霍柏超
- 作品数：6 被引量：63H指数：4
- 供职机构：西南交通大学电气工程学院铁道电气化与自动化研究所更多>>
- 发文基金：霍英东青年教师基金四川省杰出青年科技基金更多>>
- 相关领域：电气工程交通运输工程电子电信更多>>
- 基于支持向量机的电力负荷组合预测模型被引量：11
- 2007年
- 给出了一种基于支持向量机(SVM)的组合预测模型,利用各种方法的预测结果作为SVM的输入,实际负荷值作为SVM的输出,并采用LIBSVM算法和径向基核函数对SVM进行训练,训练后的SVM便具有预测能力。最后的仿真结果表明,基于SVM的组合预测模型的预测精度不仅高于任一单一模型,且高于固定权系数组合预测模型。
- 张亚军刘志刚霍柏超张大波
- 关键词：组合预测支持向量机电力负荷
- 基于HHT方法的电气化铁道谐波检测与分析被引量：17
- 2009年
- 将希尔伯特-黄变换(HHT)方法用于电气化铁道谐波检测中。由于电气化铁道谐波电压、电流信号中基波能量很大,其它次数的谐波能量相对较小,使得经验模态分解(EMD)方法在应用中出现模态混叠现象,不能准确地提取任意频率的谐波信号。为改善经验模态分解过程中产生的模态混叠现象,本文采用Yang提出的基于Fourier变换的EMD方法对电气化铁道谐波信号进行筛分。通过该方法可以有效地提取出任意频率的谐波分量,进而计算其Hilbert谱。通过对电气化铁道牵引变电所实测谐波电压、电流数据进行分析,结果表明:利用改进的HHT方法可以得到电气化铁道各次谐波准确的时频分布。最后通过HHT方法计算出各次谐波电压、电流含有率及总谐波电压、电流畸变率,并对计算结果进行分析。HHT方法为电气化铁道谐波检测与分析提供了一种新的途径。
- 苏玉香刘志刚李科亮霍柏超蔡军
- 关键词：HHTFOURIER变换电气化铁道谐波检测THD
- 一种改善EMD端点效应的新方法及其在谐波分析中的应用被引量：20
- 2008年
- 为了改善经验模态分解(EMD)过程中产生的端点效应,本文提出一种基于支持向量机和镜像延拓相结合的新方法对短时间序列进行延拓。首先应用支持向量机(SVM)对原始信号两端分别延拓一个极大值和一个极小值,再用带镜像延拓程序的EMD方法对延拓后的信号进行边分解边延拓,逐渐抛弃受"污染"的点,得到具有原始信号长度的固有模态函数(IMF)。本文将该方法应用于电力系统的谐波分析中,仿真结果表明该方法能有效抑制EMD方法的端点效应,可以得到效果更好的单分量谐波信号。
- 苏玉香刘志刚李科亮霍柏超
- 关键词：EMD端点效应支持向量回归机谐波分析
- 小波及多小波Gibbs现象的改善方法及应用研究
- 现代信号处理中最重要的一块莫过于信号的滤波处理了，信号滤波最有利的工具即是时频分析法。目前较常用的时频分析方法有傅立叶分析、小波分析等方法，这些方法在取得了巨大成果的同时也都存在一个严重的缺陷就是在使用其对信号进行滤波处...
- 霍柏超
- 关键词：信号处理小波
- 文献传递
- 基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法被引量：13
- 2008年
- 基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法:首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。
- 李东敏刘志刚蔡军霍柏超
- 关键词：RBF神经网络输电线路故障类型识别
- 应用平移不变小波变换消除短路电流中的噪声
- 2008年
- 有效去除继电保护信息采集中的噪声,对确保继电保护装置正确动作至关重要。对电力系统接地短路电流信号的去噪进行了研究,针对小波去噪等信号处理方法中存在的Gibbs现象,提出并研究了采用db4小波进行信号去噪,采用平移不变小波变换,并以新型阈值代替传统阈值,进一步改善了去噪效果。工程实际应用中,采用间隔循环平移可提高运算速度,理论分析及仿真实验均验证了该方法的有效性。
- 霍柏超刘志刚李东敏苏玉香
- 关键词：信号去噪平移不变阈值法
