基于VMD的谐波检测方法

针对电网谐波检测问题,分析已提出的几种传统的谐波检测方法,首次提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的电网谐波检测方法。运用VMD方法将所含谐波的电网信号分解为一系列的本征模态分量(Intrinsic Mode Function,IMF),然后对分解出的IMF分量采用希尔伯特黄变换(HilbertHuang transform,HHT),获得每一个IMF分量的瞬时频率和瞬时幅值。由于VMD方法能准确的分解出每一个IMF分量,因此所得到的瞬时频率和瞬时幅值达到了很高精度的获取,并且与在经验模态分解(Empirical Mode Decomposition,EMD)所得到IMF分量Hilbert变换进行对比,说明了该方法比传统的Hilbert变换分解能力更强。为验证该方法对电网谐波的检测能力,将VMD算法与传统的瞬时无功功率谐波检测算法运用到实测数据中。仿真和实测数据表明,该方法是检测谐波的有效新方法。     

基于改进HHT的电压闪变检测

针对应用希尔伯特-黄变换(HHT)算法进行电压闪变参数检测过程中经验模态分解(EMD)产生的固有模态分量(IMF)不理想而增大参数检测误差的问题,提出了一种改进HHT的电压闪变检测方法。首先通过在EMD"筛选"步骤中添加四点插值细分算法"分裂"出新的控制点供三次样条插值拟合包络线,然后分解出一组IMF分量,最后对IMF分量采用Hilbert变换得到闪变检测参数。就含噪声的单一分量闪变信号、不含噪声的和含噪声的多分量闪变信号,分别采用未改进HHT方法与改进HHT方法进行仿真检测,研究结果表明,改进HHT算法具有良好的抗噪能力,对模态混叠具有一定的抑制作用,并且能够提高闪变信号参数检测的准确度。     

基于HHT的配电网谐波检测方法研究

HHT分析法对分析时变、衰减、间断等非平稳谐波信号比小波分析法和FFT法更为精确。HHT法在谐波检测时自身存在的许多问题,在经验模态分解过程中用保形分段三次厄米尔特函数解决曲线包络问题,并用相关系数法识别固有模态分量(IMF)中的伪分量。针对谐波信号中含有基波分量而影响分析精度,首先设计了数字滤波器,对原始信号进行滤波处理以消除经验模态分解过程中的模态混叠现象,再利用HHT方法进行分析。将分析结果与实测数据比较,结果表明所用方法精度较高,具有很高的应用价值。     

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。     

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。     

基于小波变换和HHT的分布式并网系统谐波检测方法

在分布式电源并网系统中,大量逆变装置的使用与非线性负载的接入,给电网带来严重的谐波污染,传统的检测方法 (如:快速傅里叶变换、小波分析等)对同步信号检测、基函数选取有较大的依赖性,难以适应微电网环境下的谐波检测要求。为此,结合小波变换与HHT,提出一种新的微电源并网模式下的谐波检测与分析方法。该方法利用小波变换多分辨率分析思想对信号进行划分,并对划分后的信号进行经验模态分解,得到一系列的经验模态函数(intrinsic mode function,IMF),并从IMF分量中提取出基波分量和高次谐波;再对IMF分量进行Hilbert变换得到信号的频率、幅值信息。仿真实验表明该算法的谐波分析精度高,实时性好,能满足分布式并网系统的谐波检测要求。     

改进的HHT算法在电力系统谐波检测中的应用

使用改进的HHT方法检测电力系统谐波.由于HHT方法存在模态混叠现象,不能有效的得到各次谐波分量.采用预处理的方法,首先将一个信号通过一级低通滤波器得到一级高频成份和一级低频成份,一级高频成份进一步分解为二级高频成份和二级低频成份,如此类推直到满足分解完成条件.对各个频带进行EMD分解得到IMF分量,最后将所有的IMF...     

基于CEEMDAN和HT的谐波检测新方法*

经验模态分解(EMD)作为希尔伯特-黄变换(HHT)的重要组成部分,为了克服其在谐波检测中出现的模态混叠、端点效应问题,提出采用自适应噪声完备集合经验模态分解(CEEMDAN)和希尔伯特变换(HT)相结合的谐波检测新方法。文章首先在理论上对比分析了EMD、EEMD以及CEEMDAN算法,研究CEEMDAN算法的特性。再用CEEMDAN算法对原始信号进行分解,得到固有模态函数(IMF)。最后用HT算法对每阶IMF分量进行分析,检测到谐波中包含的瞬时幅频信息。算例仿真结果表明,相对于HHT算法对信号的处理能力,文中提出的方法在谐波检测中有效地克服了EMD算法的弊端,提高了信号分解精度。     

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.     

基于CEEMD与改进Prony的谐波检测方法

为了解决经验模态分解(EMD)处理非线性非平稳信号的模态混叠现象以及传统Prony方法抗噪性能差的不足。提出基于完全经验模态分解(CEEMD)和改进Prony相结合的谐波分析方法。先将含噪的谐波信号进行CEEMD分解得到固有模态函数,再通过能量门限法对分解的固有模态函数进行阈值去噪。针对原始Prony方法优化了实际阶数和线性预测参数的求解过程。最后将去噪后的谐波分量进行改进Prony变换检测分析。并通过MATLAB仿真实验以及依托三相不可控负载的实测数据验证了该方法能够精确辨识出谐波分量的特征参数且具有良好的抗噪性能,从而为谐波分析提供了一种新思路。     

基于希尔伯特-黄变换和小波变换的500kV变电站谐振数据对比分析

谐振数据分析是谐振实时监测装置研制和谐振抑制的基础。文章对500 k V变电站实际谐振数据,采用希尔伯特-黄变换和小波变换方法进行对比分析。首先对谐振数据进行经验模态分解(EMD)得到谐波信号的本征模态函数(IMF),再对各个IMF进行希尔伯特变换,获得各个IMF分量的瞬时频率和瞬时幅度;然后选取合适的小波基对同组谐振数据进行分析;最后总结了两种检测方法的优缺点和500 k V变电站实际谐振谐波成分的幅频特性。     

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。     

融合 CEEMDAN 分解与敏感 IMF 精选的 串联电弧故障检测

针对串联电弧故障检测困难,以及基于分解策略的检测方法难以捕获敏感判别分量的问题,提出一种融合自适应噪声 的完备经验模态分解(CEEMDAN)和敏感本征模态函数(IMF)精选的串联电弧故障检测方法。 本方法采用 CEEMDAN 算法对 故障电弧电流进行完备分解;并定义了电弧电流的 12 个特征指标,以敏感性较强的峭度指标和能量特征作为判定依据,从而实 现了 IMF 分量的频段划分;在此基础上,提出了基于时间窗的特征计算方法,通过获取各高频 IMF 分量的时间维度局部特征, 并通过比较方差、均方根值等特征指标实现敏感 IMF 分量的准确选取。 最后,针对电流特征集,采用主成分分析实现二次降 维,并基于支持向量机(SVM)实现串联电弧故障检测。 实验证明了所提方法的可行性和电弧故障检测的有效性。     

基于改进CEEMDAN和小波阈值的雨声信号去噪算法研究

为了从混杂着各种噪声的雨声信号中提取到较为纯净的雨声信号，本文提出基于改进完全自适应噪声集合经验模态分解（CEEMDAN）和小波阈值相结合的雨声信号去噪方法。方法引入互相关函数寻找CEEMDAN的最优分解层数F值，并通过CEEMDAN算法按最优分解层数F层分解，将信号分解成多个频率由高到低的本征模态分量（IMF）;利用小波阈值，滤除高频IMF分量中的噪声分量，最后将去噪后的高频IMF分量和未经去噪的低频IMF分量进行信号重构，提取出较为纯净的雨声信号；实验表明，本文选用方法的去噪效果相对于经验模态分解（EMD）去噪算法、小波阈值去噪算法等传统方法具有一定的优势，去噪后的雨声信号能够准确反映出环境雨情的特征，提高雨情分析的精确度。     

基于二次 CEEMD 与时域特征分析的去噪方法

为克服经验模态分解(EMD)去噪方法存在的模态混叠以及噪声分量与信号分量区分困难问题,本文提出了一种基于二次互补集合经验模态分解(CEEMD)与时域特征分析的去噪方法。该方法利用CEEMD来克服模态混叠问题,同时基于对CEEMD本征模态函数(IMF)的时域特征分析来确定噪声主导IMF分量与信号主导IMF分量的分界点,据此区分噪声分量与信号分量,并对分界点相邻两侧的噪声主导IMF分量与信号主导IMF分量进行二次CEEMD分解,在保留更多有用信号的同时进一步滤除剩余噪声。对含冲击噪声干扰的实际机载平台数据的去噪实验结果表明,新方法通过对噪声分量与信号分量的有效分离,可以更好地抑制噪声干扰,明显提升信噪比。