基于EMD和TEO的电力系统短期扰动检测新方法

借鉴经验模态分解EMD(Empirical Mode Decomposition)的思想提出一种电力系统短期扰动检测定位的新方法,该方法通过一个对称三角模态来保留信号的扰动信息进而定位扰动.同时,在扰动准确定位的基础上,提出对原信号进行分段EMD,并采用Teager能量算子求取幅值包络来识别扰动类型的分析方法.该方法能够克服EMD过程产生的模态混叠导致检测失效的问题,与Hilbert-Huang 变换方法和小波检测方法相比,所提方法能够更加简单快速地实现对扰动的检测.仿真结果表明了该方法的有效性.     

电力系统电压短期扰动的三角模态检测方法

针对HHT(Hilbert-Huang Transform)方法中经验模态分解(EMD)产生的模态混叠可能导致扰动信号检测失效的问题,提出一种检测定位扰动的新方法-对称三角模态法.该方法通过对原信号叠加一个对称三角模态来提取信号的扰动信息进而定位扰动,同时结合分段HHT方法进行扰动类型的识别.与原HHT方法和小波检测方法相比,该方法能够更加简单快速地实现扰动的准确定位.仿真结果表明了该方法的有效性.     

基于经验模态分解的电能质量扰动信号定位方法

提出了一种基于经验模态分解(empirical mode decomposition,EMD)的方法来对电能质量扰动信号进行定位。在EMD方法分解过程中,异常数据会在其第1个固有模态分量中引起局部高频突变信号,此高频突变信号具有幅值相对于无扰动时明显增大的特点。利用此特点,对含有电能质量扰动的电网电压进行EMD分解后得到的第1个固有模态分量求取一阶导数,然后对一阶导数进行阈值处理来确定扰动发生及终止的时刻。仿真结果表明,此方法对多种电能质量扰动信号信号有较好的定位效果。     

HHT变换在电气化铁道电能质量检测中的应用

本文提出了基于Hilbert-Huang变换(HHT)对电气化铁道电能质量扰动信号定位检测的改进方法。由于电气化铁道扰动信号的复杂性,如果直接对经验模态分解(EMD)后的频率分量进行希尔伯特变换(HT),会使定位与检测的效果变差。本文通过在原信号上叠加已知高频正弦波的方法实现对扰动进行定位,提高了最高频率分量(一般是本...     

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.     

基于改进HHT的电能质量扰动检测新方法

为了解决传统HHT在电能质量扰动检测中EMD产生的模态混叠问题,提出一种基于奇异值分解（SVD）的改进HHT的电能质量扰动检测新方法。首先,将初始信号转换为Hankel矩阵进行SVD;再进行奇异值去模态混叠处理并重构信号;最后用HHT方法对重构后的去干扰扰动信号进行分析,求出扰动各固有模态分量imf对应的瞬时幅频参数,以实现扰动检测。仿真结果表明改进HHT方法比传统HHT与基于EEMD的HHT方法对带有噪声与高频间断信号的扰动信号能更好地消除模态混叠,不仅适用于单一暂态扰动检测,对复杂非平稳扰动也能取得较好效果。     

EEMD在配电网电能质量扰动检测中的应用

鉴于引起配电网电能质量问题的扰动信号为非平稳信号,本文将基于集合平均经验模态分解(EEMD)的希尔伯特-黄变换(HHT)应用于配电网电能质量扰动检测.该方法通过对配电网电能质量扰动信号进行自适应分解,获得固有模态函数(IMF),再对IMF进行HHT获得准确的瞬时频率和瞬时幅值,可以准确刻画扰动发生时间、描述扰动信号的频率和幅值特征,同时克服经验模态(EMD)存在的模态混叠问题,为配电网扰动信号的检测提供了一种新的分析手段.通过配电网几种常见扰动信号进行仿真实验,结果验证了该方法的有效性.     

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Hilbert频移的EEMD谐波检测方法

针对经验模态分解(EMD)在谐波检测应用中产生模态混叠的问题,结合EMD分解的局限性和谐波检测实际情况进行分析。首先用集合经验模态分解(EEMD)消除EMD遇到间歇信号干扰出现的模态混叠问题,然后根据谐波信号间的密频问题,提出了基于Hilbert频移的EEMD谐波检测方法。该方法先对谐波信号进行EEMD分解,通过相关度判断相近信号是否发生混叠,若发生混叠,利用Hilbert频移方法使信号满足EEMD分解条件,从而将其分解为单频率分量信号。经仿真验证,该方法能够很好地克服谐波检测中的间歇信号干扰和信号间密频问题,保证了谐波信号有效分解和实用性。通过对实际整流信号的分析证明该方法具有很好的检测效果。     

基于HHT的电能质量检测新方法

提出了用HHT方法对电能质量扰动信号（电压凹陷、电压凸起、电压间断、暂态震荡、暂态脉冲等）和谐波（整数次谐波和间谐波）进行检测及时频分析的新方法.该方法由经验模态分解法（EMD）和Hilbert变换（HT）两部分组成.通过EMD得到固有模态函数（IMF）后,再进行HT,可以定量、准确地刻画相应时刻的瞬时频率和幅值.通过该方法可以确定非平稳的电能质量扰动信号的时间、频率和幅值信息;同样也可以精确的检测出谐波的幅值和频率.仿真结果表明,该法不但适用于非平稳信号的处理,而且对平稳信号的分析、处理也有很好的效果.     

计及高阶统计量和深度学习的抗噪孤岛检测方法

分布式电源持续的规模化接入给微电网运行引入了显著的不确定性与噪声,增加了配电网监视的难度。而孤岛检测设备易受电网扰动干扰而误动作,导致分布式电源被切除运行,孤岛检测装置必须能够在噪声环境中准确区分判别扰动与孤岛情形。文中将基于多尺度高阶奇异谱熵的深度学习概念应用于孤岛检测问题,提出一种结合经验模态分解与高阶奇异谱熵的新型混合深度学习架构。作为经验模态分解后的信号处理方法,多尺度高阶奇异谱熵结合多分辨率高阶统计分析与谱分析并以熵值作为特征提取输出,进而通过深度学习架构对所提取的孤岛与扰动特征量进行训练及测试。仿真结果表明所提方法能够实现孤岛的准确检测,从而避免分布式电源退出运行。     

基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

基于EMD方法的电力载波通信中的信号检测

传统的电力载波通信中的信号检测方式已不能满足对更高通信质量的要求。提出了一种采用经验模态分解检测通信信号的新方法:对采集到的一路电网电压信号进行经验模态分解,得到一组固有模态函数,比较它们与通信信号的先验知识间的互相关系数,找出相关系数最大的那个,它就是通信信号。实验结果表明:这种方法在检测电力载波通信中的通信信号是有效且可行的。     

EMD及其能量变化曲线在小电流接地系统故障选线中的应用

当谐振接地系统发生单相接地故障后,所有馈线零序电流的暂态信号中包含大量的特性复杂的非平稳、非线性信号,在此基础上提出一种基于经验模态分解(empirical mode decomposition,EMD)和其能量变化曲线的单相接地故障选线方法。EMD方法的优势在于其强大的适应性,能通过信号自身的变化规律来对其进行分解;而能量曲线能够比幅值更好的对故障线路和非故障线路进行鉴别。首先对各条故障线路的零序电流进行EMD处理,然后取其一阶本征模态函数(Intrinsic Mode Function,IMF)并求其能量曲线,最后根据所构建的选线信心度的大小来进行故障选线。仿真与实验的结果证明了该方法有较高的可靠性与实用性。     

基于EMD航空发电机定子绕组故障检测方法

航空发电机工作的可靠性关系到航空运输的安全性,针对航空发电机定子绕组内部故障诊断问题,提出了基于经验模式分解算法的检测方法。在介绍经验模式分解算法基本原理和同步发电机内部回路电路仿真方法的基础上,对航空发电机的定子电流信号进行了分析,提取了瞬时频率、幅值等瞬时故障特征,确定了故障发生时刻,并给出了诊断结果,仿真结果表明本文方法有效。     

基于经验模态分解自适应滤波的次同步振荡ESPRIT分析

ESPRIT是一种可以准确辨识电力系统次同步振荡模态的算法,但在有噪声的情况下模态参数辨识不理想。提出利用经验模态分解滤波进行改进,然后与未经滤波的ESPRIT算法和PRONY算法进行比较以证明其有效性。仿真结果表明,经验模态分解可实现自适应滤波,且基于经验模态分解滤波的ESPRIT算法的准确性进一步提高。鉴于经验模态分解滤波的自适应性和ESPRIT算法辨识的快速、准确特性,可将此方法用于电力系统SSO在线检测,并为大电网的SSO的监测与研究奠定了基础。