小波变换和
Prony 分析等 5 种方法。
3.3.1Fourier 变换
Fourier 变换是电能质量分析领域中的基本方法,在实时系统中,通常采用短时 Fourier 变换
方法
(STFT)和快速 Fourier 变换方法(FFT)。
Fourier 变换的优点是算法快速简单。但其缺点也很多:(1)虽然能够将信号的时域特征和频
域特征联系起来观察,但不能将二者有机地结合起来。
(2)只能适应于确定性的平稳信号(如
谐波
),对时变非平稳信号难以充分描述。(3)STFT 的离散形式没有正交展开,难以实现高效
算法
;只适合于分析特征尺度大致相同的过程,不适合分析多尺度过程和突变过程。(4)FFT
变换的时间信息利用不充分,任何信号冲突都会导致整个频带的频谱散布
;在不满足前提条
件时,会产生
“旁瓣”和“频谱泄露”现象。
3.3.2 神经网络法
神经网络理论是巨量信息并行处理和大规模平行计算的基础,它既是高度非线性动力学系
统,又是自适应组织系统,可用来描述认知、决策及控制的智能行为。
神经网络法的优点是:
(1)可处理多输入-多输出系统,具有自学习、自适应等特点。(2)不必
建立精确数学模型,只考虑输入输出关系即可。缺点是:
(1)存在局部极小问题,会出现局
部收敛,影响系统的控制精度
;(2)理想的训练样本提取困难,影响网络的训练速度和训练质
量
;(3)网络结构不易优化。
3.3.3 二次变换法
二次变换是一种基于能量角度来考虑的新的时域变换方法。该方法的基本原理是用时间和频
率的双线性函数来表示信号的能量函数。
二次变换的优点是:可以准确地检测到信号发生尖锐变化的时刻
;精确测量基波和谐波分量
的幅值。缺点是:无法准确地估计原始信号的谐波分量幅值
;不具有时域分析功能。
3.3.4 小波分析法
小波变换是新的多尺度分析数字技术,它通过对时间序列过程从低分辨率到高分辨率的分
析,显示过程变化的整体特征和局部变化行为。常用的小波基函数有:
Daubechies 小波、B
小波、
Morlet 小波 Meyer 小波等。
小波变换的优点是:
(1)具有时-频局部化的特点,特别适合突变信号和不平稳信号分析。(2)
可以对信号进行去噪、识别和数据压缩、还原等。缺点是:
(1)在实时系统中运算量较大,需
要如
DSP 等高价格的高速芯片。(2)小波分析有
“边缘效应”,边界数据处理会占用较多时间,
并带来一定误差。
3.3.5Prony 分析法