HILBERT-HUANG变换及其在电力系统中的应用PDF|Epub|txt|kindle电子书版本网盘下载

HILBERT-HUANG变换及其在电力系统中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 非平稳信号处理中几个常见概念1

1.1 引言1

1.2 信号平稳性的矛盾2

1.2.1 信号非平稳性的两种含义4

1.2.2 非平稳信号与时变信号5

1.3 瞬时频率的争论5

1.3.1 傅里叶频率6

1.3.2 瞬时频率6

1.4 不确定性原理的讨论13

1.4.1 量子力学中的不确定性原理14

1.4.2 信号处理中的不确定性原理14

1.4.3 不确定性原理的争论22

1.5 本章小结23

参考文献23

第2章 傅里叶变换的不足及改进方法25

2.1 引言25

2.2 傅里叶变换及其不足26

2.2.1 傅里叶变换的定义26

2.2.2 傅里叶变换的物理意义27

2.2.3 傅里叶变换存在的不足28

2.3 傅里叶变换的第一类改进方法33

2.3.1 短时傅里叶变换的定义34

2.3.2 短时傅里叶变换的不足34

2.3.3 Gabor展开的定义35

2.3.4 Gabor展开的不足36

2.4 傅里叶变换的第二类改进方法37

2.4.1 Wigner-Ville分布的定义37

2.4.2 Wigner-Ville分布的不足37

2.4.3 Cohen类分布的定义38

2.4.4 Cohen类时频分布的不足39

2.5 傅里叶变换的第三类改进方法39

2.5.1 小波的定义39

2.5.2 小波变换的本质42

2.5.3 小波变换的不足43

2.6 小波变换的延伸52

2.6.1 复小波52

2.6.2 多小波57

2.6.3 超小波70

2.7 本章小结73

参考文献73

第3章 Hilbert-Huang变换研究现状及改进方法79

3.1 引言79

3.2 Hilbert-Huang变换及特性80

3.2.1 Hilbert-Huang变换介绍80

3.2.2 Hilbert-Huang变换的特点87

3.3 Hilbert-Huang变换存在的问题89

3.3.1 端点效应问题89

3.3.2 模态混叠问题89

3.3.3 筛分停止准则问题90

3.3.4 样条拟合问题90

3.4 端点效应的抑制91

3.4.1 端点效应抑制方法综述91

3.4.2 基于人工神经网络和镜像延拓相结合的端点效应处理方法93

3.4.3 基于支持向量机和镜像延拓相结合的数据延拓方法101

3.5 模态混叠的抑制108

3.5.1 模态混叠抑制方法综述108

3.5.2 差频法改善模态混叠109

3.5.3 基于Fourier变换改善模态混叠111

3.5.4 集合经验模态分解法改善模态混叠115

3.5.5 高频谐波注入法改善模态混叠116

3.6 Hilbert-Huang变换的拓展127

3.6.1 LMD分解127

3.6.2 HVD分解131

3.6.3 CEEMD分解134

3.7 本章小结137

参考文献137

第4章 Hilbert-Huang变换在电能质量分析中的应用141

4.1 引言141

4.2 电能质量检测与识别研究现状142

4.2.1 电能质量扰动检测与识别概述142

4.2.2 单一电能质量检测与识别研究现状142

4.2.3 混合电能质量检测与识别研究现状145

4.3 基于Hilbert-Huang变换的谐波与间谐波检测154

4.3.1 基于Hilbert-Huang变换的谐波检测154

4.3.2 电气化铁路实测谐波的检测159

4.4 基于Hilbert-Huang变换的暂态扰动检测170

4.4.1 基于EMD的暂态扰动检测170

4.4.2 基于EEMD的暂态扰动检测174

4.5 基于Hilbert-Huang变换的电能质量混合扰动识别175

4.5.1 基于EEMD的电能质量混合扰动检测175

4.5.2 基于时频多特征量的混合扰动识别178

4.5.3 基于EEMD和多标签排位支持向量机的混合扰动识别187

4.6 基于Hilbert-Huang变换拓展方法的电能质量扰动参数检测199

4.6.1 基于改进的局部均值分解的电能质量扰动参数检测199

4.6.2 基于希尔伯特振动分解的谐波与间谐波的检测203

4.6.3 基于互补集合经验模态分解的电能质量扰动参数检测205

4.7 本章小结212

参考文献212

第5章 Hilbert-Huang变换在电力负荷预测中的应用217

5.1 引言217

5.2 电力系统负荷预测概述217

5.2.1 电力负荷预测的分类217

5.2.2 电力负荷序列的特性218

5.3 电力负荷预测的主要方法219

5.3.1 多尺度分解方法219

5.3.2 人工智能方法220

5.3.3 组合预测方法221

5.3.4 其他方法222

5.4 EMD在短期电力负荷预测中的应用223

5.4.1 电力负荷的EMD分解225

5.4.2 EMD与人工神经网络的结合227

5.4.3 EMD与支持向量机的结合246

5.4.4 几种方法预测结果的比较250

5.4.5 基于EMD的组合负荷预测251

5.5 基于EEMD与SS-PSO结合的短期电力负荷预测方法254

5.5.1 EEMD与SS-PSO结合的预测方案254

5.5.2 SS-PSO原理256

5.5.3 电力负荷序列的EEMD分解259

5.5.4 电力负荷预测模型263

5.5.5 电力负荷预测结果263

5.6 计及风电并网的电力负荷预测269

5.6.1 风电功率预测研究现状269

5.6.2 短期电力负荷与风电功率数据的特性对比271

5.6.3 基于PSO和灰色关联度的线性组合预测280

5.6.4 短期电力负荷的预测结果及分析284

5.6.5 风电功率的预测结果及分析293

5.7 基于等效负荷预测模型的负荷预测301

5.7.1 等效负荷的预测模型及整体思路301

5.7.2 等效负荷的预测结果及对比分析303

5.8 本章小结306

参考文献306