基于改进频移经验模态分解的低频振荡参数提取

对于规模越来越大的复杂电力系统来说,采用基于量测数据的低频振荡研究方法日益受到重视。经验模态分解(EMD)方法的分解过程具有自适应且适于分析非平稳信号,在低频振荡参数提取方面应用较多,但EMD方法存在模态混叠等现象。当信号中2个单频分量的频率在2倍频内时,频移经验模态分解(FS-EMD)可将2个分量分解开。但当信号中有多个单频分量的频率在2倍频内时,FS-EMD就无法分解。为了提高EMD的频率分辨率并使分解方法具有通用性,文中提出了改进的频移经验模态分解(RFS-EMD)算法。此方法增大了信号中组成分量的频率比,且保证频率不翻转,使之可循环使用RFS-EMD算法分解复杂信号。该方法在应用于电力系统低频振荡模态参数的提取时,能较好地提取多个2倍频范围内的低频振荡模态分量的频率、幅值、相位及阻尼比等参数。数值仿真和实例分析均表明了该方法的有效性。     

HHT在电力系统低频振荡模态参数提取中的应用

针对目前电力系统低频振荡的分析局限于用线性化方法来处理而导致的分析结果不精确，甚至不尽合理，提出基于希尔伯特-黄变换(HHT)的提取电力系统低频振荡模态参数新方法。首先运用HHT中的经验模态分解(EMD)实现各低频振荡模态分量的有效分离，并对各模态分量进行希尔伯特(Hilbert)变换、计算其相对应瞬时幅值、瞬时频率及相位；其次运用该文推导的阻尼比计算公式提取各振荡模态分量阻尼比，从而实现低频振荡模态参数的有效提取。同时对超低频振荡的产生机理给出一种新的解释，该方法有助于分析电力系统强非线性振荡模态及阻尼控制器的设计研究。数值仿真及实例分析均表明该方法的可行性和有效性。     

基于同步挤压小波变换的抗混叠低频振荡模态参数识别

针对经验模态分解法对低频振荡信号模态提取时,存在相邻频率分量混叠而导致分析结果不正确的问题,本文提出基于同步挤压小波变换的抗混叠低频振荡模态参数识别新方法,首先利用同步挤压小波变换将低频振荡信号分解为一组无频率混叠的固有模态分量,实现各固有模态的精确提取;其次对各固有模态分量进行希尔伯特(Hilbert)变换、计算其相对应瞬时幅值、瞬时频率及相位;最后运用瞬时频率、瞬时幅值计算其阻尼比,从而实现对低频振荡模态参数的有效识别,数值仿真及实例分析均表明该方法的可行性和有效性。同时该方法有助于评价阻尼控制器对系统不同振荡模态阻尼特性的影响,为阻尼控制器的设计研究及改进提供理论支撑,具有较好的实用价值。     

基于改进变分模态分解的低频振荡模式辨别

针对现有信号处理方法无法有效解决电力系统低频振荡信号中的非线性及混叠问题的现状,将一种变分模态分解(VMD)方法引入到低频振荡的模式辨识中,并利用样本熵与快速傅里叶变换(FFT)对VMD无法自适应分解的情况进行了改进。原始信号由改进变分模态分解(IVMD)方法分解为若干模态分量,然后利用Teager-Kaiser能量算子(TKEO)对各分量分别拟合即可获得幅值、频率和阻尼等参数。在构造的测试信号下,令提出方法与VMD、经验模态分解(EMD)、总体最小二乘旋转矢量不变技术(TLS-ESPRIT)和Prony等方法进行模式参数辨识性能对比,结果表明,IVMD方法有效克服了EMD、TLS-ESPRIT和Prony在处理模态混叠、含噪声序列和非平稳信号等方面的不足。最后,通过对IEEE 4机2区域系统和新英格兰39节点系统仿真信号的辨识,验证了该方法在提取电力系统低频振荡模式参数中的有效性。     

同步挤压小波变换在电力系统低频振荡模态参数提取中的应用

针对电力系统低频振荡的非平稳、非线性特性,将一种新的时频分析方法——同步挤压小波变换(SWT),应用于低频振荡分析。该方法克服了大多数分析方法抗噪性差的缺点,结合了经验模态分解(EMD)和小波的优点,具有EMD的自适应性,同时提高了抗模态混叠能力。利用该算法可实现具有多分量的低频振荡模式分离,得到其瞬时幅值和频率,并计算阻尼比。仿真和实测信号的计算结果证明了SWT的有效性,优于传统的HHT方法。     

基于ICA-EMD和Prony算法的区域电网低频振荡模式分析

针对互联电网低频振荡频现,已有低频振荡模式分析方法对噪声较为敏感和难以处理非线性、非平稳信号等问题,提出一种基于独立分量分析(ICA)与经验模态分解(EMD)有机结合的Prony关键振荡模式辨识法。通过对观测到的功角信号进行滤波预处理,并对其进行经验模态分解提取得到固有模态函数(IMF),将已得原始固有模态函数白化,接着用独立分量分析处理得到真正的IMF,用Prony算法辨识各IMF分量提取出观测信号中关键振荡模式。研究结果表明,该方法综合利用了ICA的去相关性和噪声抑制优势及EMD对复杂信号的分解能力,克服了Prony算法难以去除噪声和分解频率相近模式的缺陷,有利于提高辨识精度和准确性,更能满足实际应用需求。     

HHT算法在电力系统低频振荡模态辨识中的应用

针对电力系统低频振荡信号的非线性、非平稳特征,提出了一种新的处理方法——希尔伯特-黄变换(HHT)。该方法能够克服传统分析难以处理非平稳信号的缺点;利用其中的经验模态分解(EMD)对信号模态分量的有效分离,对分量进行Hilbert变换,得到相应的参量。通过计算实现对振荡信号的模态参数的辨识与提取,因此该方法能够应用到阻尼控制器的设计中。仿真结果表明该控制器能有效地抑制电力系统低频振荡,提高了系统的安全稳定性。     

用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。     

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EMD盲源分离算法的电力系统低频振荡模式识别

针对广预测量系统低频振荡过程中的高斯噪声干扰和定阶问题,提出了基于EMD(empirical mode decomposition)盲源分离(blind source separation,BSS)算法的单通道低频振荡信号的模式分析方法。首先将信号利用经验模态分解得到一系列本征模函数分量组合的新信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号,并利用独立分量分析消除模态混叠的有效方法;然后利用盲源分离技术--二阶盲辨识算法(second order blind identification,SOBI),处理多通道观测信号矩阵,从中提取出不同的单模式信号;最后将去噪、定阶后的信号运用最小二乘-旋转不变技术(TLS-ESPRIT)算法辨识,得到低频振荡模态参数。数值算例仿真、IEEE四机两区域仿真实验表明该算法能够有效分离源信号,相比于其他方法具有抗噪性能好、拟合精度高等优点。     

EMD法在提取电力系统低频振荡特性中的应用

经验模态分解方法是一种全新的非平稳信号分析方法,根据低频振荡信号的非平稳特性,介绍了经验模态分解方法应在低频振荡特性分析中的应用。仿真结果表明,该方法可以准确提取系统的低频振荡特征。     

瞬时频率技术对结构破损检测能力的探讨

采用经验模态分解方法(EMD)将结构响应信号分解成几个单分量信号，借助Hilbert变换，将单分量信号变换为解析信号，通过对解析信号相位的微分，定义了瞬时频率(IF)．通过两个数值算例，检验了用瞬时频率作为结构破损检测技术的潜力．算例结果表明：在结构突然出现严重损坏(损坏后，结构仍然保持其弹性)的情况下，用瞬时频率技术能够辨识出损坏的时间和原因；在结构出现非弹性的情况下，对于弱非线性情况，本技术不是非常有效，对于严重非线性情况，本技术能够清晰地检测这种非线性趋势．由于本文的讨论是在无测量噪声条件下进行的，因此，要将该技术用于实际检测，还需要作进一步的研究．     

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EMD-TEO及信号能量分析法的主导低频振荡模式识别

提出了一种识别电力系统主导低频振荡模式的新方法。该方法综合了经验模态分解(EMD)、Teager能量算子(TEO)及信号能量分析法,借助经验模态分解处理非平稳信号,不需考虑定阶问题,扩展了信号能量分析法的应用范围;利用Teager能量算子的快速响应能力及健壮性,提高了频率辨识精度;根据二阶模型下的信号能量分析法,提出了一种阻尼比的简化算法。分别在WEPRI-36系统和实际电网中进行了验证,并与Q-R特征值分析法及Prony算法进行了准确性比较。结果表明,新方法对非线性系统的适应性比Prony算法强,可用于低频振荡主导模式的有效识别。     

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。