小波分析方法及其电力应用.ppt

  1. 1、本文档共79页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
小波分析方法及其电力应用

DWT analysis 6. 小波包变换简介 小波包空间划分 U00 ( V0 ) U10 ( V1 ) U11 ( W1 ) U20 ( V2 ) U21 ( W2 ) U22 U23 U30 (V3) U31 (W3) U32 U33 U34 U35 U36 U37 7. 电力系统应用 由于小波具有优良的分析奇异信号能力,小波理论已经在电力系统中被大量应用。具体包括:谐波检测、信噪分离、负荷突变检测、变压器励磁涌流识别、局部放电信号检测、电机故障检测、汽轮发电机组转子动静碰摩擦故障检测、接地故障检测、变压器差动保护间断角测量、线路故障选相、线路故障测距等。 小波变换具有优良的数据压缩能力,可以用于电力数据的存储和通信,从而快速传送故障录波和视频监视等信息。 小波变换还被用于电力系统的负荷预测、网损预测、电磁场优化等方面。 应用示例 De-noising 消除噪声 Fault detection 故障检测 Forecasting 预测 Data compression 数据压缩 示例:消除噪声 示例:故障检测 示例:故障测距 根据行波故障测距理论,输电线路某处发生故障时,故障信号暂态行波沿输电线路传播到观测母线位置,因为阻抗不连续,这个故障行波被反射并向故障点传播,到达故障点后又被反射并再次到达观测母线位置。在观测点处两次测得暂态故障行波的时间为Δt= 2L/v,其中L为故障点与观测母线位置间的距离,v为行波的传播速度。 因为暂态故障的电流(或电压)行波到达观测母线时,实测电流(或电压)信号表现出明显的异动性,所以只要检测出两次故障波的间隔,就可以判断出故障点的位置。 某模拟实验中采用高阶B样条小波分解,最细划分层的小波分量(w4∈W4)经放大后绘于图2。根据故障行波极性判断故障的特点非常明显,判断出故障波头间隔为52个样点,对向时间为260μs,判断出故障距离为39 km,比较接近实际故障距离。 示例:继电保护 电力网络的接地故障信号中通常含有一系列自激振荡引起的暂态故障分量,所以可用小波分离出这些暂态故障分量,可提高保护性能。 某系统的EMTP仿真后对故障信号作相应的小波变换,发现除50 Hz的工频信号外,180 Hz和680 Hz的暂态残余电流故障分量的小波变换表现突出。这一分析结果有助于利用故障特征来提高保护性能。 示例:负荷预测 数据压缩 JPEG 全名为 Joint Photographic Experts Group,它是一个在国际标准组织(ISO)下从事静态影像压缩标准制定的委员会。它制定出了第一套国标静态影像压缩标准:ISO 10918-1 就是我们俗称的 JPEG 了。 JPEG 2000 与传统 JPEG 最大的不同,在于它放弃了 JPEG 所采用的以离散余弦变换(Discrete Cosine Transform) 为主的区块编码方式,而改采以小波转换(Wavelet transform) 为主的多解析编码方式。 JPEG2000的优点 1、JPEG2000 作为JPEG升级版,其压缩率比 JPEG 高约 30% 左右。 2、JPEG2000 同时支持有损和无损压缩,而 JPEG 只能支持有损压缩。 3、JPEG2000 能实现渐进传输,它先传输图像的轮廓,然后逐步传输数据,不断提高图像质量,让图象由朦胧到清晰显示,而不必是像现在的 JPEG 一样,由上到下慢慢显示。 4、JPEG2000 支持所谓的“感兴趣区域”特性,你可以任意指定影像上你感兴趣区域的压缩质量,还可以选择指定的部份先解压缩。这样就可以很方便地突出重点了。 谢 谢 ! * * * * * * * 3.5 小波变换与傅立叶变换的异同 FFT and Wavelet – Similarity FFT and Wavelet – Difference WFT and Wavelet – Difference FFT and Wavelet - Similarity Both have basic functions to represent signals. FFT has only sines and cosines. Wavelet transform contains infinite number of basis functions called wavelets. The basis functions are localized in frequency, making it possible to pick out frequency components from signal. FFT and Wavelet - Differe

文档评论(0)

jiupshaieuk12 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:6212135231000003

1亿VIP精品文档

相关文档