EEMD能量熵在配电变压器绕组状态监测中的应用

利用振动法在线监测配电变压器绕组的状态关键在于如何从振动信号中提取有效的特征。为了更有效地监测与诊断变压器绕组的状态,搭建了某配电变压器多次短路冲击试验及负载试验时的振动信号监测平台,利用总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)对变压器绕组的振动信号进行分析并求解其能量熵值,提出一种基于EEMD能量熵的配电变压器绕组状态监测与故障诊断的方法。实验结果表明,EEMD能够有效地提取配电变压器绕组振动信号的特征,得到振动信号各频带内的能量分布状态,可准确地在线监测与诊断配电变压器绕组故障。     

基于EEMD和Teager能量算子的电能质量扰动检测

针对电能质量扰动检测的问题,结合经验模态分解（EMD）理论和总体平均经验模态分解（EEMD）算法以及Teager能量算子（TEO）,提出基于EEMD和Teager能量算子的电能质量扰动检测方法。利用经验模态分解方法,将电力系统监测信号分解成不同特征时间尺度的单分量固有模态函数（IMF）,用Teager能量算子计算各固有模态函数的瞬时幅值和频率,得到扰动信号的幅值谱。该方法充分利用了EEMD的自适应性与Teager算子的快速响应能力,仿真试验结果验证了该方法的有效性。     

基于自适应调频模态追踪方法的铣削颤振识别

在铣削加工工程中,产生颤振,严重影响产品的加工精度和表面质量。为了有效避免铣削过程中发生颤振,提出了基于自适应调频模态追踪(adaptive chirp mode pursuit, ACMP)的铣削颤振监测和识别方法。该方法综合考虑了振动信号的带宽和微弱特性,ACMP在递归框架中逐个捕获信号模式,在该算法中,不需要输入信号模式的个数,而是可以通过评估残差信号的能量来学习,这样就可以避免由于分解层数不确定带来的模态混叠或者过度分解的问题。首先使用仿真信号验证了该算法对颤振信号具有很高的识别精度;然后基于现场的铣削实验数据证明该方法及时有效地对颤振进行识别;最后从ACMP处理后的信号中提取功率谱熵值作为颤振识别特征。该方法解决了经验模态分解(empirical mode decomposition, EMD)算法的模态混合和伪分量问题,又降低了变分模态分解(variational mode decomposition, VMD)的精度不稳定的影响,可以准确快速地识别到颤振,对提高加工质量具有重要意义。     

基于ENEMD与Teager能量算子的轴承早期微弱故障特征提取研究

针对经验模态分解(EMD)和集合经验模态分解(EEMD)方法存在模态混叠、噪声残留以及对滚动轴承早期微弱故障特征提取效果不理想的问题,提出一种基于集成噪声重构经验模态分解(ensemble noise-reconstructed empirical mode decomposition, ENEMD)与Teager能量算子的轴承早期微弱故障特征提取方法。首先,使用ENEMD对采集信号进行分解,基于固有噪声分量处理方法实现信号降噪;其次,基于峭度与相关系数的联合准则,提取ENEMD分解的峭度值及相关系数较大的imf分量进行重构;再次,利用Teager能量算子对重构信号进行分析,从而提取到滚动轴承的早期微弱故障特征;最后,基于滚动轴承内、外圈的故障振动信号,开展所提方法与基于EMD和Teager能量算子(EMD-Teager)及基于EEMD和Teager能量算子(EEMD-Teager)方法对比实验。实验结果表明,本方法能有效提取滚动轴承早期微弱故障特征,并取得略优于EMD-Teager和EEMD-Teager能量算子的效果。     

分接开关振动信号EMD熵和小波熵的比较

针对变压器有载分接开关机械故障诊断,引入一种基于经验模态分解EMD(empirical mode decomposi-tion)能量熵的诊断方法,以提取变压器有载分接开关振动信号特征并进行故障诊断。首先进行小波消噪,然后对信号进行经验模态分解,对得出的各阶固有模态函数求能量,最终计算得到信号的能量熵值。运用EMD能量熵作为特征参量,分析了触头正常和烧毁两种情况下分接开关切换时产生的振动信号,并与小波能量熵比较,研究结果表明,分接开关振动信号基于EMD能量熵的方法比基于小波能量熵的方法有效。     

基于EEMD与模糊控制的混合储能控制策略

为实现风电平滑并网，采用蓄电池和超级电容组成的混合储能系统平抑风电出力波动。本文提出了基于集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）与模糊控制的混合储能控制策略。首先，利用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）对风电输出功率信号进行分解。根据低、高频固有模态函数（IMF）能量的明显差异确定EEMD滤波阶次。其次，按照风电并网波动率的限制要求，对滤波阶次进行调整，将符合波动率要求的低频分量并网，高频分量分配给混合储能系统。然后，对蓄电池和超级电容的实时荷电状态（State of Charge，SOC）进行判断，利用模糊控制对超级电容的功率指令进行优化，防止超级电容过充和过放。仿真实例表明，所提策略既能实现风电输出功率的合理分配，有效的抑制风电波动，又能使混合储能系统的SOC稳定在合理区间，提高储能系统的使用寿命。     

局部放电信号处理相关方法的研究

分析了FFT阈值滤波和基于能量比预处理的FFT阈值滤波法,分别采用这两种方法对实际监测信号进行处理,并对比分析了两种信号处理结果。结果表明,FFT阈值滤波法采用不同的滤波系数时,信号处理结果会呈现很大的差异;基于能量比预处理法能找到能量突变的点,信号处理更具针对性,但采用能量比预处理阈值滤波过程中应当注意选取合适的窗口长度,且在信号处理的时候应当尽可能地减少局部放电信号能量的损失。     

基于瞬时能量熵和SVM的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式（EMD）分解的新型故障特征撮方法,并与支持向量机（SVM）相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障.     

考虑特征瞬变的导线微风振动在线监测及预警技术

针对现有导线振动监测以秒平均振幅和秒平均频率衡量导线微风振动程度带来的误差,提出了一种考虑振动特征瞬变的导线微风振动在线监测及预警技术。根据压电材料的正压电效应设计一种振动监测传感器,测量距悬垂线夹89 mm处的加速度时程曲线。以获得瞬时幅值和瞬时频率为目标,采用经验模态分解（empirical mode decomposition, EMD）结合相关性判断得到符合原始信号振动机制的特征模态函数（intrinsic mode function, IMF）,经希尔伯特变换（hilbert transform, HT）提取瞬时参数,并利用瞬时幅值和瞬时频率计算导线对应动弯应力下各单元损伤参数,通过数值方法证明其有效性。经振动台试验对比分析,导线在有效损伤频段0~60 Hz内,该方法得出的各项疲劳损伤参数与计算值的吻合度均在86.77%以上,且主要疲劳损伤参数最大试验误差为8.02%,平均试验误差为0.92%,说明该方法可以作为振动导线疲劳寿命预警的有效依据。     

基于CEEMDAN与Teager能量算子的谐波检测方法

针对现有的电力系统谐波信号检测方法精度不高的问题,提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)和Teager能量算子的谐波检测新方法。首先利用CEEMDAN对谐波信号进行分解,获得不同局部特征时间尺度的固有模态函数(IMF)分量。其次,通过改进的EEMD去噪方法和相关性判据方法分别去除噪声分量和虚假分量得到真实的谐波分量。最后利用Teager能量算子计算出谐波分量的瞬时幅值和瞬时频率,可以准确地获得谐波信号的能量谱信息。该方法充分利用了CEEMDAN的局部自适应性与Teager能量算子的快速响应特点,通过EMD、EEMD和CEEMDAN分别与Teager能量算子相结合的方法进行谐波检测。对比检测结果不仅表明了该方法具有较高的检测精度,而且验证了所提方法的可行性和有效性。     

基于变分模态分解与Teager能量算子的谐波/间谐波检测方法

为了提高电力谐波信号中谐波/间谐波的检测精度,提出一种基于变分模态分解(VMD)与Teager能量算子相结合的检测新方法。利用相关系数法来确定VMD算法中的模态分解个数K;采用VMD对谐波/间谐波信号进行分解,得到一系列IMF分量;利用Teager能量算子对IMF分量进行解调分析,能够得到分量的瞬时幅值和频率,同时根据时频图中瞬时频率突变点,可准确定位暂态谐波/间谐波的起止时刻。在信噪比较低的情况下,将集合经验模态分解(EEMD)、VMD分别与Teager能量算子相结合进行谐波/间谐波检测的对比。仿真实验对比表明文中所提方法能将稳态、暂态谐波信号进行有效的分离,同时具有较高的检测精度和较好的噪声鲁棒性。     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法--基于经验模态分解(EMD)的希尔伯特(Hilbert)变换方法,应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测;通过Hilbert边际谱与傅里叶幅值谱的比较,表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

基于平稳小波包分解的水轮机非平稳振动信号希尔伯特谱分析

应用平稳小波包变换对信号进行窄带分解,避免了经验模式分解过程中虚假模式分量的产生以及高频本质模式函数瞬时频率的波动,改善了Hilbert谱对于高频宽带信号的频率分辨率,使其更加适合复杂多分量的非平稳信号分析。针对水轮机过渡过程中转子振动响应的复杂性和非平稳性,应用该方法对停机和起动过程现场测试信号进行分析,识别了信号的时频结构特征,主轴振动响应主要由转速频率及其谐频成分组成,其中主导成分为转速频率。与Hilbert-Huang变换的对比验证了该方法在分析水轮机过渡过程非平稳振动信号方面的有效性。     

利用改进数位演算法和经验模态分解的电力系统低频振荡信号瞬时参数的提取

为分析电力系统低频振荡的动态特性,需要提取低频振荡信号的瞬时参数,而电力系统低频振荡信号为非线性时变复合信号,因此参数提取前需要对其进行振荡模态分解。首先结合最小平方误差法提出了改进数位演算方法,以提高信号参数的提取精度;其次应用经验模态分解法对低频振荡信号进行模态分解,确定有效振荡模态;最后根据提取参数可分析电力系统低频振荡的动态特性。算例结果验证了该方法的有效性。     

基于Hilbert-Huang变换的电网故障行波定位方法

正确辨识和检测故障行波信号是实现电网故障行波定位的关键.提出了一种新的故障行波信号时频分析方法,采用Hilbert-Huang变换(HHT)对故障行波信号进行检测,通过经验模态分解(EMD)法提取故障行波信号的固有模态函数(IMF),再进行Hillaert变换,得到各自的瞬时频率,由瞬时频率进行行波到达时刻的准确检测.HHT与小波变换比较,不存在变换参数的选取难题,变换结果具有唯一性.仿真结果表明HHT能更准确地提取电网故障行波波头位置,有效提高故障行波定位精度.     

Transformer partial discharge signal reconstruction and feature extraction method based on time–frequency matrix

Effectively extracting power transformer partial discharge (PD) signals is of great significance for monitoring the power transformer insulation state. However, practical and effective extraction methods have been lacking. This paper proposes a novel method for the extraction PD signals feature by the analysis of their time–frequency matrix. First, empirical mode decomposition (EMD) is carried out for raw signals to obtain the complete Hilbert time–frequency spectrum. Second, the frequency band partition is carried out. And the component of raw signals on each frequency band is constructed after filtering by a Hilbert–Huang transform (HHT) band‐pass filter. Then the time–frequency matrix is constructed by different frequency band components, and singular value decomposition is carried out. Using its singular value energy spectrum, the PD signal is reconstructed, further realizing feature extraction. Finally, the analysis result from actual examples indicates that this method can effectively extract PD signal feature frequency spectrum, and meanwhile also can eliminate the strong background interference and retain the higher time–frequency resolution. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于变分模态分解的电能质量扰动检测新方法

为了更加准确地提取扰动信号特征,提出了基于变分模态分解(VMD)的电能质量扰动检测新方法。该方法由VMD和希尔伯特变换(HT)2个部分组成。首先,对扰动信号进行傅里叶变换以确定VMD的预设分解尺度;然后,利用VMD将扰动信号分解为系列调幅-调频函数之和;最后,对每个调幅-调频函数进行HT,求取瞬时幅值和瞬时频率,进而确定扰动信号特征。较之希尔伯特-黄变换和局部均值分解方法,VMD方法不仅可分析不同时间支集的扰动信号,处理复合扰动和频率相近的奇数次谐波,也不存在模态混叠,获取的瞬时幅值和瞬时频率更加准确。仿真信号和变电站电容器组投入时的电压信号分析结果证明了所提方法的可行性和有效性。     

转子碰摩波内调制特征提取及其故障诊断应用

为深入分析不同转静碰摩故障引起振动响应信号波内调制特征的变化规律,以Jeffcott转子模型为基础,采用基于变分模态分解的Hilbert变换方法对不同碰摩故障仿真信号进行波内调制特征的提取与分析,揭示了碰摩转子的动力学特性与其故障信号波内调制特性间的关联机理。仿真结果表明,周期-k碰摩故障将导致振动响应信号中低频段波内调频模态的瞬时频率以1/k倍频为中心振荡,且振荡频率依然为1/k倍频,进而造成了频谱中的1/k边频带;在概周期碰摩故障中,波内调制频率为靠近1/k倍频的无理数倍频和整数倍频,且造成振动信号频谱中的无理数边频带。离心泵转子故障诊断试验表明,波内调制特征能够有效地对转子碰摩故障进行有效的诊断。