一种冲击性负荷电能计量方法

    公开(公告)号:CN101055299A

    公开(公告)日:2007-10-17

    申请号:CN200710034363.7

    申请日:2007-01-31

    Applicant: 湖南大学

    Abstract: 本发明公开了一种冲击性负荷电能计量方法,包括下列五方面:(1)冲击性负荷导致电力系统产生谐波与闪变,冲击性负荷的电能计量涉及基波电能计量、谐波电能计量和闪变电能计量;(2)电力系统电压、电流信号经过高通滤波器,由高速ADC(模/数转换器)对电压、电流进行多路同步变频采样,通过FFT(快速傅立叶变换)变换或小波变换实现谐波电能计量,依据谐波有功功率正、负号可以判断谐波源方向;(3)电力系统电压、电流信号经过低通滤波器,由高速ADC对电压、电流进行多路同步变频采样,通过FFT变换或小波变换实现闪变电能计量,依据闪变有功功率正、负号可以判断闪变源方向;(4)电力系统电压、电流信号经过低通滤波器,由高速ADC对电压、电流进行多路同步变频采样,通过FFT变换或小波变换提取基波信号,实现基波电能计量;(5)高速ADC的进行的采样为变频采样,采样频率根据基波频率跟踪确定。

    一种基于时频变换的信号包络特征参数估计方法及装置

    公开(公告)号:CN117454158A

    公开(公告)日:2024-01-26

    申请号:CN202311460551.1

    申请日:2023-11-03

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于时频变换的信号包络特征参数估计方法及装置,本发明方法包括基于采样信号构造观测矩阵并计算协方差矩阵,对协方差矩阵进行奇异值分解得到左特征向量矩阵U、特征值矩阵S和右特征向量矩阵V,为S构建加权矩阵I;采用W=UΙUT计算降噪重构矩阵W并计算降噪重构信号Y;对降噪重构信号Y做提取频谱序列YFFT,基于频谱序列YFFT寻找峰值谱线并估计得到载波的中心频率fc,基于fc构造滤波器以提取包络信号;针对提取的包络信号进行指定的包络特征参数估计。本发明旨在实现在复杂干扰场景下提取信号的包络,实现对包络特征参数进行准确估计。

    一种宽动态范围信号的测量误差校准方法及系统

    公开(公告)号:CN117929842A

    公开(公告)日:2024-04-26

    申请号:CN202410070322.7

    申请日:2024-01-17

    Applicant: 湖南大学

    Abstract: 本发明公开了一种宽动态范围信号的测量误差校准方法及系统,本发明包括在谐波信号测量实验平台上针对指定谐波的不同幅值、不同温度进行多次试验并采集谐波信号测量装置输出的幅值数据;构建关于幅值校正参数向量L的非线性参化函数以及拟合误差函数;结合采集的幅值数据以及非线性参化函数以及拟合误差函数,基于梯度下降法迭代求解幅值校正参数向量L并代入非线性参化函数得到温度校正函数,根据温度校正函数的校正结果判断是否继续迭代求解幅值校正参数向量L。本发明旨在解决电力系统谐波信号测量中受温度变化影响的误差问题,通过有效的误差校正提高电力系统中谐波信号测量的准确性和可靠性。

    一种多源信号的频率分量估计与精准分离方法及装置

    公开(公告)号:CN117520832A

    公开(公告)日:2024-02-06

    申请号:CN202311648715.3

    申请日:2023-12-04

    Applicant: 湖南大学

    Abstract: 本发明公开了一种多源信号的频率分量估计与精准分离方法及装置,本发明多源信号的频率分量估计与精准分离方法包括针对多个通道的采样数据基于拟合熵确定独立源个数和主成分信号,采用变步长牛顿迭代法对主成分信号解混叠得到解混叠矩阵和预分离信号,运用误差反向传递修正解混叠矩阵将多源混合信号分离为精确分离信号,基于各个通道的精确分离信号进行频率估计。本发明旨在解决传统信号频率估计与信号分离方法在独立源个数未知,容易陷入局部最优和信号分离误差积累问题,改进传统方法容易陷入局部最优、灵活性差的问题,在频率估计与信号分离中提高精度。

    一种模糊神经网络FNN的参数优化及应用方法与系统

    公开(公告)号:CN113392958B

    公开(公告)日:2023-05-16

    申请号:CN202110613013.6

    申请日:2021-06-02

    Applicant: 湖南大学

    Abstract: 本发明公开了一种模糊神经网络FNN的参数优化及应用方法与系统,本发明的模糊神经网络FNN的参数优化方法包括采用自适应交叉概率和变异概率对遗传算法进行改进优化模糊神经网络FNN的参数;应用方法包括建立基于主成分分析及改进遗传算法优化的模糊神经网络模型PCA‑IGAFNN并用于NQI综合服务质量以及水质评价。本发明针对标准遗传算法存在收敛速度慢,容易陷入局部最优解等缺点,采用自适应的交叉概率和变异概率对遗传算法进行改进,通过改进后的遗传算法优化模糊神经网络FNN的参数,从而能够有效提升优化模糊神经网络FNN的参数的收敛速度,减少模糊神经网络FNN的优化计算开销,提高模糊神经网络FNN的优化效率。

    一种模糊神经网络FNN的参数优化及应用方法与系统

    公开(公告)号:CN113392958A

    公开(公告)日:2021-09-14

    申请号:CN202110613013.6

    申请日:2021-06-02

    Applicant: 湖南大学

    Abstract: 本发明公开了一种模糊神经网络FNN的参数优化及应用方法与系统,本发明的模糊神经网络FNN的参数优化方法包括采用自适应交叉概率和变异概率对遗传算法进行改进优化模糊神经网络FNN的参数;应用方法包括建立基于主成分分析及改进遗传算法优化的模糊神经网络模型PCA‑IGAFNN并用于NQI综合服务质量以及水质评价。本发明针对标准遗传算法存在收敛速度慢,容易陷入局部最优解等缺点,采用自适应的交叉概率和变异概率对遗传算法进行改进,通过改进后的遗传算法优化模糊神经网络FNN的参数,从而能够有效提升优化模糊神经网络FNN的参数的收敛速度,减少模糊神经网络FNN的优化计算开销,提高模糊神经网络FNN的优化效率。

    三角自卷积窗加权算法
    9.
    发明公开

    公开(公告)号:CN101261618A

    公开(公告)日:2008-09-10

    申请号:CN200810031065.7

    申请日:2008-04-14

    Applicant: 湖南大学

    Abstract: 本发明为一种三角自卷积窗信号加权算法,其实现方法为:首先构建长度为M的离散三角窗序列,然后将p个离散三角窗序列作p-1次卷积运算,得到卷积序列,在卷积序列的首或尾补p-1个零,即得到长度为N=pM的p阶离散三角自卷积窗,采用长度为N的三角自卷积窗对长度为N的离散信号进行加权运算,最终获得采用三角自卷积窗对信号进行加权处理的结果。三角自卷积窗具有很好的抑制频谱泄漏能力,运用基于三角自卷积窗的傅立叶谐波分析方法对信号序列进行分析能有效消除各次谐波间的相互干扰,实现复杂信号中的整数次谐波的高精度提取分析。

Patent Agency Ranking