平滑伪Wigner-Ville分布在电力系统谐波和电压变动检测中的应用

在分析比较了现有用于短时电能质量扰动信号检测的方法的基础上,提出使用平滑伪W igner-V ille分布(SPWVD)对电能质量信号进行检测和时频分析的新方法。平滑伪W igner-V ille(SPWVD)分布是一种优良的时频分析方法,能够在时域频域上对平稳谐波信号及非平稳信号进行联合时频分析。仿真表明,该方法能够较有效地检测出突变、非平稳扰动的短时电压波动,谐波和间谐波等电能质量信号的起止时间、频率信息。     

平滑伪Wigner-Ville分布在电力系统谐波和电压变动检测中的应用

在分析比较了现有用于短时电能质量扰动信号检测的方法的基础上,提出使用平滑伪Wigner-Ville分布(SPWVD)对电能质量信号进行检测和时频分析的新方法.平滑伪Wigner-Ville(SPWVD)分布是一种优良的时频分析方法,能够在时域频域上对平稳谐波信号及非平稳信号进行联合时频分析.仿真表明,该方法能够较有效地检测出突变、非平稳扰动的短时电压波动,谐波和间谐波等电能质量信号的起止时间、频率信息.     

一种基于重排二次型时频分布的电能质量检测新方法

电能质量扰动信号是一种典型的非平稳信号,采用二次型时频分布能够获得其时间频率联合特性。提出一种基于重排二次型时频分布的电能质量检测新方法,首先采用瞬时无功功率理论和广义形态滤波器将电能质量信号的基波成分和扰动成分分离,再利用重排二次型时频分布对扰动分量进行分析,从而获得时频聚集型更好的扰动分量的时频联合分布,直观地表达出扰动信号的时频特性。仿真算例验证了此方法对各种常见电能质量扰动和交叉电能质量扰动的检测和特征提取是有效的。     

采用小波多分辨率信号分解的电能质量检测

针对典型的电能质量扰动信号 ,提出了采用小波多分辨率信号分解的电能质量检测与时频分析方法 ,并提出一种新型的同步检波器。该方法将电能质量扰动信号分解到子频带中 ,在小波域上检测信号的时间、频率和幅度 ,具有突出信号时域、频域局部特征的能力 ,因此特别适用于短暂瞬时信号的检测与分析。仿真结果表明 ,该方法具有优异的检测性能 ,适用于电压凹陷、电压凸起、电压间断、短时间谐波失真、暂态谐波失真、电压闪变与波动等电能质量扰动信号的检测与时频分析。     

Hilbert-Huang变换方法在谐波和电压闪变检测中的应用

将一种新的非平稳信号处理方法,即HHT(HilbertHuang Transform)方法用于检测与时频分析典型的电能质量扰动信号,如谐波、电压闪变与波动信号.该方法由经验模态分解法(EMD)及Hilbert变换两部分组成,先用EMD提取信号的固有模态函数(IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值.该方法可以从时域和频域两方面同时对信号进行分析,能够准确检测出突变、非平稳谐波和电压闪变信号的时间、频率和幅值信息.仿真分析结果表明了该方法检测非平稳电能质量扰动信号的有效性.     

基于时频分布的电能质量交叉扰动检测

针对电能质量扰动信号非平稳、交叉性的特点,提出一种基于Wigner-Ville分布(Wigner-Ville distribution,WVD)交叉电能质量扰动检测的方法。利用WVD的时间边缘特性和频率边缘特性,能精确估计平稳信号中谐波和间谐波成分的幅值和频率信息;对电压骤降和谐波交叉出现的情况,利用WVD及其改进算法也能较精确估计出谐波、间谐波的幅值与频率,以及电压骤降的起止时间和电压骤降后的基波电压幅值。     

基于改进HHT的电能质量扰动检测方法*

为了精确检测电网中复杂非平稳扰动信号的时频特性,提高希尔伯特-黄变换(HHT)方法的时频定位能力,本文提出一种基于改进HHT的电能质量扰动检测方法。针对电压暂降与短时间中断、谐波和复合扰动信号,该方法采用移动平均法对HHT得到的瞬时幅频参数进行均值化,进而从Hilbert谱中提取信号在不同时间和频率的能量密度,定位扰动信号的起止时刻。仿真结果表明,该方法能够准确、快速地获取谐波信号的频率成分、幅值及突变时刻,分析电压暂降与短时间中断信号的幅值及起止时刻,同样适用于复合扰动信号检测,相对于传统的HHT方法具有更高的精度及时频分辨率。     

基于时频平面脊信息提取的电能质量扰动检测

针对目前电能质量扰动检测方法的局限性,提出了一种基于时频平面脊信息提取的电能质量扰动检测识别新方法。该方法首先基于自适应最优核时频分布理论得到电能质量扰动信号的时频分布,然后提取了时频平面脊信息和基频脊幅值;结合时频平面的脊信息和基频幅值有效实现了对各种电能质量扰动的检测与识别。仿真测试结果表明:该方法表现出很高的时频聚集性,且不受交叉项的影响,清晰地刻画出各种扰动的时频分布特征,快速、准确地实现了各种电能质量扰动的检测与识别。     

结合滑动窗奇异值分解的EEMD暂态电能质量扰动检测法

为了解决噪声、模态混叠等原因造成提取电能质量扰动信号的时频特征不清晰的问题,根据电能质量扰动信号具有非平稳、不确定性以及周期性强的特点,应用总体经验模态分解(ensemble empirical model decomposition,EEM D)的方法对电能质量扰动信号进行分解,基于滑动窗奇异值分解(singular value decomposition,SVD)数据压缩方法对EEMD分解得到的一系列固模函数(intrinsic mode function,IMF)分量组成的矩阵进行了重构,并对重构后的IMF分量作Hilbert变换降维,提取了扰动信号时间、频率、幅值上的特征。对比传统的EEMD算法,新方法能更加准确定量地提取各个扰动成分的起始时刻、幅值、频率等扰动特征,同时能够有效抵御噪声的干扰,克服了以往只能通过人为选取IMF分量来提取扰动时频特征过于主观的缺点。算例仿真的结果验证了该方法的有效性。     

电能质量扰动的递归定量分析

为了准确识别各种电能质量扰动信号,针对电能质量扰动信号的非平稳特征,将递归定量分析(RQA)方法引入电能质量领域,对电压闪变、电压暂升、电压暂降、电压尖峰、振荡暂态及谐波背景下的电压闪变、电压尖峰等动态电能质量扰动信号进行研究。利用相空间重构理论,在高维相空间中展现出电能质量扰动信号的内在规律,用RQA方法提取扰动信号的非线性特征参数——递归率、确定率、分层度及熵,并以此构成特征相量对扰动信号进行识别。通过对几种典型的电能质量扰动信号的计算分析,表明各类扰动信号的定量递归特征相量互不相同,利用RQA的4项特征量可以对电能质量扰动信号进行有效识别。