本文選題：電能質(zhì)量 + 基于塊匹配的三維變換域聯(lián)合濾波　； 參考：《電力系統(tǒng)自動化》2016年23期

【摘要】：有效地降低電能質(zhì)量信號中的噪聲,是做好電能質(zhì)量信號檢測、識別等工作的基礎(chǔ)。為了克服一維電能質(zhì)量信號降噪的難點問題,即有效地去除噪聲并完整地保留奇異點的特征,對目前圖像處理領(lǐng)域中針對高斯等噪聲降噪性能最好的基于塊匹配的三維變換域聯(lián)合濾波(BM3D)算法進(jìn)行了改進(jìn),提出一種電能質(zhì)量擾動信號的自適應(yīng)去噪新方法。該方法參數(shù)較少,無需估計噪聲方差,也無需人為設(shè)定濾波閾值,而是通過自適應(yīng)估算較為準(zhǔn)確的閾值實現(xiàn)離散余弦變換(DCT)域的濾波。通過對電壓中斷、電壓暫降、電壓暫升、脈沖暫態(tài)、振蕩暫態(tài)和諧波這6種常見的電能質(zhì)量信號進(jìn)行降噪仿真實驗,并與應(yīng)用較為廣泛的小波閾值去噪法進(jìn)行對比分析,最后應(yīng)用于實際電能質(zhì)量擾動數(shù)據(jù)的降噪,驗證了所述算法的有效性。
[Abstract]:Effectively reducing the noise in power quality signal is the basis of power quality signal detection and recognition. In order to overcome the difficult problem of noise reduction in one-dimensional power quality signal, that is, removing noise effectively and preserving singularity completely, In the field of image processing, a new adaptive denoising method for power quality disturbance signals is proposed, which is based on block matching in 3D transform domain joint filtering and BM3D, which has the best noise reduction performance in the field of image processing. This method has few parameters, no estimation of noise variance, and no artificial setting of filtering threshold. Instead, the discrete cosine transform (DCT) domain is filtered by adaptive estimation of a more accurate threshold. Six common power quality signals, such as voltage interruption, voltage sag, voltage surge, pulse transient, oscillation transient and harmonic, are simulated and compared with the wavelet threshold denoising method, which is widely used. Finally, the proposed algorithm is applied to the real power quality disturbance data denoising, and the effectiveness of the proposed algorithm is verified.
【作者單位】： 西南交通大學(xué)電氣工程學(xué)院;
【基金】：中央高�；究蒲袠I(yè)務(wù)費(fèi)專項資金資助項目(2682014RC07)~~
【分類號】：TM711

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉守亮,肖先勇;基于S變換的短時電能質(zhì)量擾動檢測與分類[J];四川電力技術(shù);2005年S1期

2 羅滇生;何洪英;姚建剛;;短時電能質(zhì)量擾動分類方法研究[J];計算機(jī)工程與應(yīng)用;2008年17期

3 唐軼;劉昊;方永麗;;基于時域特征分析的電能質(zhì)量擾動分類[J];電力系統(tǒng)自動化;2008年17期

4 黃南天;徐殿國;劉曉勝;;基于改進(jìn)多層前饋神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動分類[J];電子測量與儀器學(xué)報;2009年10期

5 賴曉君;孫洪成;;一種新的電能質(zhì)量擾動分類識別算法[J];電氣開關(guān);2011年02期

6 陳祥訓(xùn);采用小波技術(shù)的幾種電能質(zhì)量擾動的測量與分類方法[J];中國電機(jī)工程學(xué)報;2002年10期

7 薛蕙,楊仁剛;基于小波包除噪的電能質(zhì)量擾動檢測方法[J];中國電機(jī)工程學(xué)報;2004年03期

8 束洪春,王晶,陳學(xué)允;動態(tài)電能質(zhì)量擾動的多刻度形態(tài)學(xué)分析[J];中國電機(jī)工程學(xué)報;2004年04期

9 呂干云,丁屹峰,程浩忠;一種基于改進(jìn)鎖相環(huán)系統(tǒng)的電能質(zhì)量擾動檢測方法[J];電力系統(tǒng)及其自動化學(xué)報;2004年05期

10 潘洪湘,宗偉,劉連光;基于數(shù)字信號處理器的短時電能質(zhì)量擾動檢測算法[J];電網(wǎng)技術(shù);2004年20期

相關(guān)會議論文 前7條

1 曹立中;吳杰;蘇春苑;;基于多方法的電能質(zhì)量擾動研究[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（下冊）[C];2008年

2 劉林;林濤;;基于連續(xù)小波變換和專家系統(tǒng)的電能質(zhì)量擾動識別研究[A];中南七省（區(qū)）電力系統(tǒng)專業(yè)委員會第二十二屆聯(lián)合學(xué)術(shù)年會論文集[C];2007年

3 張東中;袁帥;佟為明;;基于復(fù)小波和神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動識別與分類[A];2009中國儀器儀表與測控技術(shù)大會論文集[C];2009年

4 陳春玲;許童羽;袁野;;基于多類分類SVM的電能質(zhì)量擾動識別[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

5 耿云玲;王群;何怡剛;;典型電能質(zhì)量擾動信號的小波檢測[A];2004全國測控、計量與儀器儀表學(xué)術(shù)年會論文集（上冊）[C];2004年

6 方群會;;基于LS_SVM的暫態(tài)電能質(zhì)量擾動分類[A];重慶市電機(jī)工程學(xué)會2010年學(xué)術(shù)會議論文集[C];2010年

7 張宇;李海維;;小波理論和網(wǎng)格分形在電能質(zhì)量擾動檢測中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（下冊）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 宋雪雷;基于小波變換和支持向量機(jī)的電能質(zhì)量擾動分析方法[D];哈爾濱工業(yè)大學(xué);2007年

2 陳春玲;電能質(zhì)量擾動分析與監(jiān)測研究[D];沈陽農(nóng)業(yè)大學(xué);2009年

3 舒泓;電能質(zhì)量擾動檢測和分類問題的研究[D];北京交通大學(xué);2009年

4 胡為兵;電能質(zhì)量擾動的自動識別和定位相關(guān)理論研究[D];華中科技大學(xué);2008年

5 秦英林;電能質(zhì)量擾動的自動識別和時刻定位研究[D];山東大學(xué);2010年

6 易吉良;基于S變換的電能質(zhì)量擾動分析[D];湖南大學(xué);2010年

7 張明;電能質(zhì)量擾動相關(guān)問題研究[D];華中科技大學(xué);2010年

8 黃文清;電能質(zhì)量擾動在線監(jiān)測方法研究[D];湖南大學(xué);2007年

9 單任仲;并聯(lián)型復(fù)合電能質(zhì)量擾動及補(bǔ)償?shù)目刂品椒ㄅc實現(xiàn)[D];華北電力大學(xué)（北京）;2010年

10 劉應(yīng)梅;電能質(zhì)量擾動檢測和分析的研究[D];中國電力科學(xué)研究院;2003年

相關(guān)碩士學(xué)位論文 前10條

1 潘冬寅;電能質(zhì)量擾動信號降維及分類研究[D];南京林業(yè)大學(xué);2012年

2 郝婉茹;基于原子分解快速算法的電能質(zhì)量擾動檢測與分類研究[D];燕山大學(xué);2015年

3 鄧為權(quán);基于EEMD和SVM的電能質(zhì)量擾動檢測與分析研究[D];昆明理工大學(xué);2015年

4 胡巧琳;風(fēng)電并網(wǎng)的電能質(zhì)量擾動檢測方法研究[D];西南交通大學(xué);2015年

5 朱玲;混合電能質(zhì)量擾動的檢測與分類[D];西南交通大學(xué);2015年

6 張衛(wèi)輝;基于多分辨率快速S變換的電能質(zhì)量擾動信號識別[D];東北電力大學(xué);2016年

7 袁昊辰;基于復(fù)阻抗和模糊SVM的暫態(tài)電能質(zhì)量擾動檢測與分類[D];安徽大學(xué);2016年

8 曹思揚(yáng);電能質(zhì)量擾動信號的壓縮感知研究[D];西南交通大學(xué);2016年

9 何朝輝;基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的電能質(zhì)量擾動分類[D];湖南大學(xué);2009年

10 孫維妮;暫態(tài)電能質(zhì)量擾動的識別與監(jiān)測[D];中國石油大學(xué);2009年

，

本文編號：1870678