本文選題：電網(wǎng)畸變信號 + 畸變信號檢測��； 參考：《哈爾濱理工大學(xué)》2017年碩士論文

【摘要】：隨著電網(wǎng)中非線性負(fù)載的增加,電網(wǎng)基波信號上會(huì)疊加畸變信號形成電網(wǎng)畸變信號,畸變信號的檢測精度直接決定了電網(wǎng)畸變信號條件下電能計(jì)量的準(zhǔn)確性。電網(wǎng)畸變信號由于具有時(shí)變、頻率復(fù)雜特性,使電能計(jì)量準(zhǔn)確性降低,讓國家電能計(jì)量部門利益受損。部分電網(wǎng)畸變信號研究都是在已知畸變信號頻率能量分布基礎(chǔ)上進(jìn)行分析,有利于選取合適的小波變換分解重構(gòu)層數(shù)。當(dāng)小波變換分解層數(shù)過多或過少時(shí),會(huì)降低電網(wǎng)畸變信號的畸變信號檢測精度。解決以上問題需要有能夠在小波變換分解層數(shù)不合適時(shí),仍能夠準(zhǔn)確分析檢測電網(wǎng)畸變信號的方法。本文提出了一種基于小波變換與正弦曲線擬合的電網(wǎng)畸變信號檢測方法。首先利用小波變換對電網(wǎng)畸變信號進(jìn)行分解與重構(gòu),得到基波信號,再通過傅里葉級數(shù)將重構(gòu)得到的基波信號進(jìn)行正弦擬合,最后在電網(wǎng)原始畸變信號中減去正弦信號,得到畸變信號。本文以穩(wěn)態(tài)電網(wǎng)畸變信號模型和非穩(wěn)態(tài)電網(wǎng)畸變信號模型為例對本文方法進(jìn)行驗(yàn)證,具體研究內(nèi)容如下:1.研究電網(wǎng)畸變信號條件下畸變信號的數(shù)學(xué)模型,通過建立穩(wěn)態(tài)與非穩(wěn)態(tài)電網(wǎng)畸變信號的數(shù)學(xué)模型,分析電網(wǎng)信號中畸變信號對電網(wǎng)電能質(zhì)量的影響以及已有電網(wǎng)畸變信號檢測方法的局限性。2.尋找適用于電網(wǎng)畸變信號頻率及能量分布未知的電網(wǎng)畸變信號檢測方法,首先將小波變換應(yīng)用于電網(wǎng)畸變信號分解與重構(gòu)中,然后通過曲線擬合方法與歸一化將重構(gòu)后基波信號擬合成標(biāo)準(zhǔn)基波信號,最后得到準(zhǔn)確度高的畸變信號。3.對幾種疊加不同類型畸變信號的典型電網(wǎng)畸變信號進(jìn)行數(shù)學(xué)建模,通過本文方法對以上電網(wǎng)畸變信號進(jìn)行仿真實(shí)驗(yàn),并與單一小波變換方法所得結(jié)果進(jìn)行比較,分析本文方法相對于傳統(tǒng)方法的優(yōu)勢。實(shí)驗(yàn)結(jié)果為:在電網(wǎng)畸變信號分析檢測領(lǐng)域,通過本文方法重構(gòu)信號與原始信號的相關(guān)系數(shù)穩(wěn)定在0.95以上,即兩者的一致程度在95%以上。在相同分解層數(shù)下,本文方法都可以提高單獨(dú)小波變換方法重構(gòu)所得基波信號和畸變信號與原始信號的一致程度;而在不同分解層數(shù),本文方法檢測結(jié)果沒有因?yàn)樾〔ㄗ儞Q方法分解層數(shù)改變而有較大變化,畸變信號檢測穩(wěn)定性高。
[Abstract]:With the increase of nonlinear load in the power network, the distortion signal will be superimposed on the fundamental wave signal to form the distortion signal. The accuracy of the power measurement under the condition of the distortion signal is directly determined by the detection accuracy of the distortion signal. Because of its time-varying and complex frequency characteristics, the power grid distortion signal reduces the accuracy of electric energy metering and impairs the interests of the national electric energy metering department. Based on the known frequency energy distribution of the distortion signal, some researches on the distortion signal in the power network are analyzed, which is helpful to select the appropriate number of wavelet transform decomposition and reconstruction layers. When the number of decomposition layers of wavelet transform is too large or too small, the detection accuracy of distortion signal of power network distortion signal will be reduced. To solve the above problem, we need to have a method that can accurately analyze and detect the distortion signal of power network when the number of decomposition layers is not suitable. In this paper, a method of detecting power grid distortion signal based on wavelet transform and sinusoidal curve fitting is proposed. The fundamental signal is obtained by decomposing and reconstructing the distortion signal of power network by wavelet transform, then the reconstructed fundamental signal is fitted by Fourier series, and finally the sinusoidal signal is subtracted from the original distortion signal. The distortion signal is obtained. In this paper, the distortion signal model of steady-state power network and the distortion signal model of unsteady power network are taken as examples to verify the method in this paper. The detailed research contents are as follows: 1. This paper studies the mathematical model of the distortion signal under the condition of power grid distortion signal, and establishes the mathematical model of the steady-state and non-steady-state power grid distortion signal. This paper analyzes the influence of distortion signal on power quality and the limitation of existing methods. In order to find the detection method of the distortion signal which is suitable for the unknown frequency and energy distribution of the distortion signal in the power network, the wavelet transform is first applied to the decomposition and reconstruction of the distortion signal of the power network. Then the reconstructed fundamental signal is quasi-synthesized into the standard fundamental signal by curve fitting method and normalization. Finally, the distortion signal with high accuracy is obtained. Several typical power grid distortion signals superimposed with different types of distortion signals are modeled mathematically. The simulation experiments of the above power grid distortion signals are carried out by using this method, and the results are compared with the results obtained by the single wavelet transform method. The advantage of this method over the traditional method is analyzed. The experimental results are as follows: in the field of power grid distortion signal analysis and detection, the correlation coefficient between the reconstructed signal and the original signal is stable above 0.95, that is, the consistency of the two signals is over 95%. Under the same number of decomposition layers, the method in this paper can improve the consistency between the fundamental signal and the distortion signal reconstructed by the single wavelet transform method and the original signal, but in different decomposition layers, The detection results of this method have not changed greatly because of the decomposition layer number of wavelet transform method, and the detection stability of distortion signal is high.
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN911.23;TM933.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林克正,李殿璞;基于小波變換的去噪方法[J];哈爾濱工程大學(xué)學(xué)報(bào);2000年04期

2 李正東,王曉菊,何武良,鄭曉東,成家源,彭文,裴春蘭,宋琛;利用小波變換進(jìn)行目標(biāo)識(shí)別的方法研究[J];光學(xué)精密工程;2001年03期

3 劉鎮(zhèn)清,黃瑞菊;小波變換及其應(yīng)用[J];無損檢測;2001年04期

4 苗常青;汪渤;鄒益民;付夢印;;一種基于小波變換的電視圖像分割方法[J];彈箭與制導(dǎo)學(xué)報(bào);2005年S1期

5 丁潤濤,程凌宇;應(yīng)用新抽樣?xùn)鸥竦膬煞N小波變換圖像去噪方法[J];天津大學(xué)學(xué)報(bào);2005年01期

6 胡靜濤;郭前進(jìn);;基于線調(diào)頻小波變換的旋轉(zhuǎn)機(jī)械故障診斷[J];儀器儀表學(xué)報(bào);2006年S1期

7 陳鐵;何瓊;;小波變換及其在時(shí)頻分析中的應(yīng)用[J];中國水運(yùn)(學(xué)術(shù)版);2006年05期

8 余曉潔;;小波變換在心電圖R波檢測中的應(yīng)用[J];中國傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

9 陳朝霞;;小波變換在信號突變檢測中的應(yīng)用[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年06期

10 章瑋瑋;肖軍;王文鋒;;小波變換去噪法在動(dòng)態(tài)測試中的應(yīng)用[J];四川兵工學(xué)報(bào);2009年11期

相關(guān)會(huì)議論文 前10條

1 曹思遠(yuǎn);牟永光;;小波變換與信號分解[A];1992年中國地球物理學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1992年

2 張霖;錢敏;葛軍;;幾種典型環(huán)節(jié)的小波變換研究[A];1996年中國控制會(huì)議論文集[C];1996年

3 鮑文;祝豪;劉金福;;基于多尺度小波變換的電廠數(shù)據(jù)壓縮方法研究[A];2004電站自動(dòng)化信息化學(xué)術(shù)技術(shù)交流會(huì)議論文集[C];2004年

4 龔妙昆;萬福永;;用統(tǒng)計(jì)方法和小波變換確定心電圖數(shù)據(jù)中的R波[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

5 趙聰慧;張淑娟;;小波變換在農(nóng)產(chǎn)品無損檢測中的應(yīng)用研究[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

6 朱光明;高靜懷;王玉貴;;小波變換及其在一維濾波中的應(yīng)用[A];1992年中國地球物理學(xué)會(huì)第八屆學(xué)術(shù)年會(huì)論文集[C];1992年

7 金剛石;趙毅;季云松;;基于小波變換的紅外圖像濾波[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

8 劉衛(wèi)東;李樂;張靜遠(yuǎn);;一種基于小波變換的水聲成像實(shí)驗(yàn)研究[A];2008’促進(jìn)中西部發(fā)展聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2008年

9 趙麗紅;蔡玉;徐心和;;基于小波變換和多分類器融合的人臉識(shí)別[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

10 魯昌華;汪濟(jì)洲;;小波變換在通用DSP上的快速實(shí)現(xiàn)[A];第十七屆全國測控計(jì)量儀器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊）[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 吳玉田殷學(xué)平;中藥質(zhì)量控制又添新武器——小波變換近紅外光譜分析系統(tǒng)[N];中國醫(yī)藥報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 王利琴;心電信號波形檢測與心律失常分類研究[D];河北工業(yè)大學(xué);2014年

2 宋長賀;基于GPU的高性能遙感圖像解碼方法研究[D];西安電子科技大學(xué);2015年

3 王麗榮;基于小波變換的目標(biāo)檢測方法研究[D];吉林大學(xué);2006年

4 熊智新;基于小波變換的化學(xué)譜圖數(shù)據(jù)處理[D];浙江大學(xué);2004年

5 魏云冰;小波變換在電機(jī)故障診斷與測試中的應(yīng)用研究[D];浙江大學(xué);2002年

6 丁文鵬;自適應(yīng)方向提升小波變換及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

7 董衛(wèi)軍;基于小波變換的圖像處理技術(shù)研究[D];西北大學(xué);2006年

8 聶磊;小波變換用于重疊化學(xué)信號的分辨研究[D];中國科學(xué)技術(shù)大學(xué);2002年

9 張秀琦;基于小波變換的化學(xué)計(jì)量學(xué)方法及幾種抗癌藥物的電化學(xué)研究[D];西北大學(xué);2001年

10 鄧玉強(qiáng);小波變換在飛秒激光技術(shù)中的應(yīng)用[D];天津大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 韓科;基于小波變換與PCA的人臉識(shí)別方法的研究與實(shí)現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

2 邵永鑫;小波變換和人工神經(jīng)網(wǎng)絡(luò)在熒光測溫信號處理中的應(yīng)用研究[D];天津理工大學(xué);2015年

3 聶小利;基于小波變換的弱信號提取與應(yīng)用研究[D];北京建筑大學(xué);2015年

4 方宇超;基于小波變換的碼速率估計(jì)方法研究[D];內(nèi)蒙古大學(xué);2015年

5 段曉杰;基于小波變換的數(shù)字水印算法及評價(jià)方法研究[D];遼寧大學(xué);2015年

6 黃新安;胎兒心率檢測算法的研究[D];江南大學(xué);2015年

7 周玉;小波變換在高速鐵路牽引供電地震防災(zāi)系統(tǒng)中的應(yīng)用研究[D];西南交通大學(xué);2015年

8 郭亞妮;基于DSP的小波變換在雷達(dá)回波信號去噪中的研究[D];天津理工大學(xué);2015年

9 曾燕來;基于小波變換語音去噪的研究及應(yīng)用[D];長安大學(xué);2015年

10 烏月汗;基于小波變換人臉識(shí)別的算法研究[D];內(nèi)蒙古大學(xué);2015年

，

本文編號：1859863