一、小波变换在电力系统应用中的发展前景研究（论文文献综述）
王珂珂[1]（2021）在《计及新能源的电力现货市场交易优化研究》文中研究指明能源是社会进步和人类生存的物质基础,随着能源资源约束日益加剧,绿色低碳发展成为我国经济社会发展的重大战略和生态文明建设的重要途径,我国亟需加快建设以可再生能源为主导的清洁低碳、安全高效的能源体系,实现“30·60”双碳目标。电力工业在现代能源体系中处于核心地位,在减少温室气体排放方面发挥着重要作用,应加大力度发展以风电、太阳能为代表的绿色电力。但由于中国风能、光能富集区与需求区逆向分布,市场在优化资源配置中的作用发挥不够充分,亟需完善新能源参与的电力现货市场交易机制,构建高比例新能渗透的电力现货市场交易决策支持方法,以实现资源有效配置,促进新能源消纳。鉴于以上考虑,本文从新能源参与对电力现货市场影响、新能源发电功率预测与电力现货市场电价预测、计及新能源的中长期合约与现货日前市场的衔接与出清机制、电力现货市场各阶段市场的衔接与出清机制、碳交易权市场与电力现货市场的耦合机制等多个方面展开研究。本文主要研究成果与创新如下:（1）对新能源参与对电力现货市场的影响进行研究,基于电力现货市场价格信号的复杂性,构建由三个模块构成的新能源对电力现货市场影响分析模型,包括基于数据统计的相关性分析、基于小波变换与分形理论的全部特征值分析与基于关键因素提取的相关性分析。以丹麦两地区现货市场的历史数据进行验证,证实新能源发电对于电价影响高于常规历史数据;基于小波变换分析与分形理论求得全部特征值方法,计算两地区分类准确率为分别为80.35%,82.30%,分类结果表明负荷、新能源发电量序列与新能源发电量占比分类错误率较高;通过关键特征提取的相关性分析结果,重要程度位于前三的因素均存在新能源发电相关因素。因此研究中仅考虑负荷等常规因素不足以支撑电力现货市场电价预测、交易匹配与出清问题的研究。（2）对电力现货市场中新能源发电功率与电价预测进行研究,构建基于完全集成经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）与样本熵（sample entropy,SE）的数据预处理策略,基于和声搜索（harmony searchm,HS）算法优化的核极限学习机（kernel extreme learning machine,KELM）的混合新能源发电功率预测模型,基于相似日筛选与长短期记忆模型（long short-term memory,LSTM）的电力现货市场电价预测模型。针对非线性、非稳态的短期新能源发电功率预测,首先通过皮尔森相关系数筛选模型输入数据,减少数据冗余;而后,采用CEEMD-SE的组合数据预处理策略,对发电功率时间序列进行分解和重构,消除数据噪声,减少模型计算量;其次,采用HS-KELM模型对重构后的多个子序列进行建模预测,集成处理后得到最终的新能源发电功率预测值。基于CEEMD-SE-HS-KELM新能源发电功率预测模型具有更高的预测精度。针对电力现货市场电价预测,将新能源出力指标纳入电力现货市场电价预测中,首先采用CEEMD-SE对电价序列进行分解与重构;而后,构建基于随机森林（random forest,RF）与改进灰色理想值逼近（improved approximation ofgrey ideal values,IAGIV）的新能源出力影响量化模型,筛选出与待预测天数关联性较强的历史天作为输入集;其次,采用LSTM模型对重构后的多个子序列分别进行预测,基于CEEMD-SE-RF-IAGIV-LSTM预测模型对于电价序列的拟合效果较好,可为电力现货市场参与主体制定交易策略、现货市场出清撮合提供支撑,降低电力现货市场中的风险。（3）对计及新能源与中长期市场影响的现货日前电力市场优化模型进行研究。本文提出计及中长期合约电量分解与新能源参与的日前电力市场交易优化模型,首先构建考虑火电厂合约电量完成进度偏差的中长期合约电力分解模型,将分解得到的每日中长期合约电量作为约束引入日前市场的优化模型中,保证中长期合约电量物理执行;针对系统不确定性进行建模,在电力现货市场价格模拟中加入新能源渗透率,更精准地刻画能源参与对于电力现货市场的影响;构建新能源参与的日前市场多目标出清优化模型,利用模糊优选方法对多目标进行转换,较好地平衡经济性与节能减排目标;最后采用基于GA-PSO组合优化模型对构建模型进行求解。模型求解结果表明,本文构建的多目标优化函数能够在保证系统运行经济效益的基础上,实现环境效益最大化,达到节能减排的效果;同时随着新能源渗透率的增加,系统不确定性增加,常规机组的成交电量有所下降。（4）对计及新能源的日前市场与日内市场的衔接机制进行分析,并构建相应的出清优化模型。在日前市场与实时市场之间增加日内市场,以减少系统辅助服务成本、降低用于平衡间歇性、波动性新能源的化石燃料容量、灵活性资源配置与储能成本,以提高现货市场效率,更好的发挥市场对资源优化配置的作用。采用基于模型预测结果与误差分布函数结合的不确定性刻画模型,而后构建了基于拉丁超立方采样进行场景集生成法与改进谱聚类分析的场景集削减策略,能够选择出最具代表性的场景集。基于电力现货市场出清流程,将含有新能源较多的系统将引入日内市场,以减小实时市场的功率偏差,提高系统运行的经济性和稳定性,采用预测模型对新能源出力、电力负荷进行预测,结合预测误差分布函数刻画系统不确定性;构建日前市场和模拟日内市场联合出清优化模型,在各个日内市场考虑对应实时市场新能源偏差功率的不确定性、电价不确定性,建立各日内市场和模拟实时市场联合优化模型。（5）考虑到中国“30·60”双碳目标与宏观发展规划,本文构建一个基于STIRPAT模型碳排放影响因素分析与改进烟花算法（improved fireworks algorithm,IFWA）优化的广义回归神经网络（general regression neural network,GRNN）预测模型。基于不同的社会环境与政策环境,对碳排放影响因素进行模拟并设定,预测结果表示中国的碳排放总量将于2031年达到峰值。以此为基础分析现行政策下中国的碳减排压力,并进行相应的建设全国统一的碳交易权市场必要性分析。而后,基于电力市场和碳市场的建设现状,利用系统动力学模型进行碳交易对电力现货市场的影响分析,系统动力学模型分析结果证实电力市场价格与碳交易价格呈现正相关关系;最后,基于对于碳交易对电力市场作用机理的分析,提出碳交易机制与电力现货市场机制协同建设建议。
张劲弦[2]（2021）在《基于Pix2Pix和YOLO v3算法的行波故障定位方法》文中提出随着社会经济持续增长,工业水平的不断提升,各行各业对电力的需求也在持续增长。作为输送电能的载体,输电线路安全稳定地运行才能够保证电力系统的可靠性。由于输电线路所在的环境复杂,关于输电线路的故障也时有发生。精确的故障测距技术能够有效减少电网工作人员的巡线时间,提高故障维修效率,降低线路故障带来的经济损失。现有的测距技术主要依赖于测量装置,其测距精度受测量装置采样率的限制从而无法获得更加精确的测量结果。测量装置存在只有在高采样率下才能保证测距精度的问题,从算法软件层面上提升采样率的技术具有工程实际应用前景。针对传统的行波故障测距技术受限于测量装置的采样率不高导致其定位精确度不高的问题,本文的主要研究工作及成果如下:首先,本文对基于行波的故障定位方法进行研究。双端行波故障定位技术的原理是通过行波波头到达输电线路两端测量装置的时间差与输电线路的长度以及行波在输电线路中的传播速度来确定故障距离。通过对双端行波故障定位精度过于依赖测量装置的采样频率的问题进行研究,提出了采取D型行波故障测距技术与深度学习算法相结合的方式解决行波故障定位精确度过于依赖硬件采样频率问题的可行思路。其次,本文提出了基于Pix2Pix的输电线路行波故障定位精确度提升的方法。将深度学习算法与传统的行波故障定位方法相结合,提出采用数据转图像的思路解决了电力系统总常见的时序数据在深度学习算法中的效果不理想的问题,达到了良好的故障定位精确度提升的效果。该方法原理是通过Pix2Pix网络,将低采样率的录波数据通过小波变换的多尺度分析转成包含行波波头1尺度细节分量的局部放大图,将该图片作为Pix2Pix的条件输入,凭借Pix2Pix网络能够有效学习并估计数据的潜在概率分布的特性,能够输出得到一张效果类似于通过高采样率录波装置采集得到的1尺度细节分量的局部放大图片。该方法能够有效地将输入Pix2Pix的低采样率行波图片转换成高采样率的行波图片,从而实现提升测量装置的采样频率,达到行波故障定位精确度提升的效果。基于Pix2Pix的输电线路行波故障定位精确度提升方法,能够彻底挖掘现有测量装置的潜能,且能够有效节省用于更新输电线路上的测量装置的人力物力,具有良好的经济性。随后,本文提出了基于YOLO v3的输电线路故障行波图像质量评估方法。针对Pix2Pix网络生成的图片目前尚无一个标准的图片质量评估智能算法,采取人工图片质量评估耗时耗力且容易受主观因素影响的问题。本文利用YOLO v3对目标识别精确且快速的特性,将其对目标探测归一化的预测值当做评价Pix2Pix网络生成图片的一个指标对Pix2Pix生成图片质量进行评估,成功弥补了Pix2Pix网络生成图片质量无法定性地、客观地评估图像质量的问题。生成图片通过YOLO v3算法的图像质量评估,能够有效增强Pix2Pix算法的可靠性。最后,本文综合了Pix2Pix和YOLO v3算法,提出了基于Pix2Pix和YOLO v3算法的行波故障定位方法,并对所提方法进行了仿真实验验证。通过Simulink仿真软件对输电线路故障模型进行建模仿真,通过设置在不同采样频率的条件下,改变故障发生时间、位置以及故障类型等不同条件得到故障定位结果,并与传统单端故障定位法和传统双端故障定位法得到的故障定位结果进行对比分析。结果验证了本文方法能够一定程度上摆脱传统双端行波法对硬件精确度的依赖性,在行波故障定位上的具有良好性能,其定位精确度显着提升,具有较好的可行性。
黄若轩[3]（2020）在《基于电磁时间反转的同杆并架双回线的故障测距》文中研究表明同杆双回线较之单回线有着更大的输电容量和更好的经济性,使其在电力系统中的应用日益广泛。目前,对于普通单回输电线路故障测距的研究已经很多,但是对于同杆双回输电线路故障测距的研究却相对较少,并且同杆双回线与单回线的线路结构区别较大,故障测距过程更加复杂。因此,有必要进一步对同杆双回线的故障测距问题进行研究。本文针对同杆双回线故障测距复杂的问题,提出了一种基于电磁时间反转理论的同杆双回线故障测距新算法。首先,利用故障录波装置记录线路两侧故障电流的变化情况,然后对线路进行解耦,解耦后线路两侧各得到六个序分量,对于相同电压等级的同杆双回线,提取六个序分量中的同向正序分量进行故障测距。对于不同电压等级的同杆双回线,提取Ⅰ回线正序分量或者Ⅱ回线正序分量进行故障测距。再利用小波函数分别对线路两侧用于故障测距的正序分量进行分解,提取线路两侧的电流突变量,再分别对线路两侧的电流突变量进行时间反转并叠加。沿输电线路每隔一段距离假设一次故障,计算出假设故障点处的故障电流有效值,最大的电流有效值处对应的距离即为故障距离。在ATP-EMTP仿真软件中搭建了同杆双回线的输电线路模型,并利用MATLAB软件编写了测距程序。针对不同故障类型、不同过渡电阻、不同故障相角以及不同采样频率分别进行了仿真验证,仿真结果表明:该算法不受过渡电阻、故障类型和故障相角的影响,测距精度高;测距精度会随着采样频率的升高而上升,当采样频率为250kHz时,测距结果的相对误差为0.30%,测距精度高。说明了基于电磁时间反转理论的故障测距新算法对于同杆双回线的故障测距是适用的。
赵帅帅[4]（2019）在《光伏发电系统谐波检测与抑制的研究》文中提出在传统能源日益减少的同时,可再生能源备受关注,太阳能以其取之不尽用之不竭的特性得到了应用和开发。为了有效消除谐波对于光伏发电并网系统的影响,以谐波为研究对象,从系统中谐波特点、谐波检测和谐波抑制三个方面来考虑,以此来改善并入电网的电能质量。本文主要对光伏发电系统中的谐波检测算法和谐波抑制方法进行了研究分析。本文首先根据光伏电池特性,建立工程仿真模型,仿真得到光伏电池的电压、电流和功率输出特性曲线,并对系统中谐波特点进行了分析。对常用的谐波检测算法理论进行分析,提出了基于小波变换和快速傅里叶变换（Fast Fourier Transformation,FFT）相结合的谐波检测方法,该方法结合了两者的算法的优势,先用小波变换对电能信号进行分解,将谐波信号分解到不同频带上,以小波重构后的信号作为谐波检测算法的输入量,对稳态分量进行FFT算法分析,对暂态分量进行小波变换谐波检测分析。此算法对重构后的信号进行加窗傅里叶级数展开时,减少了初始值的带入量,因此提高了算法的计算速度。其次,针对谐波的抑制方法问题,根据有源滤波器和光伏发电系统在系统结构、系统功能和系统控制上的相似性分析,构建了具有有源滤波器功能的电流跟踪型光伏发电并网系统模型,并以电压、电流作为反馈信号对跟踪电流进行控制。在传统PI算法的基础上,利用防饱和控制算法对PI参数限定,解决频率或幅值波动产生的瞬时输出偏差太大的问题。利用双环控制的谐波抑制技术,使得谐波的检测与抑制在光伏发电系统内同时实现。对不同因素影响下的光伏发电并网信号进行了模型仿真分析,当信号存在间次谐波、频率波动以及含有噪声等影响谐波检测的因素时,该算法仍能检测出谐波次数、幅值和相位。根据光伏系统在不同情况下的工作状态,论文构建一种新型的电流跟踪型光伏发电并网系统模型,依据仿真结果验证了该方法的可行性和正确性。
彭阳[5]（2020）在《基于物联网的用户端电能质量监测系统研究》文中提出随着国家电网“三型两网”战略目标的提出,为了适应国家和国家电网关于物联网的建设部署,同时结合用户端电能质量监测的现实需求,本文研究了一种基于物联网的分布式用户端实时电能监测系统,采用基于GPRS+Zig Bee的双通信模式,对采集的电能数据进行了相关质量分析,并搭建了仿真模型与实验平台进行验证分析。本文首先对设计的电能监测系统整体架构进行了规划,对电能监测系统功能需求进行了分析。设计了基于STM32为核心处理器的电能质量监测装置硬件系统,重点研究设计了包括互感器及其辅助电路、电压钳位电路、抗混叠低通滤波电路和电压跟随的调理电路,大大提高采样精度;设计了CC2530电路及其巴比伦匹配电路,以实现局域数据无线传输;设计了SIM800C及其外围电路,实现数据的远程传输。根据设计的电路原理图,完成了PCB板的绘制。然后对各类电能质量指标及其测量方法进行了介绍,并完成了基本电能质量指标的离散化计算。重点对电力系统谐波的测量进行了算法研究,完成了基于基2-快速傅里叶变换和db6小波变换对谐波信号的分析,并搭建了算法的MATLAB仿真模型,基于得到的仿真波形和仿真数据验证了算法的可行性。通过Zig Bee技术组建了实现局域通讯的星型网络拓扑,提出了基于代理服务器技术以及多线程技术的云平台服务器和客户端软件设计,并利用Python完成了程序设计。最后,针对本文设计的基于物联网的用户端电能质量监测系统,进行了系统级仿真,同时进行了硬件调试以及搭建了远程传输和局域无线传输试验平台,整体验证了本电能质量在线监测系统具有较好的响应速度和可靠性,测量误差较小且具有普适性。本文共包含图103幅,表24个,参考文献72篇。
张鹤馨[6]（2020）在《融合卡尔曼滤波的LCL型有源电力滤波器研究》文中研究指明谐波污染对电力系统产生的危害是巨大的,有源电力滤波器（active power filter,APF）凭借自身的灵活性及较好的补偿效果得到了广泛应用。针对传统APF补偿精度低的问题,以LCL型三相三线制并联APF作为研究对象,主要研究内容包括谐波电流检测环节、补偿电流跟踪环节以及LCL型输出滤波器。根据非线性离散系统中扩展卡尔曼滤波（extended Kalman filter,EKF）特性,提出改进EKF滤波方法,应用于谐波检测环节中,滤除特征谐波的同时对非特征谐波进行滤除,通过提高谐波电流滤除能力进而改善APF谐波补偿效果。通过分析LCL型三相三线制并联APF的工作原理,应用ip-iq谐波电流检测法实现对谐波电流的检测,采取同步坐标系的软件锁相环同步技术提供谐波检测环节需要的相位信息,采取PI控制技术保证直流侧电容电压的稳定,重复控制消除指令电流的周期性误差,滞环控制保证补偿电流实时跟踪。提出改进EKF滤波方法取代传统低通滤波环节实现谐波检测精度的提高,对非线性系统进行线性化处理,在EKF的基础上结合卡尔曼滤波对有色噪声的处理方法,利用状态扩充法对谐波电流信号进行处理作为系统的过程噪声,形成改进EKF滤波方法数学模型,提高谐波电流检测精度。针对LCL型输出滤波器进行参数设计,满足传递函数模值和谐振频率约束条件,参数设计结果表明低次谐波没有衰减作用,逆变器产生的高次谐波有较强的衰减作用。采用电容电流比例反馈的有源阻尼法实现谐振峰值抑制,结合谐振尖峰及相位滞后两个原因设定反馈系数。利用Matlab搭建仿真模型与常规低通滤波器分别就滤波水平、APF补偿效果以及LCL型APF补偿效果进行对比仿真实验。结果表明,改进EKF滤波方法可有效降低电网电流畸变率,非特征谐波的滤除效果明显,总体滤波水平及APF补偿效果远优于Butterworth滤波方法,恒定负载与突变负载情况均提高了滤波水平,改善APF补偿效果。该论文有图65幅,表5个,参考文献75篇。
孔垂祥[7]（2020）在《基于小波变换的输电线路故障测距方法研究》文中进行了进一步梳理随着社会的日益发展,国民经济的提升离不开电力部门安全可靠地向用户提供输电。现如今,电力系统的规模日益扩大,电压等级不断提高,输电线路距离不断加长,电网结构更加复杂。输电线路作为电力系统的关键环节,担负着电力系统稳定传输电能的重要职责。由于受外界因素影响较大,输电线路相较于电力系统其它环节更容易发生故障。采用快速且准确的故障测距方法可以第一时间准确找到故障点所在位置,不但大大减轻了寻线的负担,而且可以加快供电恢复,减小停电造成的经济损失,提高电力系统的稳定性与经济性。因此,输电线路故障测距技术的大力发展和广泛应用对电力系统的安全稳定和经济运行具有重大意义。首先,本文对行波的基本概念进行了基本介绍,分析了行波在输电线路中传播的基本规律,提出了采用凯伦贝尔变换矩阵消除三相输电线路间存在的耦合作用,并且对现有的几种故障测距方法进行了简单介绍,对现有测距方法的主要优缺点进行对比分析。其次,本文对小波变换的基本概念进行了简单介绍,从多分辨率分析的角度上对故障行波信号进行小波分解,根据小波变换模极大值理论确定出行波波头首次到达各测量点的时刻。再次,本文通过对现有测距方法的研究以及小波变换技术的应用,提出了不受波速影响的单端、双端和T型输电线路行波故障测距的新方法。它通过对故障行波分量进行相模变换和小波变换,测量出行波波头首次到达测量点的时间即可完成故障测距,消除了波速不确定性对测距精度的影响。最后,本文根据前述方法,在Matlab/Simulink环境中搭建输电线路仿真模型进行仿真校验,大量的仿真实验结果表明所提方法不受过渡电阻、故障类型、行波波速等因素的影响,测距误差较小,具有较高的准确性和良好的适用性。图[35]表[9]参[80]。
彭芳威[8]（2020）在《电力系统动态同步相量测量算法研究》文中研究说明电力系统需要通过同步相量测量装置来获得高精度的电网频率、相位等实时信息。离散傅里叶变换（DFT）算法对于稳态电信号具有相量估计精度高且运算速度快的特点,在电力系统相量测量中应用广泛。但DFT算法在频率、幅值、相位发生突变,谐波干扰等动态条件下,DFT算法会产生较大测量误差。本文研究不同动态条件下的电力系统相量测量算法,提高相量测量的精度和响应速度,满足智能电网的要求。首先,比较分析现有常用相量测量算法的性能。介绍了离散傅里叶变换的基本原理,阐述和分析过零检测法、瞬时值法、最小二乘法和卡尔曼滤波等算法用于相量测量的基本原理和优缺点,并对这些算法进行仿真,得出对应的误差曲线。仿真分析表明:传统DFT算法相比于其他算法适用范围更广;传统DFT算法在静态条件下测量精度高,测量速度快,对谐波有较好的抑制作用;总相量误差随频率规律性变化,当频率接近基频时总相量误差最小;在动态条件下的测量误差较大,需要对传统DFT算法进行改进,以满足不同动态条件下的测量精度要求。针对频率偏移的动态信号,采用改进DFT动态相量测量算法估计电信号的幅值、相位角和频率等参数。推导了DFT计算所得的相角和实际相角的差值计算公式,利用两个相邻数据窗的相位差求取信号频率估计值,进而修正相量误差。基于MATLAB的仿真分析表明,该算法在信号固定频率偏移小于3Hz时,总相量误差小于1%,该算法在频率偏移较小的场合测量精度高;在频率偏移和频率发生线性变化下该算法相对于传统DFT算法测量精度高,能够满足相关标准对于算法测量精度的要求;该算法对于谐波干扰和噪音干扰有良好的抑制作用;加Hamming窗时算法的测量精度显着提升。针对低频振荡、幅值和相位突变的动态信号,提出了一种基于泰勒展开的动态相量测量算法。将相量表示成泰勒级数形式,利用泰勒展开建立DFT动态模型,用两个相邻数据窗的相量变化率来表示相量的导数,对DFT模型进行修正。该算法能够克服传统DFT算法在应用余弦函数来近似表示信号所产生的较大的模型误差。仿真结果表明,该改进算法在电力系统动态相量测量中抗干扰能力强,测量精度高,相比于传统DFT算法有较大提升,通过加Hann窗可以提高算法性能。
童涛[9]（2020）在《基于同步挤压变换的风电并网谐波/间谐波分析方法研究》文中研究说明近年来,随着我国风电并网和电力电子设备大量接入,电网中产生了大量的谐波/间谐波,不仅严重影响电网的稳定性,还会给电力设备安全经济运行带来严重的危害。本文针对风电并网产生的谐波/间谐波提取易发生模态混叠和受噪声干扰等问题,对同步挤压小波变换（synchrosqueezing wavelet transform,SWT）和傅里叶同步挤压变换（Fourier-based synchrosqueezing transform,FSST）两种谐波/间谐波分析方法进行研究,并利用这两种同步挤压变换（synchrosqueezing transform,SST）对风电并网点处电流谐波/间谐波进行分析,进而研究风电并网谐波/间谐波分布规律。具体研究内容如下:（1）对传统谐波/间谐波分析方法进行分析。分析快速傅里叶变换（fast Fourier transform,FFT）、小波变换（wavelet transform,WT）和希尔伯特黄变换（Hilbert-Huang transform,HHT）等传统谐波/间谐波分析方法的基本原理,讨论不同方法在谐波/间谐波分析中的分析效果。（2）对两种同步挤压变换谐波/间谐波分析方法进行研究。将同步挤压小波变换和傅里叶同步挤压变换应用到电网谐波/间谐波分析中,对同步挤压小波变换和傅里叶同步挤压变换原理进行分析,对比分析两种方法同步挤压的时频分析效果,揭示其抗模态混叠和抗噪声干扰机理。利用两种同步挤压变换对电力系统常见谐波/间谐波进行分析,并与传统方法进行对比,验证所提方法的有效性。（3）对风电并网电流谐波/间谐波进行分析。建立双馈型风电机组谐波模型,研究其谐波/间谐波产生机理,并利用傅里叶同步挤压变换对风电并网在不同风速下和不同并网节点下谐波电流进行分析,研究风电并网谐波/间谐波分布规律。（4）对次同步振荡下实际电网数据进行谐波/间谐波分析。针对大量的电力系统监测数据特点,利用本文所提同步挤压变换方法对哈密一次次同步振荡下实际电网数据进行分析,在此基础上利用时间序列数据挖掘算法研究次同步振荡下谐波/间谐波分布规律,挖掘序列中有效信息。
王晓娟[10]（2020）在《压缩感知理论在电力系统信号处理与数据压缩中的应用》文中研究说明目前常用的信号处理与数据压缩方法都是基于奈奎斯特采样定理,采样频率高,会产生大量的冗余数据,造成数据的存储和传输负担。本文采用压缩感知技术对电能质量信号进行处理,提高数据采样与压缩的效率,减少通信系统的负担。本文综述了国内外电能质量信号处理的相关文献,并指出压缩感知技术可以有效缓解数据采集、压缩、传输、存储等压力。本文针对大规模系统的电能质量信号去噪、谐波检测、数据压缩三方面存在的问题做出了针对性的改进:1)提出了基于压缩采样匹配追踪算法的电能质量信号去噪,并通过仿真验证了该算法的去噪能力;2)提出了稀疏度自适应的St OMP算法（SASt OMP）,能够对未知稀疏度的谐波信号进行谐波检测;3)提出一种基于分部思想的压缩采样匹配追踪算法（Se Co Sa MP）,通过该算法对电能质量信号进行压缩采样。具体工作如下:首先,详细介绍了压缩感知理论的提出背景、基本原理以及压缩感知的三要素:稀疏性、测量矩阵、重构算法的相关理论知识,为后面的章节奠定基础。其次,提出了基于Co Sa MP算法的电能质量信号去噪,并具体分析了压缩感知理论的去噪原理。通过比较不同算法对电压暂升、电压暂降、稳态谐波的去噪效果,本文所采用的算法得到了更好的去噪效果,为电能质量信号去噪提供了一种新思路,也为第四章、第五章奠定基础。再次,基于压缩感知理论的谐波检测,无需解压缩过程,可以直接从采样值中提取相应的谐波信号,完成谐波检测。由于贪婪算法对信号稀疏度依赖性大的,本文提出了一种基于稀疏度自适应的分段正交匹配追踪算法。通过对比不同预设稀疏度K、不同压缩比、不同阈值以及有噪条件下三种算法的谐波检测效果,验证了本文所提算法的优越性与有效性,且具有一定的去噪、抗干扰能力。最后,针对电能质量监测数据量大,给系统数据存储和传输带来巨大的负担的问题,本文对Co Sa MP算法进行改进,提出一种基于分部思想的压缩采样匹配追踪算法。对比了不同算法的电能质量数据的压缩重构效果以及含噪条件下算法的抗干扰能力,验证了本文所提算法的压缩能力与去噪能力。
二、小波变换在电力系统应用中的发展前景研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、小波变换在电力系统应用中的发展前景研究（论文提纲范文）
（1）计及新能源的电力现货市场交易优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源对电力现货市场的影响研究 |
| 1.2.2 新能源发电功率预测研究 |
| 1.2.3 电力现货市场电价预测研究 |
| 1.2.4 新能源参与电力现货市场交易研究 |
| 1.2.5 计及碳交易的电力现货市场研究 |
| 1.3 论文主要研究内容和技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 主要创新点 |
| 1.4 本章小结 |
| 第2章 电力现货市场交易优化相关理论基础 |
| 2.1 典型国家电力现货市场发展概述 |
| 2.1.1 美国电力现货市场 |
| 2.1.2 英国电力现货市场 |
| 2.1.3 北欧电力现货市场 |
| 2.2 中国电力现货市场发展概述 |
| 2.2.1 能源电力现状分析 |
| 2.2.2 电力现货市场现状分析 |
| 2.2.3 建设基本原则 |
| 2.2.4 建设关键问题 |
| 2.2.5 未来发展方向 |
| 2.3 电力预测理论基础 |
| 2.3.1 经典预测方法 |
| 2.3.2 机器学习预测方法 |
| 2.3.3 深度学习预测方法 |
| 2.4 系统优化理论基础 |
| 2.4.1 模糊规划 |
| 2.4.2 鲁棒优化 |
| 2.4.3 随机规划模型 |
| 2.5 SD模型及其应用 |
| 2.6 本章小结 |
| 第3章 新能源对电力现货市场的影响分析 |
| 3.1 新能源对电力现货市场的影响分析模型 |
| 3.1.1 基于统计数据的影响分析 |
| 3.1.2 基于小波变换与分形理论的特征表示 |
| 3.1.3 基于SVM的特征因素分类 |
| 3.1.4 基于因子分析的特征提取 |
| 3.1.5 影响分析模型框架与流程 |
| 3.2 新能源对现货市场电价影响的实证分析 |
| 3.2.1 数据收集 |
| 3.2.2 基于统计数据的影响实证分析 |
| 3.2.3 基于全部特征的影响实证分析 |
| 3.2.4 基于关键特征的影响实证分析 |
| 3.3 本章小结 |
| 第4章 电力现货市场中新能源发电功率预测与电价预测 |
| 4.1 基于CEEMD-SE-HS-KELM的新能源发电功率预测模型 |
| 4.1.1 CEEMD-SE模型 |
| 4.1.2 HS-KELM模型 |
| 4.1.3 CEEMD-SE-HS-KELM |
| 4.1.4 实例分析 |
| 4.2 基于相似日筛选与LSTM的现货市场电价预测模型 |
| 4.2.1 电价影响因素初选 |
| 4.2.2 基于RF的新能源影响量化 |
| 4.2.3 基于改进灰色关联的相似日筛选 |
| 4.2.4 RF-IAGIV-CEEMD-SE-LSTM模型 |
| 4.2.5 实例分析 |
| 4.3 本章小结 |
| 第5章 计及新能源与中长期市场影响的现货日前市场交易优化 |
| 5.1 计及新能源与中长期市场的日前市场交易模式 |
| 5.2 中长期合约电量分解模型 |
| 5.2.1 目标函数 |
| 5.2.2 约束条件 |
| 5.3 系统不确定性分析及建模 |
| 5.3.1 新能源出力不确定性 |
| 5.3.2 电力现货价格不确定性 |
| 5.4 计及新能源与中长期合约电量分解的现货日前市场出清模型 |
| 5.4.1 目标函数与约束条件的建立 |
| 5.4.2 多目标函数的模糊优选处理 |
| 5.4.3 基于GA-PSO的优化模型求解算法 |
| 5.5 实例分析 |
| 5.5.1 算例设置 |
| 5.5.2 中长期合约电量分解结果 |
| 5.5.3 系统不确定性求解 |
| 5.5.4 现货日前电力市场出清结果 |
| 5.5.5 惩罚系数对多目标优化结果的影响 |
| 5.5.6 新能源渗透率对多目标优化结果的影响 |
| 5.6 本章小结 |
| 第6章 计及新能源的现货日前与日内、日内与实时市场交易优化 |
| 6.1 现货日前、日内与实时市场的组合及及关联分析 |
| 6.2 系统不确定性建模 |
| 6.2.1 系统不确定性模拟 |
| 6.2.2 拉丁超立方生成场景集 |
| 6.2.3 基于改进谱聚类算法的场景削减策略 |
| 6.3 计及新能源的电力现货市场两阶段交易优化模型 |
| 6.3.1 计及新能源的日前与日内市场联合优化模型 |
| 6.3.2 计及新能源的日内与实时市场联合优化模型 |
| 6.4 实例分析 |
| 6.4.1 算例设置 |
| 6.4.2 场景集生成与削减 |
| 6.4.3 日前与日内市场联合优化出清结果 |
| 6.4.4 日内与实时市场联合优化出清结果 |
| 6.5 本章小结 |
| 第7章 计及碳市场影响的电力现货市场建设路径分析 |
| 7.1 碳排放相关政策梳理 |
| 7.2 现行政策下碳排放压力分析 |
| 7.2.1 碳排放预测模型 |
| 7.2.2 碳排放预测效果检验 |
| 7.2.3 碳排放总量及碳排放强度预测 |
| 7.2.4 基于碳排放预测结果的政策建议 |
| 7.2.5 碳排放市场建设必要性分析 |
| 7.3 碳交易实施对电力现货市场的影响分析 |
| 7.3.1 碳交易市场现状 |
| 7.3.2 碳交易对电力现货市场的影响分析 |
| 7.4 碳交易与电力现货市场的协同建设建议 |
| 7.5 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）基于Pix2Pix和YOLO v3算法的行波故障定位方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障定位研究现状 |
| 1.2.2 相量测量单元(PMU) |
| 1.2.3 人工智能在电力工业应用的研究现状 |
| 1.2.4 故障定位精确度提升算法研究现状 |
| 1.2.5 图像质量评估的现状 |
| 1.3 论文的主要工作和章节安排 |
| 2 基于行波的故障定位方法研究 |
| 2.1 行波在输电线路的传输过程 |
| 2.1.1 行波的定义 |
| 2.1.2 波动方程 |
| 2.1.3 输电线路上的行波过程 |
| 2.1.4 三相解耦 |
| 2.2 行波法故障测距及其改进研究 |
| 2.2.1 小波多尺度分析 |
| 2.2.2 行波法 |
| 2.2.3 改进的D型行波故障定位方法 |
| 2.3 本章小结 |
| 3 基于Pix2Pix的行波故障定位精确度提升方法研究 |
| 3.1 Pix2Pix网络简介 |
| 3.1.1 Pix2Pix网络结构 |
| 3.1.2 Pix2Pix网络参数训练 |
| 3.1.3 Pix2Pix网络的特征 |
| 3.2 故障定位精确度提升方法 |
| 3.2.1 故障定位精确度提升方法介绍 |
| 3.2.2 基于Pix2Pix的行波定位精度提高评估指标 |
| 3.3 本章小结 |
| 4 基于YOLO v3 的图像质量评估方法 |
| 4.1 YOLO v3 简介 |
| 4.1.1 算法原理分析 |
| 4.1.2 网络模型结构 |
| 4.1.3 算法关键组成 |
| 4.2 基于YOLO v3 的图像质量评估方法 |
| 4.3 本章小结 |
| 5 基于Pix2Pix和 YOLO v3 的行波故障定位仿真分析 |
| 5.1 实验环境说明 |
| 5.2 故障数据集的生成 |
| 5.2.1 接地故障仿真模型 |
| 5.2.2 样本数据集的生成 |
| 5.3 训练过程 |
| 5.4 仿真结果分析 |
| 5.4.1 基于Pix2Pix故障定位精确度提升结果 |
| 5.4.2 基于YOLO v3 图像质量评估结果 |
| 5.4.3 故障定位提升结果 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
| 致谢 |
（3）基于电磁时间反转的同杆并架双回线的故障测距（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 同杆并架双回线故障测距的研究现状 |
| 1.3 不同原理的故障测距方法简介 |
| 1.3.1 行波法 |
| 1.3.2 故障分析法 |
| 1.3.3 智能化测距算法 |
| 1.4 影响测距精度的因素 |
| 1.5 仿真软件的介绍 |
| 1.5.1 ATP-EMTP软件 |
| 1.5.2 MATLAB软件 |
| 1.6 本论文的主要研究内容 |
| 2 同杆并架双回线的故障分析 |
| 2.1 同杆并架双回线的特点 |
| 2.2 输电线路的解耦 |
| 2.2.1 单回线的解耦 |
| 2.2.2 相同电压等级同杆并架双回线的解耦 |
| 2.2.3 不同电压等级同杆并架双回线的解耦 |
| 2.2.4 序分量的选择 |
| 2.3 序分量的处理 |
| 2.3.1 小波变换的基本概念 |
| 2.3.2 小波函数的选择 |
| 2.4 本章小结 |
| 3 基于电磁时间反转的同杆并架双回线故障测距的实现 |
| 3.1 时间反转理论简介 |
| 3.2 电磁时间反转的理论基础 |
| 3.2.1 电磁时间反转理论的时间反转不变性 |
| 3.2.2 电磁时间反转理论在无损传输线上的适用性 |
| 3.2.3 电磁时间反转理论在有损传输线上的适用性 |
| 3.3 基于电磁时间反转理论的同杆并架双回线测距算法 |
| 3.4 本章小结 |
| 4 相同电压等级同杆并架双回线故障测距的仿真分析 |
| 4.1 仿真模型及其参数 |
| 4.2 仿真过程 |
| 4.3 仿真结果 |
| 4.3.1 不同单回线故障类型的故障测距仿真 |
| 4.3.2 不同跨线故障类型的故障测距仿真 |
| 4.3.3 不同故障相角的故障测距仿真 |
| 4.3.4 不同采样频率的故障测距仿真 |
| 4.4 本章小结 |
| 5 不同电压等级同杆并架双回线故障测距的仿真分析 |
| 5.1 仿真模型及参数 |
| 5.2 仿真过程 |
| 5.3 仿真结果 |
| 5.3.1 不同单回线故障类型的故障测距仿真 |
| 5.3.2 不同跨线故障类型的故障测距仿真 |
| 5.3.3 不同故障相角的故障测距仿真 |
| 5.3.4 不同采样频率的故障测距仿真 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间所发表的论文及参加科研情况 |
（4）光伏发电系统谐波检测与抑制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 光伏发电系统概述 |
| 1.3 电力系统谐波检测与抑制技术研究现状 |
| 1.4 文章的主要研究内容 |
| 2 光伏电池的建模及仿真分析 |
| 2.1 光伏发电系统结构 |
| 2.2 光伏电池的数学模型 |
| 2.3 光伏发电系统的谐波特性分析 |
| 2.4 本章小结 |
| 3 基于小波变换和FFT算法的谐波检测算法的研究 |
| 3.1 传统的谐波检测算法 |
| 3.2 基于小波变换和FFT算法的谐波检测算法的研究 |
| 3.3 谐波检测算法的仿真分析 |
| 3.4 本章小结 |
| 4 具有谐波抑制功能的新型光伏系统设计 |
| 4.1 谐波抑制技术的工作原理 |
| 4.2 具有谐波抑制功能的电流跟踪型光伏系统设计 |
| 4.3 基于双环控制PWM谐波抑制技术的电压电流控制策略 |
| 4.4 光伏系统的参数设定与模型仿真 |
| 4.5 本章小结 |
| 5 谐波检测算法与谐波抑制方法的验证分析 |
| 5.1 对含间谐波信号的谐波检测算法的验证分析 |
| 5.2 在基波频率波动下谐波检测算法的验证分析 |
| 5.3 对含有噪声信号谐波检测算法的验证分析 |
| 5.4 单独进行谐波抑制时光伏系统的验证分析 |
| 5.5 发电并网与谐波抑制时光伏系统的验证分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（5）基于物联网的用户端电能质量监测系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外电力物联网研究与应用现状 |
| 1.2.1 国内电力物联网 |
| 1.2.2 国外电力物联网 |
| 1.3 电能监测装置及算法研究与应用现状 |
| 1.3.1 国内外的电能监测装置 |
| 1.3.2 电能质量检测算法 |
| 1.4 ZigBee无线通信的研究应用现状 |
| 1.5 论文主要研究内容及组织架构 |
| 2 电能监测系统总体软硬件框架 |
| 2.1 电能监测系统整体架构 |
| 2.2 电能监测系统硬件节点规划 |
| 2.3 电能监测系统需求功能分析 |
| 2.3.1 电能监测系统数据规划 |
| 2.3.2 数据传输需求分析与数据包格式的确定 |
| 2.4 电能监测系统整体软件架构 |
| 2.5 本章小结 |
| 3 系统硬件电路设计及电能质量算法研究 |
| 3.1 物联网电能监测系统的硬件电路设计 |
| 3.1.1 基于STM32F7微处理器的硬件设计 |
| 3.1.2 AD采样电路设计 |
| 3.1.3 ZigBee无线传输电路设计 |
| 3.1.4 GPRS远程通信电路设计 |
| 3.2 电能质量指标参数的确定及其测量方法 |
| 3.2.1 基本电能参数及其计算方法 |
| 3.2.2 供电电压偏差 |
| 3.2.3 三相不平衡度及其算法 |
| 3.2.4 电压波动和闪变不平衡 |
| 3.2.5 公用电网谐波 |
| 3.3 面向配电网谐波的FFT算法研究及仿真分析 |
| 3.3.1 傅里叶变换原理 |
| 3.3.2 基2-快速傅里叶变换及其系统实现 |
| 3.3.3 基于FFT的电网谐波信号的仿真分析 |
| 3.4 基于小波的谐波和突变信号分析算法及其仿真研究 |
| 3.4.1 连续、离散小波变换 |
| 3.4.2 多分辨分析及Mallat算法 |
| 3.4.3 常用小波基函数介绍 |
| 3.4.4 基于小波变换的谐波和突变信号仿真分析 |
| 3.5 本章小结 |
| 4 面向电能监测的ZigBee网络通信设计及仿真研究 |
| 4.1 ZigBee技术特点及应用前景 |
| 4.1.1 ZigBee技术特点分析 |
| 4.1.2 ZigBee应用领域及前景 |
| 4.2 电能监测系统的Zig Bee网络拓扑规划 |
| 4.3 面向监测系统局域通信的ZigBee协议栈开发 |
| 4.4 监测系统局域通信的ZigBee网络管理 |
| 4.4.1 基于时隙的CSMA/CA算法研究 |
| 4.4.2 ZigBee协议栈网络管理 |
| 4.5 电能监测系统局域通讯的ZigBee软件设计 |
| 4.5.1 局域无线通讯的软件开发环境 |
| 4.5.2 监测节点局域通信的软件设计 |
| 4.6 面向监测系统局域通信的ZigBee网络性能仿真 |
| 4.6.1 ZigBee网络仿真平台 |
| 4.6.2 ZigBee网络仿真搭建 |
| 4.7 本章小结 |
| 5 面向物联网电能监测的云平台及用户端开发 |
| 5.1 远程电能监测系统的云平台选择及功能分析 |
| 5.1.1 云平台选择 |
| 5.1.2 云平台功能结构 |
| 5.2 云平台基础技术分析 |
| 5.3 阿里云服务器设计 |
| 5.4 面向电能监测系统的用户端界面开发 |
| 5.4.1 设备监测数据显示软件设计 |
| 5.4.2 设备监测数据动态曲线的软件设计 |
| 5.4.3 Excel日志文件生成的软件设计 |
| 5.5 本章小结 |
| 6 系统仿真与实验测试 |
| 6.1 用户端电能监测系统仿真模型 |
| 6.2 终端采集装置PCB板绘制及硬件测试 |
| 6.3 电能监测系统远程传输功能测试 |
| 6.3.1 监测节点设备运行 |
| 6.3.2 客户端显示界面测试 |
| 6.4 监测系统局域组网性能与传输距离测试 |
| 6.5 实验数据与误差分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（6）融合卡尔曼滤波的LCL型有源电力滤波器研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 选题的研究背景及意义 |
| 1.2 谐波的危害及抑制技术 |
| 1.3 有源电力滤波器的研究现状 |
| 1.4 论文主要工作及技术路线 |
| 2 LCL型三相三线制并联APF关键技术研究 |
| 2.1 LCL型三相三线制并联APF工作原理 |
| 2.2 谐波电流检测技术 |
| 2.3 锁相环同步技术 |
| 2.4 直流侧电压控制技术 |
| 2.5 指令电流重复控制技术 |
| 2.6 补偿电流跟踪控制技术 |
| 2.7 APF系统控制原理 |
| 2.8 本章小结 |
| 3 融合卡尔曼滤波的谐波电流检测数学模型 |
| 3.1 建立卡尔曼滤波方法数学方程 |
| 3.2 建立EKF滤波方法数学方程 |
| 3.3 改进EKF滤波方法数学模型 |
| 3.4 本章小结 |
| 4 APF控制系统结构及参数设计 |
| 4.1 LCL型并联APF控制系统结构 |
| 4.2 APF直流侧电容电压参考值设定 |
| 4.3 LCL输出滤波器参数确定 |
| 4.4 LCL滤波器谐振抑制 |
| 4.5 本章小结 |
| 5 融合改进EKF滤波方法的LCL型 APF仿真验证 |
| 5.1 改进EKF滤波方法在APF中的应用 |
| 5.2 Matlab平台模型仿真设计 |
| 5.3 恒定负载下仿真分析 |
| 5.4 突变负载下仿真分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（7）基于小波变换的输电线路故障测距方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景和意义 |
| 1.2 国内外研究与现状 |
| 1.2.1 故障测距在国内外的研究与现状 |
| 1.2.2 小波变换在国内外的研究与现状 |
| 1.3 对故障测距的基本要求 |
| 1.4 论文的主要研究工作 |
| 1.5 本章小结 |
| 2 行波法测距原理 |
| 2.1 行波的基本概念 |
| 2.1.1 故障行波的产生 |
| 2.1.2 传输线路中的波过程 |
| 2.2 行波的折射与反射 |
| 2.3 相模变换 |
| 2.4 行波测距的类型和存在的问题 |
| 2.4.1 单端行波测距法 |
| 2.4.2 双端行波测距法 |
| 2.4.3 单端行波测距法与双端行波测距法的特点比较 |
| 2.4.4 行波法测距存在的问题 |
| 2.5 本章小结 |
| 3 小波分析理论 |
| 3.1 小波变换的背景 |
| 3.2 小波变换的原理与特点 |
| 3.2.1 小波的基本概念 |
| 3.2.2 连续小波变换 |
| 3.2.3 离散小波变换 |
| 3.2.4 二进小波变换 |
| 3.3 多分辨率分析与Mallat算法 |
| 3.3.1 多分辨率分析 |
| 3.3.2 Mallat算法 |
| 3.4 小波变换的奇异性与模极大值 |
| 3.5 小波变换在故障测距中的应用和需要解决的问题 |
| 3.5.1 小波变换在故障测距中的应用 |
| 3.5.2 小波基的选择 |
| 3.5.3 分解尺度的选择 |
| 3.6 本章小结 |
| 4 基于小波变换的输电线路单端测距与双端测距新方法 |
| 4.1 不受波速影响的单端故障测距方法 |
| 4.1.1 不受波速影响的单端故障测距的基本原理 |
| 4.1.2 不受波速影响的单端故障测距流程图 |
| 4.2 不受波速影响的双端故障测距方法 |
| 4.2.1 不受波速影响的双端故障测距原理 |
| 4.2.2 不受波速影响的双端故障测距流程图 |
| 4.3 仿真分析 |
| 4.4 本章小结 |
| 5 基于小波变换的T型输电线路故障测距方法 |
| 5.1 传统的T型故障测距方法 |
| 5.2 不受波速影响的T型输电线路故障测距方法 |
| 5.2.1 故障支路的判别 |
| 5.2.2 不受波速影响的T型输电线路故障测距原理 |
| 5.2.3 不受波速影响的T型输电线路故障测距流程 |
| 5.3 仿真分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（8）电力系统动态同步相量测量算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 同步相量测量算法研究现状 |
| 1.2.1 DFT变换类相量测量算法 |
| 1.2.2 非DFT变换类相量测量算法 |
| 1.3 本文的主要工作 |
| 第2章 动态相量测量常用算法及其性能分析与仿真 |
| 2.1 引言 |
| 2.2 基于DFT的传统相量测量算法 |
| 2.2.1 相量的定义 |
| 2.2.2 离散傅里叶变换算法 |
| 2.3 其他常用的相量测量算法 |
| 2.3.1 过零检测法 |
| 2.3.2 瞬时值法 |
| 2.3.3 最小二乘法 |
| 2.3.4 卡尔曼滤波算法 |
| 2.4 算例分析 |
| 2.4.1 基于DFT算法的相量测量 |
| 2.4.2 过零检测法仿真 |
| 2.4.3 瞬时值法仿真 |
| 2.4.4 最小二乘法仿真 |
| 2.4.5 卡尔曼滤波算法仿真 |
| 2.5 本章小结 |
| 第3章 频率偏移时的改进DFT相量测量算法 |
| 3.1 引言 |
| 3.2 改进DFT相量测量算法 |
| 3.2.1 频率偏移时DFT计算相量的误差分析 |
| 3.2.2 基于相位差求取信号频率修正DFT值 |
| 3.2.3 算法流程 |
| 3.3 算例分析 |
| 3.3.1 频率偏移仿真 |
| 3.3.2 频率偏移下谐波干扰仿真 |
| 3.3.3 频率偏移下噪声干扰仿真 |
| 3.3.4 频率线性变化仿真 |
| 3.3.5 加Hamming窗的仿真 |
| 3.4 本章小结 |
| 第4章 基于泰勒展开的动态相量测量算法 |
| 4.1 引言 |
| 4.2 离散傅里叶变换算法的改进 |
| 4.2.1 基于相位差的频率跟踪 |
| 4.2.2 基于泰勒展开的DFT修正 |
| 4.2.3 算法流程 |
| 4.3 仿真结果和分析 |
| 4.3.1 信号频率变化时的相量测量 |
| 4.3.2 低频振荡信号的相量估计 |
| 4.3.3 含谐波信号的相量估计 |
| 4.3.4 幅值和相位突变信号的相量测量 |
| 4.3.5 加Hann窗的仿真 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间参与的课题 |
（9）基于同步挤压变换的风电并网谐波/间谐波分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外对谐波/间谐波的研究现状 |
| 1.2.1 谐波/间谐波分析方法的研究现状 |
| 1.2.2 风电并网谐波/间谐波的研究现状 |
| 1.2.3 基于实际电力数据谐波/间谐波分析的研究现状 |
| 1.2.4 文献评述 |
| 1.3 本文研究的主要内容 |
| 第二章 谐波/间谐波分析方法理论分析 |
| 2.1 傅里叶变换理论 |
| 2.2 小波变换理论 |
| 2.3 希尔伯特黄变换理论 |
| 2.4 本章小结 |
| 第三章 基于同步挤压变换的谐波/间谐波分析方法研究 |
| 3.1 基于傅里叶同步挤压变换的谐波/间谐波提取 |
| 3.1.1 短时傅里叶变换 |
| 3.1.2 傅里叶同步挤压变换 |
| 3.1.3 改进型傅里叶同步挤压变换 |
| 3.2 基于同步挤压小波变换的谐波/间谐波提取 |
| 3.2.1 连续小波变换 |
| 3.2.2 同步挤压小波变换 |
| 3.3 两种同步挤压变换对比研究 |
| 3.3.1 时频锐化效果的对比 |
| 3.3.2 模态分解效果的对比 |
| 3.3.3 参数选择对两种同步挤压变换的影响 |
| 3.4 基于同步挤压变换的谐波/间谐波仿真分析 |
| 3.4.1 平稳谐波/间谐波分析 |
| 3.4.2 非平稳谐波/间谐波分析 |
| 3.5 本章小结 |
| 第四章 双馈型风电场并网谐波/间谐波分析 |
| 4.1 双馈型风电机组的谐波模型 |
| 4.2 双馈型风电机组的谐波/间谐波产生机理 |
| 4.3 基于傅里叶同步挤压变换的双馈型风电场并网谐波特性分析 |
| 4.3.1 单台双馈型风电机组并网谐波/间谐波仿真研究 |
| 4.3.2 双馈型风电场并网谐波/间谐波仿真研究 |
| 4.4 本章小结 |
| 第五章 基于电力数据的风电汇集地区谐波/间谐波分析 |
| 5.1 电力数据分析方法概述 |
| 5.2 哈密风电汇集地区网架结构分析 |
| 5.3 基于同步挤压变换的风电汇集地区谐波/间谐波分析 |
| 5.4 谐波/间谐波电流的时间序列数据挖掘分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（10）压缩感知理论在电力系统信号处理与数据压缩中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 电能质量概述 |
| 1.2.1 电能质量问题的定义 |
| 1.2.2 电能质量问题的分类 |
| 1.3 国内外研究现状 |
| 1.3.1 电力系统中去噪的研究现状 |
| 1.3.2 谐波检测研究现状 |
| 1.3.3 电能质量的数据压缩概述 |
| 1.4 本论文工作 |
| 第二章 压缩感知理论基础 |
| 2.1 引言 |
| 2.2 压缩感知理论的提出 |
| 2.3 CS理论框架 |
| 2.3.1 CS基本原理 |
| 2.3.2 信号的稀疏表示 |
| 2.3.3 测量矩阵的设计 |
| 2.3.4 重构算法 |
| 2.4 本章小结 |
| 第三章 压缩感知在电能质量信号去噪中的应用 |
| 3.1 引言 |
| 3.2 噪声与信号去噪的性能评价 |
| 3.2.1 噪声 |
| 3.2.2 衡量去噪的指标 |
| 3.3 基于压缩感知的电能质量信号去噪 |
| 3.3.1 去噪原理 |
| 3.3.2 稀疏基与测量矩阵的选取 |
| 3.3.3 算法描述 |
| 3.3.4 算例仿真 |
| 3.4 本章小结 |
| 第四章 SASt OMP算法在电力系统谐波检测中的应用 |
| 4.1 引言 |
| 4.2 谐波信号检测分析 |
| 4.2.1 谐波信号的压缩采样 |
| 4.2.2 重构算法性能指标 |
| 4.3 SASt OMP算法 |
| 4.3.1 StOMP算法 |
| 4.3.2 对StOMP算法的改进 |
| 4.4 算例分析 |
| 4.4.1 稳态谐波检测 |
| 4.4.2 抗干扰能力 |
| 4.5 本章小结 |
| 第五章 Se Co Sa MP算法在电能质量数据压缩中的应用 |
| 5.1 引言 |
| 5.2 电能质量的信号分析 |
| 5.2.1 电能质量扰动信号模型 |
| 5.2.2 信号重构性能评价指标 |
| 5.3 基于分部思想的Co Sa MP算法(Se Co Sa MP) |
| 5.3.1 Co Sa MP算法 |
| 5.3.2 对Co Sa MP算法的改进 |
| 5.4 算例分析 |
| 5.4.1 信号重构性能分析 |
| 5.4.2 考虑环境噪声的信号重构 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
| 附录 |
四、小波变换在电力系统应用中的发展前景研究（论文参考文献）
- [1]计及新能源的电力现货市场交易优化研究[D]. 王珂珂. 华北电力大学(北京), 2021(01)
- [2]基于Pix2Pix和YOLO v3算法的行波故障定位方法[D]. 张劲弦. 武汉大学, 2021(12)
- [3]基于电磁时间反转的同杆并架双回线的故障测距[D]. 黄若轩. 西安科技大学, 2020(01)
- [4]光伏发电系统谐波检测与抑制的研究[D]. 赵帅帅. 山东科技大学, 2019(06)
- [5]基于物联网的用户端电能质量监测系统研究[D]. 彭阳. 北京交通大学, 2020(03)
- [6]融合卡尔曼滤波的LCL型有源电力滤波器研究[D]. 张鹤馨. 辽宁工程技术大学, 2020(02)
- [7]基于小波变换的输电线路故障测距方法研究[D]. 孔垂祥. 安徽理工大学, 2020(03)
- [8]电力系统动态同步相量测量算法研究[D]. 彭芳威. 湖南大学, 2020(07)
- [9]基于同步挤压变换的风电并网谐波/间谐波分析方法研究[D]. 童涛. 新疆大学, 2020(07)
- [10]压缩感知理论在电力系统信号处理与数据压缩中的应用[D]. 王晓娟. 华南理工大学, 2020(02)