导读:本文包含了谐波小波变换论文开题报告文献综述及选题提纲参考文献，主要关键词:MATLAB,小波变换,电力机车,谐波电流
谐波小波变换论文文献综述
薛振洲[1]（2019）在《基于MATLAB和小波变换的电力机车谐波电流研究》一文中研究指出电力机车受电弓从接触网获取单相工频交流电,整流电路将交流电变成直流电,所产生的的谐波成分会对有关电路、通信系统等部件带来不利影响。谐波的高低所造成的影响不同,低谐波会影响到电力系统的正常运行,高谐波会直接干扰通信系统。因此,对谐波进行准确分析并制定相应的防治措施具有重要的现实意义。以交直型(SS4G型)电力机车为分析对象,对基于小波变换的谐波检测方法进行了描述,基于小波变换的谐波检测方法进行全面细致的分析和说明,并全面介绍了在MATLAB环境下电力机车谐波电流的相关情况。(本文来源于《电子测试》期刊2019年15期）
张俊辉[2]（2019）在《基于小波变换的电气化铁路谐波检测》一文中研究指出为了提高电气化铁路谐波检测准确度,提出一种基于小波变换的电气化铁路谐波检测方法。首先分析电气化铁路谐波检测原理,并采集电气化铁路谐波信号;然后采用小波变换对电气化铁路谐波信号进行分解和去噪,得到无噪的电气化铁路谐波信号;最后采用递推最小二乘法对电气化铁路谐波进行检测,并在Matlab 2017平台上进行电气化铁路谐波检测仿真模拟实验。结果表明,该方法的电气化铁路谐波检测准确度高,不仅减少了电气化铁路谐波检测误差,而且电气化铁路谐波检测的实时性好,谐波检测的整体结果要优于当前其他电气化铁路谐波检测方法,具有广泛的应用前景。(本文来源于《电气应用》期刊2019年06期）
张颖,余晨[3]（2019）在《一种改进的小波变换抗混迭电力系统谐波检测方法》一文中研究指出由于电力电子等非线性元件的大量投入,使得电力系统谐波污染日益严重。采取有效的措施对谐波信号进行检测和分析,是治理谐波首先需要解决的一个重要问题。小波变换具有时-频局部化功能,在非稳定信号和暂态信号的处理分析中优势明显,能够实时监测瞬变信号,但小波变换存在频谱混迭现象,导致检测出的谐波不能严格分频,与理论值的偏差较大,影响检测的精度。基于此,提出了一种在小波分解和重构滤波器之间加奇抽取支路环节并作二次补偿的新方法。经MATLAB仿真试验表明,所提方法能够有效抑制小波混迭现象,为电力系统的稳定运行和改变电能质量提供了一种有效检测方法。(本文来源于《电器与能效管理技术》期刊2019年10期）
孔祥兴[4]（2019）在《基于改进小波变换和神经网络的风电场谐波检测》一文中研究指出依据风力发电机并网系统结构及等值电路,推导出风力发电机并网系统的数学模型,建立了各个子系统MATLAB/Simulink仿真模型,分析研究了风力发电机并网系统输出电压电流的谐波特性,为谐波检测及优化控制奠定基础。采用了基于改进小波变换的风力发电机并网系统谐波检测方法。综合分析比较模拟滤波器法、基于频域分析的FFT法、小波变换法、基于Fryze时域分析的有功分离法和基于神经网络的电力系统谐波电压检测方法,为进一步提高谐波检测准确度和快速性,提出了一种改进小波变换的风力发电机并网系统谐波电压检测方法。首先,把风电并网系统电压信号经过db20离散小波变换分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统电压谐波。采用了基于粗糙集PCA-Elman神经网络风力发电机并网系统谐波检测优化方法。引入Elman动态神经网络建立风力发电机并网系统谐波检测模型,采用主成分分析法(PCA)对谐波数据进行特征提取以优化神经网络的输入,改进激励函数和网络结构以寻求函数收敛速度和检测精度的最优解;针对Elman神经网络检测模型在风速波动的峰值处存在检测误差较大及检测精度波动性,提出采用粗糙值理论对检测值进行修正与补偿,进一步提高检测精度。对1.5MW的双馈感应风力发电机并网系统进行了仿真研究,研究结果表明,与神经网络的谐波检测方法相比,基于改进小波变换谐波检测方法,实现了能快速有效检测出风力发电机并网系统电压谐波分量,提高了谐波检测准确度和快速性。(本文来源于《南华大学》期刊2019-05-01）
孔祥兴,盛军,王燕英,梁亦峰,盛义发[5]（2019）在《基于改进小波变换法的风电场谐波检测》一文中研究指出为了提高风电并网电力系统谐波检测的快速性与准确性,提出一种改进小波变换的谐波检测方法。首先,把风电并网系统电压信号的频域空间分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统谐波;最后,利用MATLAB进行了仿真实验。实验结果表明:该方法能快速有效检测出谐波分量,提高了谐波检测准确度和快速性。(本文来源于《南华大学学报(自然科学版)》期刊2019年02期）
武宗方,刘毅力,马龙涛,梁继国[6]（2019）在《基于小波包变换与FFT相结合的电网谐波检测方法》一文中研究指出针对电网中存在的稳态以及暂态谐波污染,提出了小波包变换与快速傅里叶变换相结合的检测方法。通过小波包变换,把系统中的谐波信号分解到各对应的频带当中,依据所得频带的波形来确定谐波扰动发生的起止时刻,并结合快速傅里叶变换突出的幅频分析能力,确定系统谐波的相位、幅值、频率以及谐波的时域信息。通过仿真验证了方法的可行性,同时表明方法可以准确对稳态以及暂态谐波信号中的时频特性进行分析。(本文来源于《电气自动化》期刊2019年02期）
曹志威[7]（2019）在《基于小波变换的谐波分析方法研究》一文中研究指出电力系统的大力发展促进了电力电子设备和各种非线性负荷的广泛应用,但其产生的谐波污染、电能质量等问题亟待妥善的治理,精确地谐波检测与分析是解决谐波问题的重要依据。电力系统谐波检测的问题是难以对暂态、突变、不平稳信号进行检测分析,而实时分析和计算暂态谐波信号是评估和改善电能质量状况的首要依据。本课题针对现有谐波分析方法存在的暂态谐波分析鲁棒性和精度差的问题,研究小波变换在谐波信号处理方面的优劣性,提出了改进的小波变换电力系统谐波分析方法,解决了傅里叶变换丢失时间信息的问题,对检测突变、短时冲击、高频谐振等谐波信号分量具有良好的效果。本文主要内容分以下几点:(1)分析电力系统谐波检测及现存的问题,着眼于国内外电力系统谐波的研究现状及传统的谐波检测和分析方法,比较目前谐波分析常用的分析方法发现小波分析方法在信号分析和处理方面的独到优势,从而重点研究小波变换的基本原理及连续小波变换、离散小波变换、Mallat算法、小波包算法等小波理论,并针对小波变换过程中不可避免产生的频率混迭现象进行原理性地分析。(2)对比现有的小波抗混迭算法(混迭补偿算法,内插值优化法)的优劣性,充分挖掘db系列小波消失矩阶数大、良好的频带划分效果的特性,并提出双通道2级混迭补偿方案来改善小波混迭,改进的小波变换电力系统谐波分析方法:通过离散小波变换可将信号分解成低频频带和高频频带两部分,将分解后的子频带信号用连续小波变换进行分析,提取小波系数,从而得到信号的突变频率和信号在时域的具体位置并重构这些奇异分量。仿真表明改进的算法实时性良好、精度较高。(3)分析电力系统谐波信号的特征及信号奇异性检测原理;针对电力系统常见、暂态谐波信号进行抗混迭小波变换分析及针对时变谐波信号采用复morlet小波进行小波时频分析,利用小波变换对电力系统谐波信号进行分解,找到尺度上幅值最大的局部小波系数模极大值点,精确定位突变点的起止时刻且可得到突变点的幅值和频率信息,仿真证实小波变换在检测电力系统谐波暂态、突变点的有效性。针对现代电力系统出现异常状况,如信号中含有突变、短时冲击、高频谐振等谐波成分,FFT因其丢失时间信息,无法定位谐波信号的发生时刻;小波变换具有可变的时-频窗口,适合分析不平稳信号,通过改进小波变换算法并应用场景,表明改进算法能有效检测和分析电力系统谐波,具有一定的实用价值。(本文来源于《陕西科技大学》期刊2019-03-01）
刘政,陈俊,李浩澜,陈曦[8]（2018）在《基于Prony算法和小波变换的联合电力谐波分析策略》一文中研究指出针对传统傅里叶变换只能分析信号稳态谐波部分、小波变换无法准确检测出各次谐波以及在稳态波形的分析中精度不理想的现状,提出一种基于Prony算法和小波变换的联合分析策略来对电力系统波形进行检测。Prony算法被看作傅里叶变换的扩展,它精度高、算法简单,而且相比于傅里叶,在低频振荡信号的分析中效果更佳、使用更多。Prony算法更是弥补了傅里叶变换不能提取衰减特征的缺点。利用离散小波变换将信号分解的方法,把原始分解为高频和低频。小波变换于自身的优点主要分析高频非稳态部分,而Prony算法则主要用于低频稳态部分信号的处理。实验仿真结果表明:应用这一联合算法,可以精确得到稳态谐波的衰减因子、频率等和高频谐波部分的衰减趋势和突变点,具有整体分析谐波的优势。(本文来源于《重庆理工大学学报(自然科学)》期刊2018年11期）
康家玉,曹志威,王旭,刘甲琛[9]（2018）在《基于改进的小波变换电力系统谐波分析》一文中研究指出小波变换(WT)具有可变的时-频窗口,能够聚焦信号的任意细节,适用于非稳态及瞬变信号的分析和处理,但因存在小波混迭现象,导致其分析的精度低、鲁棒性差。针对db20小波消失矩阶数大的特性和良好的频带划分效果,同时为满足电力系统谐波有效分析的要求,提出基于db20小波变换抗混迭的谐波分析方法。该方法首先将信号按频带分解成子频带信号,再利用连续小波变换分析子频带信号,获取谐波信息。经Matlab仿真表明,所提方法能够有效地分析电力系统谐波信号。(本文来源于《现代电子技术》期刊2018年19期）
郭宇峰[10]（2018）在《基于经验小波变换和Prony算法的电力谐波检测与识别》一文中研究指出新世纪以来,以电力电子元件为代表的非线性负荷的使用量急剧增长,给人们生产生活带来便利的同时,也向电网注入了大量谐波。为降低谐波带来的影响,研究谐波信号的检测与识别是所有工作的基础。针对传统Prony算法对于噪声敏感、且难以估计出信号成分的缺点,本文提出了一种联合经验小波变换(EWT)的Prony谐波检测辨识算法。本文的主要内容及创新点如下:分析了传统时频分析方法在谐波信号检测中的优势与局限性,比较经验模态分解和经验小波变换这两种算法的信号分解原理,验证了经验小波变换的抗模态混迭特性。结合经验小波变换和Prony算法各自的特点,将他们同时应用在谐波信号的检测识别中,提出了一种基于经验小波变换的改进Prony算法。该算法首先对于带噪谐波信号,利用EWT算法对其进行分解,得出一系列信号分量,从中筛选出噪声分量并去除该噪声分量信号,然后对其他信号成分分量信号实施软阈值小波降噪处理实现谐波信号的降噪增强,并得出准确的信号成分数量,利用成分数量确定Prony算法的维数范围,再对降噪后的谐波信号进行振动模式的各项参数辨识。设定复合信号,分别利用EMD算法与EWT算法对复合信号进行成分分析。仿真结果指出,EWT算法分解结果同仿真条件相符合,相较于EMD算法生成了虚假的信号成分,EWT无模态迭现象,分解结果与信号复合前一致,验证了算法分解复合信号的可行性与有效性。设定加噪电信号,分别使用EMD降噪方法与EWT联合小波降噪的方法,比较两种方法的噪声抑制效果。从降噪处理效果图可以看出,EMD算法不能完全去除噪声,存在噪声残余量过大的不足;EWT联合小波降噪的方法能抑制大多数噪声成分,使信号不至于出现明显的失真情况,能够达到有效去噪的目的。在不同的噪声模式下,对比验证了传统Prony算法、EMD联合Prony算法和本文采用的EWT联合Prony算法的信号辨识精度。辨识结果表明,本文算法优于传统Prony算法、EMD联合Prony算法,具有精确的分解结果,降噪失真较小,辨识精度稳定且较高。利用仿真软件搭建了符合IEEE标准的WSCC叁机九节点系统来对算法进行检验,实验结果表明,相比于传统Prony算法和联合EMD的Prony算法,本文所提出的算法由于EWT分解的抗模态混迭特性,具有准确的分解结果,降噪失真较小,辨识精度稳定且较高,适用于叁机九节点系统的谐波信号识别。(本文来源于《沈阳农业大学》期刊2018-06-19）
谐波小波变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高电气化铁路谐波检测准确度,提出一种基于小波变换的电气化铁路谐波检测方法。首先分析电气化铁路谐波检测原理,并采集电气化铁路谐波信号;然后采用小波变换对电气化铁路谐波信号进行分解和去噪,得到无噪的电气化铁路谐波信号;最后采用递推最小二乘法对电气化铁路谐波进行检测,并在Matlab 2017平台上进行电气化铁路谐波检测仿真模拟实验。结果表明,该方法的电气化铁路谐波检测准确度高,不仅减少了电气化铁路谐波检测误差,而且电气化铁路谐波检测的实时性好,谐波检测的整体结果要优于当前其他电气化铁路谐波检测方法,具有广泛的应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
谐波小波变换论文参考文献
[1].薛振洲.基于MATLAB和小波变换的电力机车谐波电流研究[J].电子测试.2019
[2].张俊辉.基于小波变换的电气化铁路谐波检测[J].电气应用.2019
[3].张颖,余晨.一种改进的小波变换抗混迭电力系统谐波检测方法[J].电器与能效管理技术.2019
[4].孔祥兴.基于改进小波变换和神经网络的风电场谐波检测[D].南华大学.2019
[5].孔祥兴,盛军,王燕英,梁亦峰,盛义发.基于改进小波变换法的风电场谐波检测[J].南华大学学报(自然科学版).2019
[6].武宗方,刘毅力,马龙涛,梁继国.基于小波包变换与FFT相结合的电网谐波检测方法[J].电气自动化.2019
[7].曹志威.基于小波变换的谐波分析方法研究[D].陕西科技大学.2019
[8].刘政,陈俊,李浩澜,陈曦.基于Prony算法和小波变换的联合电力谐波分析策略[J].重庆理工大学学报(自然科学).2018
[9].康家玉,曹志威,王旭,刘甲琛.基于改进的小波变换电力系统谐波分析[J].现代电子技术.2018
[10].郭宇峰.基于经验小波变换和Prony算法的电力谐波检测与识别[D].沈阳农业大学.2018