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。     

局部均值分解在电力系统间谐波和谐波失真信号检测中的应用

将局部均值分解LMD(Local Mean Decomposition)法应用于电能质量扰动检测,选取电力系统中典型间谐波扰动信号、短时谐波信号、暂态谐波信号、时变谐波信号和变压器中的实际多频谐波信号,应用LMD对其进行分析.间谐波信号的仿真结果表明LMD方法在求取的瞬时特征参数波动幅度、端部效果、检测精度和运行时间方面都优于Hilbert-Huang变换(HHT)方法;谐波失真信号的仿真结果表明该方法可以准确检测扰动信号的频率、幅值以及扰动发生与恢复的时刻.对某500kV变电站35kV侧投运电容器时引起的35kV侧B相电压下降和畸变的信号分析结果进一步证明了所提方法的正确性.     

基于HHT的旋转机械油膜涡动和油膜振荡故障特征分析

将一种新的非平稳信号处理方法,即Hilbert-Huang (HHT)变换方法用于油膜涡动和油膜振荡的检测和时频分析。该方法先用经验模态分解(empirical mode decompo- sition,EMD)提取信号的固有模态函数(intrinsic mode function,IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值。该方法在早期油膜涡动中能够更加清晰地发现涡动二分频的存在,放大了涡动的故障特征,为早期故障诊断提供了方便。HHT时频分析能够定量刻画转子系统油膜涡动故障的快速发展过程,能够准确检测出油膜涡动故障产生的时间、频率和幅值信息,为故障诊断提供了时间方面的准确信息。试验数据分析验证了该方法的有效性。     

基于Hilbert Huang变换的SSVEP相位提取

稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)被广泛应用于脑-机接口和大脑的认知研究,相位信息是其重要的特征指标之一.针对快速傅里叶变换在SSVEP相位提取中受不确定性原理约束的特点,提出了一种基于Hilbert-Huang变换的SSVEP相位提取方法.该方法通过经验模态分解将脑电信号分解为一系列固有模态函数(intrinsic mode functions,IMF),并通过分析各模态函数瞬时频率的均值判断该IMF分量是否属于噪声.若为噪声则将其从原始信号中滤除,再对滤波后的各IMF分量进行Hilbert变换,并与基准信号做运算即可求得SSVEP相位.实验结果表明,与快速傅里叶法相比该方法可在去除噪声分量的同时提取SSVEP的相位信息,且具有较高的准确率、精度和自适应性.     

Hilbert-Huang变换及其在电力系统中的应用

通过综述国内外Hilbert-Huang变换及其相关端点效应、模态混叠、筛分停止准则等问题的研究现状,讨论了该变换的特点。详细分析了Hilbert-Huang变换在电力系统设备故障检测与故障诊断、电力系统振荡分析、电能质量检测和负荷预测等方面的应用现状。最后,对其在电力系统中的应用进行了展望,认为Hilbert-Huang变换可以联合其他方法克服本身缺点,并根据电力系统信号的特点,更有效地应用于电力系统。     

基于希尔伯特-黄变换的电力系统谐波分析

准确的谐波分析对电力系统稳定具有重要意义。为克服FFT方法与小波分析方法的缺点,提出将希尔伯特-黄变换(Hilbert-Huang transform, HHT)用于谐波分析。将谐波信号进行经验模态分解(empirical mode decomposition, EMD),得到一系列经验模态函数(intrinsic mode function, IMF)。由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换(HT)及最小二乘拟和,最终可以得到各次谐波的幅值、频率和相位,从而实现电力系统谐波的准确分析。在经验模态分解过程中,采用了分段三次Hermite插值,并通过添加极值的方法减轻边缘效应的影响,使谐波分析能够更准确。仿真表明,Hermite插值比三次样条插值对谐波分析更具优势。该方法分析电力系统谐波精度高,能够取得满意的效果。     

HHT方法在电力系统故障信号分析中的应用

论文应用HHT方法来进行电力系统故障信号的分析.该方法利用经验模态分解法(EMD)将复杂的故障暂态信号分解成有限个固有模态信号(IMF),从而使Hilbert变换(HT)的瞬时频率具有实际物理意义.通过瞬时频率和进一步得到的Hilbeert边际谱,对故障暂态信号进行了分析.仿真结果表明:该方法可以从时频两方面同时对故障信号进行分析;能够实现对故障时刻的准确检测;能够提取、区分电力系统谐波分量;Hilbert边际谱的分辨率优于傅里叶谱.     

小波变换在电能质量分析中的应用

针对电力系统暂态信号分析提出了一种基于小波变换的解析信号分解方法。该方法将小波变换的时频局部性与解析信号关于信号相位及瞬时频率的描述相结合,可提取暂态信号的奇异点及各尺度分量的幅值包络、相位、瞬时频率等特征信息,为电能质量分析提供了更加丰富的依据。     

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时 ,电压电流信号包含了故障的信息 ,文中称包含了故障或暂态信息的电压和电流信号为特征信号 ,利用特征信号可以进行系统分析和故障检测 ,但是特征信号往往被淹没在大量的噪声信号中 ,这样给电力系统分析和检测带来困难。文中分析了电力系统中几种常见的噪声和特征信号的时频特性 ,简单介绍了小波包变换的理论和特点 ,分析了利用小波包变换来消除噪声 ,提取特征信号的理论 ,并通过实例验证了小波包良好的抗噪能力 ,为实现噪声环境下特征信号的提取提供了良好的分析方法 ,为电力系统分析和故障检测提供了良好的工具。     

基于模式变换和小波变换的电力电缆故障测距方法

通过将小波变换与模式变换理论相结合,提出了一种电力电缆故障的在线测距方法,该方法采用暂态行波信号,首先将三相信号转换成模式分量,零模分量的小波变换系数用于判别故障的大致位置,然后利用线模分量的小波变换系数来确定行波到达时间.采用模式变换可避免传统行波方法中存在的受故障起始角影响的问题.仿真结果表明,该方法有很高的测距精度,是可行的.     

希尔伯特-黄变换在电力系统故障检测中的应用研究

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法。将HHT引入到电力系统故障检测中,利用经验模态分解(EMD)获得故障电流信号的本征模态函数(IMF),通过选取IMF并对其进行H ilbert变换,提取出IMF分量的瞬时频率和瞬时幅度。利用合成的IMF分量的H ilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析。仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性。     

基于dq统一频率变换的电力系统宽频带仿真与分析

随着高比例新能源电力系统的电力电子化特征凸显,电力系统宽频带仿真面临挑战.首先介绍了基于dq统一频率变换建模的基本理论,分析了基于dq统一频率变换建模与准静态相量建模的异同点.而后基于该基本理论,建立了同步发电机、双馈风力发电机和电力网络的多尺度仿真模型.进一步针对系统仿真和分析中的电网高维问题,提出了系统网络简化方法,降低模型阶数.最后采用IEEE 3机9节点算例,验证了所提仿真模型的准确性.仿真结果表明所提建模方法能够准确计算振荡模式下的宽频带仿真模型,弥补了电磁暂态模型无法计算小干扰稳定模式的不足,同时具备快速宽频带仿真能力,其准确性与电磁暂态模型一致,适用于大规模电力系统仿真与分析.     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于小波变换的电力系统故障暂态信号分析

介绍了连续小波变换定义.小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此小波变换十分适合电力系统故障产生的暂态信号的分析.电力系统故障暂态信号的小波变换模极大值标志着电力系统最重要的故障特征,可以作为继电保护和故障测距的依据     

基于特定频带的短时傅里叶分析

短时傅里叶分析(STFT)和小波分析都具有分析暂态谐波的能力,但两者都存在不足之处,STFT需要有一个合适的窗才能有满意的分析效果,小波分析不能得到单个的谐波频率和幅值。文中通过比较STFT和小波分析在电力系统暂态信号分析中的优缺点,结合两者的优点,提出了基于特定频带的STFT的方法。该方法利用多分辨率分析确定暂态故障发生的时刻和暂态信号的主要频率范围,在此基础上确定STFT的时窗中心和合适的窗宽,可有效地提高STFT的精度和效率,快速、准确地得到暂态信号中’主要谐波频率分量的频率和幅值,通过MATLAB仿真证明了该方法的有效性。