提供的一种特殊商品,电能的质量应该得到充分的保证。电能质量的优劣已成为电力系统运行和管理水平高低的重要标志,检测、控制和改善电能质量是构造坚强、优质智能电网的必要条件。理想状态下,电能是按额定幅值、额定频率进行传输。但在电力系统实际运行中,由于各种外界因素的干扰,电能往往不能达到理想状态,而是会出现各种扰动现象。例如,电力电子设备将谐波电流注入电力系统,这些电流导致系统阻抗两端电压非线性下降,产生谐波电压畸变;大型电机启动时能吸收正常运行时6~10倍的负荷电流,引起系统阻抗两端的电压下降,引发电压暂降;某相线路出现接地故障或两相短路故障会引发某相电压暂降,其余非故障相出现电压暂升;用于改善功率因数的电容器组在被切入和切除时,会引起幅度按指数衰减的电压电流突变,称之为振荡暂态;雷击可引起脉冲暂态,并且脉冲暂态会进一步激发电力系统谐振产生振荡暂态;交交变频器、感应电弧炉等设备的控制与电力系统频率不同步会造成电压波动和间谐波。近年来,随着分布式新能源(例如风能和光能)在电网中的广泛应用,大量电力电子器件、非线性负荷(例如电动汽车、电气化铁路)并入电网使电网的结构变得越来越复杂,由此引起的电能质量问题愈发严重,主要表现为电能质量扰动类型复合化,并造成传统识别算法适用性降低。
目前,为对电能质量进一步分析,一些信号处理方法被成功应用在电能质量扰动检测、分类领域,例如FFT、短时傅里叶变换、短时傅里叶变换、S变换、VMD、HHT和LMD等,各类算法有其优势和缺陷。傅里叶变换及其变形短时傅里叶变换(STFT)窗函数固定,时频分辨率单一;小波变换及其变形离散小波变换克服了STFT的缺点,但易受噪声影响;S变换具有良好的时频特性及特征提取特性,但是S变换对信号奇异点的检测不敏感,且计算量较大;EMD及其变形LMD等是一种基于信号时间尺度的时域分析法,虽然适用于电力系统中对非平稳信号的特征提取,但存在端点效应和模态混叠现象;HHT变换能自适应地分析非线性信号,但同样避免不了EMD的两个固有弊端。因此需要寻求一种能够显著减少算法复杂度、提高工程适用性的方法,能够实现电力电子化新型电力系统下复合电能质量扰动的快速准确辨识。
发明内容
本发明的目的在于提供一种复合电能质量扰动可视化方法,该方法有利于快速、准确辨识复合电能质量扰动。
为实现上述目的,本发明采用的技术方案是:一种复合电能质量扰动可视化方法,按如下方法进行波形延拓和电能质量扰动可视化转换:
首先,通过波形匹配延拓对10T采样电能质量扰动信号进行最佳匹配延拓,再结合分段三次埃米特插值拟合得到10T包络线序列;
然后,通过2T滑动时间窗截取包络线序列,结合可视化技术得到复合电能质量扰动信号的可视化轨迹曲线图;
最后,建立可电能质量扰动可视化曲线图样本库,结合先进图像识别算法实现复合电能质量扰动的检测分类。
进一步地,结合波形延拓和波形应匹配延拓的最佳匹配条件,使得延拓波形更加符合电能质量扰动信号的变化趋势。
进一步地,基于优化的2T包络线序列,结合复合电能质量扰动可视化转换技术,把时域特征不明显的扰动信号转换为具有明显形状特征的轨迹曲线图,进而实现对电能质量扰动的高精度及高抗噪性的检测、分类。
进一步地,该方法具体包括以下步骤:
步骤S1:给定原始信号x(t),找出信号的极值点序列ni;
步骤S2:选取特征波形,以包含x(1)、x(n1)、x(n2)、x(n3)的波形为特征波形W,长度为L,其中x(1)是波形左端点,x(n3)是波形右端点;
步骤S3:截取匹配波形,在后续信号中,以x(n2k+1)作为右端点,向左取长度为L的波形,作为匹配波形Wk(k=2,3,…);
步骤S4:采用多项式拟合特征波段离散数据,按照下式计算波段内采样点附近曲率,作为特征曲率C:
步骤S5:选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选;利用式(1)计算k个波形段内采样点附近的曲率Ck(i);根据下面的公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差;
式中,Cov(C,Ck)表示特征波段曲率与第k个匹配波段曲率的协方差;D(C)为特征波形曲率的方差,D(Ck)为第k个匹配波形曲率的方差;σk0表示特征波段与第k个匹配波段的绝对误差;N0为特征波段内采样点数,N为总采样点数;
步骤S6:选取最优匹配波形,当第k波形段绝对误差满足σ<α*L且匹配度Pk0最大,以Wk为最佳匹配波形段若满足,进入步骤S61;若不满足,则进入步骤步骤S62;
Pk0=ρk0-εk0-σk0 (5)
式中,α为常数,需要根据实际信号加以调整;Pk0为第k匹配波形段与特征波形段的匹配度指标;
步骤S7:通过分段埃米特插值法得到延拓信号的包络线,截去两端延拓部分得到10T包络线序列l(i);
步骤S8:通过2T的滑动窗口切片,得到5个2T的包络线序列了l(n);以此构建电能质量扰动可视化方程,以包络线序列对应的瞬时幅值为极径,相角变化对应极角变化,
绘制电能质量扰动可视化极坐标轨迹曲线;
式中,r为轨迹曲线的极径,θ为轨迹曲线的极角;n是采样点数,ns是一个周期采样点数:ns=T*fs,fs是采样频率;
步骤S9:建立各种电能质量扰动可视化轨迹曲线图样本库,结合先进图像识别模型进而实现复合电能质量扰动的检测和分类。
进一步地,所述步骤S6具体包括以下步骤:
步骤S61:选取Wj为最佳匹配波形段,以其左端点x(i)的前一点x(i-1)作为延拓波形的右端点,向左截取长度为u的波形作为延拓波形;将延拓波形左移至x(1)前,完成信号的左端点延拓;同理,完成信号的右端点延拓;
步骤S62:未寻到最佳匹配波形段,表明内在规律不适应边界变化趋势,则直接指定端点处的极大值和极小值:以最靠近右端点的极值点作为延拓波形的极值点,以最大程度贴合边界的变化趋势;若靠近右端点的极值点为极小值,该极小值作为延拓波形的极小值,其绝对值作为延拓波形的极大值;若靠近右端点的极值点为极大值,直接指定出待延拓的极大值和极小值;同理,完成信号的左端点延拓。
与现有技术相比,本发明具有以下有益效果:
1、基于波形匹配延拓技术,结合波形曲率匹配延拓和波形自适应匹配延拓两种方法的最佳匹配条件,使得延拓曲线更加贴合电能质量扰动信号特征,实现更具意义的最佳匹配延拓。
2、基于2T周期的滑动窗口切片处理包络线序列,不仅可以减小原信号两端的端点效应,还可以避免内部每个2T切片序列两端的端点效应,使切片包络线具有更好的适用性;且通过2T时间窗更有利于对复合电能质量扰动进行精准有效地定位。
3、构建复合电能质量扰动可视化方程,通过可视化技术把时域特征不够明显的复合电能质量扰动信号转换为特征明显易辩的轨迹曲线图,结合先进图像识别网络模型,能够有效提高复合电能质量扰动分类辨识的准确性和实时性,并且具有很好的抗噪性能。
附图说明
图1为本发明实施例的方法实现流程图;
图2为本发明实施例中波形匹配延拓示例图;
图3为本发明实施例中复合电能质量扰动信号可视化的效果图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种复合电能质量扰动可视化方法,按如下方法进行波形延拓和电能质量扰动可视化转换:
首先,通过波形匹配延拓对10T采样电能质量扰动信号进行最佳匹配延拓,再结合分段三次埃米特插值拟合得到10T包络线序列。
然后,通过2T滑动时间窗截取包络线序列,结合可视化技术得到复合电能质量扰动信号的可视化轨迹曲线图。
最后,建立可电能质量扰动可视化曲线图样本库,结合先进图像识别算法实现复合电能质量扰动的检测分类。
本发明方法结合波形延拓和波形应匹配延拓的最佳匹配条件,使得延拓波形更加符合电能质量扰动信号的变化趋势。此外,本发明方法基于优化的2T包络线序列,结合复合电能质量扰动可视化转换技术,把时域特征不明显的扰动信号转换为具有明显形状特征的轨迹曲线图,进而实现对电能质量扰动的高精度及高抗噪性的检测、分类。
如图1所示,在本实施例中,本方法具体包括以下步骤:
步骤S1:给定原始信号x(t),找出信号的极值点序列ni。
步骤S2:选取特征波形,以包含x(1)、x(n1)、x(n2)、x(n3)的波形为特征波形W,长度为L,其中x(1)是波形左端点,x(n3)是波形右端点。
步骤S3:截取匹配波形,在后续信号中,以x(n2k+1)作为右端点,向左取长度为L的波形,作为匹配波形Wk(k=2,3,…),如图2所示。
步骤S4:采用多项式拟合特征波段离散数据,按照下式计算波段内采样点附近曲率,作为特征曲率C:
步骤S5:选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选。利用式(1)计算k个波形段内采样点附近的曲率Ck(i)。根据下面的公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差。
式中,Cov(C,Ck)表示特征波段曲率与第k个匹配波段曲率的协方差;D(C)为特征波形曲率的方差,D(Ck)为第k个匹配波形曲率的方差;σk0表示特征波段与第k个匹配波段的绝对误差;N0为特征波段内采样点数,N为总采样点数。
步骤S6:选取最优匹配波形,当第k波形段绝对误差满足σ<α*L且匹配度Pk0最大,以Wk为最佳匹配波形段若满足,进入步骤S61;若不满足,则进入步骤步骤S62。
Pk0=ρk0-εk0-σk0 (5)
式中,α为常数,需要根据实际信号加以调整;Pk0为第k匹配波形段与特征波形段的匹配度指标。
在本实施例中,所述步骤S6具体包括以下步骤:
步骤S61:选取Wj为最佳匹配波形段,以其左端点x(i)的前一点x(i-1)作为延拓波形的右端点,向左截取长度为u的波形作为延拓波形。将延拓波形左移至x(1)前,完成信号的左端点延拓。按照类似的方法,完成信号的右端点延拓。
步骤S62:未寻到最佳匹配波形段,表明内在规律不适应边界变化趋势,则直接指定端点处的极大值和极小值:以最靠近右端点的极值点作为延拓波形的极值点,以最大程度贴合边界的变化趋势。若靠近右端点的极值点为极小值,该极小值作为延拓波形的极小值,其绝对值作为延拓波形的极大值。若靠近右端点的极值点为极大值,同上述方法类似直接指定出待延拓的极大值和极小值。按照类似的方法,完成信号的左端点延拓。
步骤S7:通过分段埃米特插值法得到延拓信号的包络线,截去两端延拓部分得到10T包络线序列l(i)。
步骤S8:通过2T的滑动窗口切片,得到5个2T的包络线序列了l(n)。以此构建电能质量扰动可视化方程,以包络线序列对应的瞬时幅值为极径,相角变化对应极角变化,绘制电能质量扰动可视化极坐标轨迹曲线。如图3所示,10T采样信号经过切片处理及可视化变换转换为5个形状特征明显的轨迹曲线图。
式中,r为轨迹曲线的极径,θ为轨迹曲线的极角;n是采样点数,ns是一个周期采样点数:ns=T*fs,fs是采样频率。
步骤S9:建立各种电能质量扰动可视化轨迹曲线图样本库,结合先进图像识别模型进而实现复合电能质量扰动的检测和分类。
综上所述,本发明有助于实现对新型电力电子化电力系统中日渐复杂的复合电能质量扰动更加准确高效的检测识别,从而提高电网稳定运行能力。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (5)
1.一种复合电能质量扰动可视化方法,其特征在于,按如下方法进行波形延拓和电能质量扰动可视化转换:
首先,通过波形匹配延拓对10T采样电能质量扰动信号进行最佳匹配延拓,再结合分段三次埃米特插值拟合得到10T包络线序列;
然后,通过2T滑动时间窗截取包络线序列,结合可视化技术得到复合电能质量扰动信号的可视化轨迹曲线图;
最后,建立可电能质量扰动可视化曲线图样本库,结合先进图像识别算法实现复合电能质量扰动的检测分类。
2.根据权利要求1所述的一种复合电能质量扰动可视化方法,其特征在于,结合波形延拓和波形应匹配延拓的最佳匹配条件,使得延拓波形更加符合电能质量扰动信号的变化趋势。
3.根据权利要求1所述的一种复合电能质量扰动可视化方法,其特征在于,基于优化的2T包络线序列,结合复合电能质量扰动可视化转换技术,把时域特征不明显的扰动信号转换为具有明显形状特征的轨迹曲线图,进而实现对电能质量扰动的高精度及高抗噪性的检测、分类。
4.根据权利要求1所述的一种复合电能质量扰动可视化方法,其特征在于,具体包括以下步骤:
步骤S1:给定原始信号x(t),找出信号的极值点序列ni;
步骤S2:选取特征波形,以包含x(1)、x(n1)、x(n2)、x(n3)的波形为特征波形W,长度为L,其中x(1)是波形左端点,x(n3)是波形右端点;
步骤S3:截取匹配波形,在后续信号中,以x(n2k+1)作为右端点,向左取长度为L的波形,作为匹配波形Wk(k=2,3,…);
步骤S4:采用多项式拟合特征波段离散数据,按照下式计算波段内采样点附近曲率,作为特征曲率C:
步骤S5:选择相关系数ρ、曲率匹配误差ε及绝对误差σ作为指标进行波形匹配筛选;利用式(1)计算k个波形段内采样点附近的曲率Ck(i);根据下面的公式分别计算特征波段曲率与匹配波段曲率之间相关系数、匹配误差和波形绝对误差;
式中,Cov(C,Ck)表示特征波段曲率与第k个匹配波段曲率的协方差;D(C)为特征波形曲率的方差,D(Ck)为第k个匹配波形曲率的方差;σk0表示特征波段与第k个匹配波段的绝对误差;N0为特征波段内采样点数,N为总采样点数;
步骤S6:选取最优匹配波形,当第k波形段绝对误差满足σ<α*L且匹配度Pk0最大,以Wk为最佳匹配波形段若满足,进入步骤S61;若不满足,则进入步骤步骤S62;
Pk0=ρk0-εk0-σk0 (5)
式中,α为常数,需要根据实际信号加以调整;Pk0为第k匹配波形段与特征波形段的匹配度指标;
步骤S7:通过分段埃米特插值法得到延拓信号的包络线,截去两端延拓部分得到10T包络线序列l(i);
步骤S8:通过2T的滑动窗口切片,得到5个2T的包络线序列了l(n);以此构建电能质量扰动可视化方程,以包络线序列对应的瞬时幅值为极径,相角变化对应极角变化,绘制电能质量扰动可视化极坐标轨迹曲线;
式中,r为轨迹曲线的极径,θ为轨迹曲线的极角;n是采样点数,ns是一个周期采样点数:ns=T*fs,fs是采样频率;
步骤S9:建立各种电能质量扰动可视化轨迹曲线图样本库,结合先进图像识别模型进而实现复合电能质量扰动的检测和分类。
5.根据权利要求4所述的一种复合电能质量扰动可视化方法,其特征在于,所述步骤S6具体包括以下步骤:
步骤S61:选取Wj为最佳匹配波形段,以其左端点x(i)的前一点x(i-1)作为延拓波形的右端点,向左截取长度为u的波形作为延拓波形;将延拓波形左移至x(1)前,完成信号的左端点延拓;同理,完成信号的右端点延拓;
步骤S62:未寻到最佳匹配波形段,表明内在规律不适应边界变化趋势,则直接指定端点处的极大值和极小值:以最靠近右端点的极值点作为延拓波形的极值点,以最大程度贴合边界的变化趋势;若靠近右端点的极值点为极小值,该极小值作为延拓波形的极小值,其绝对值作为延拓波形的极大值;若靠近右端点的极值点为极大值,直接指定出待延拓的极大值和极小值;同理,完成信号的左端点延拓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111278408.1A CN113899976B (zh) | 2021-10-30 | 2021-10-30 | 一种复合电能质量扰动可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111278408.1A CN113899976B (zh) | 2021-10-30 | 2021-10-30 | 一种复合电能质量扰动可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113899976A true CN113899976A (zh) | 2022-01-07 |
CN113899976B CN113899976B (zh) | 2024-03-29 |
Family
ID=79027757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111278408.1A Active CN113899976B (zh) | 2021-10-30 | 2021-10-30 | 一种复合电能质量扰动可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113899976B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115048957A (zh) * | 2022-06-08 | 2022-09-13 | 福州大学 | 基于isvmd-ht的复合电能质量扰动参数辨识方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140239939A1 (en) * | 2011-10-19 | 2014-08-28 | Schneider Electric Industries Sas | Method and device for analysing the quality of the electrical energy in a three-phase electric network |
CN108664901A (zh) * | 2018-04-20 | 2018-10-16 | 三峡大学 | 基于改进lmd的微电网电能质量扰动信号检测方法 |
CN109035662A (zh) * | 2018-09-07 | 2018-12-18 | 电子科技大学 | 一种基于电容扰动的周界报警系统入侵信号识别方法 |
CN109855852A (zh) * | 2019-03-04 | 2019-06-07 | 中国矿业大学 | 一种基于短时校正傅里叶变换的信号包络提取方法 |
CN109919422A (zh) * | 2019-01-23 | 2019-06-21 | 浙江工业大学 | 一种考虑数据动态模糊依赖关系的电能质量综合评价方法 |
CN110111015A (zh) * | 2019-05-13 | 2019-08-09 | 中南大学 | 一种基于变分模态分解多尺度排列熵的电能质量分析方法 |
CN111220842A (zh) * | 2020-01-16 | 2020-06-02 | 华南理工大学 | 电压暂降扰动事件发现与定位方法、装置、设备及介质 |
CN113438047A (zh) * | 2021-08-02 | 2021-09-24 | 国网重庆市电力公司长寿供电分公司 | 一种基于高阶统计特性的窄带物联网干扰抑制方法 |
-
2021
- 2021-10-30 CN CN202111278408.1A patent/CN113899976B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140239939A1 (en) * | 2011-10-19 | 2014-08-28 | Schneider Electric Industries Sas | Method and device for analysing the quality of the electrical energy in a three-phase electric network |
CN108664901A (zh) * | 2018-04-20 | 2018-10-16 | 三峡大学 | 基于改进lmd的微电网电能质量扰动信号检测方法 |
CN109035662A (zh) * | 2018-09-07 | 2018-12-18 | 电子科技大学 | 一种基于电容扰动的周界报警系统入侵信号识别方法 |
CN109919422A (zh) * | 2019-01-23 | 2019-06-21 | 浙江工业大学 | 一种考虑数据动态模糊依赖关系的电能质量综合评价方法 |
CN109855852A (zh) * | 2019-03-04 | 2019-06-07 | 中国矿业大学 | 一种基于短时校正傅里叶变换的信号包络提取方法 |
CN110111015A (zh) * | 2019-05-13 | 2019-08-09 | 中南大学 | 一种基于变分模态分解多尺度排列熵的电能质量分析方法 |
CN111220842A (zh) * | 2020-01-16 | 2020-06-02 | 华南理工大学 | 电压暂降扰动事件发现与定位方法、装置、设备及介质 |
CN113438047A (zh) * | 2021-08-02 | 2021-09-24 | 国网重庆市电力公司长寿供电分公司 | 一种基于高阶统计特性的窄带物联网干扰抑制方法 |
Non-Patent Citations (1)
Title |
---|
SWASTIK ACHARYA: "Symmetrical Components Estimation of Unbalanced Three Phase Power System Using MO- ADALINE Structure and Hermite Polynomial Based Gauss Newton Algorithm", 《 2018 2ND IEEE INTERNATIONAL CONFERENCE ON POWER ELECTRONICS, INTELLIGENT CONTROL AND ENERGY SYSTEMS》, pages 516 - 521 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115048957A (zh) * | 2022-06-08 | 2022-09-13 | 福州大学 | 基于isvmd-ht的复合电能质量扰动参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113899976B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639541A (zh) | 基于频率变化率的自适应同步压缩时频分析方法 | |
CN113899976A (zh) | 一种复合电能质量扰动可视化方法 | |
CN116299577B (zh) | 一种应用于北斗三号基带芯片的窄带抗干扰装置及方法 | |
CN108680782B (zh) | 基于极值点对称模式分解的电压闪变参数检测方法 | |
Rojas et al. | Denoising of measured lightning electric field signals using adaptive filters in the fractional Fourier domain | |
CN103543331A (zh) | 一种计算电信号谐波和间谐波的方法 | |
Wei et al. | Efficient analysis of time-varying multicomponent signals with modified LPTFT | |
Bilbao et al. | Antiderivative antialiasing, lagrange interpolation and spectral flatness | |
Alhaj et al. | Power system harmonics estimation using sliding window based LMS | |
Wang et al. | Processing of partial discharge ultra-high frequency signals from a true size transformer | |
Musaruddin et al. | Signal segmentation of fault records based on Empirical Mode Decomposition | |
CN112505413B (zh) | 一种时频分析方法和系统 | |
CN115061018A (zh) | 一种高压开关柜局部放电监测方法 | |
Abdullah et al. | Bilinear time-frequency analysis techniques for power quality signals | |
CN108880505B (zh) | 基于启动判定元件和小波变换的接地网电位差滤波方法 | |
CN111308426A (zh) | 一种适用于单天线接收机的低信噪比周期调频信号检测与分离方法 | |
CN104978972B (zh) | 基于超完备傅里叶基的语音信号稀疏表示方法 | |
CN114063177B (zh) | 一种大地电磁数据去噪方法及系统 | |
CN113114160B (zh) | 一种基于时变滤波器的线性调频信号降噪方法 | |
Chen et al. | An efficient recursive time-varying Fourier transform by using a half-sine wave window | |
Singh et al. | Improvement in taylor weighted least square based dynamic synchrophasor estimation algorithm for real time application | |
CN114705913B (zh) | 一种旋转变压器的谐波分析方法 | |
Srivastava et al. | Time frequency analysis of analytic signal using signal matched filter bank | |
Lu et al. | Power substation magnetic field measurement using digital signal processing techniques | |
Sheng-en et al. | Subband processing based symbol-rate estimation method for MFSK signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |