希尔伯特-黄变换在电力系统中的应用

详细分析了Hilbert-Huang变换在电力系统谐波检测、电力系统低频振荡以及在电力系统局部电晕放电数据处理中的应用现状。最后指出,Hilbert-Huang变换克服了其他方法在信号处理中的弱点,它是一种处理非线性、非平稳信号的有效方法,有利于电力系统的信号处理。     

希尔伯特-黄变换及其在信号处理中的应用研究

希尔伯特-黄变换(HHT)是分析和处理非线性、非平稳信号的一种新而有效的方法。文中深入研究了HHT方法的基本原理,经验模态分解(EMD)和Hilbert谱;并用仿真实例对该方法进行了更详细的说明;最后综述了该方法在地球物理学、电力工程和生物医学领域中的应用,进一步说明HHT方法在信号处理中的有效性和优越性。     

基于希尔伯特-黄变换（HHT）的机组同调研究

概述了利用功角曲线进行同调识别所面临的困难,阐述了希尔伯特-黄变换(HHT)在非线性、非平稳功角信号处理中的优势,提出了一种基于HHT的同调识别新方法。该方法利用经验模式分解方法将功角信号进行分解,得到剩余分量和各固有模态信号,逐次对这些分量进行比较得到机组的同调特性。该方法不受系统模型、故障场景限制,能随着不同的故障自适应调整数据时间窗的长度,并能克服小波分析、prony分析等算法难以处理非平稳信号的不足。测试结果表明了该算法的有效性。     

基于改进希尔伯特-黄变换的电力系统谐波检测系统设计

随着电力系统规模的不断扩大及电力电子设备的广泛应用,电力系统中谐波污染问题愈发严重。为实现对电力系统谐波的有效检测,本文提出基于改进希尔伯特-黄变换的谐波检测方法。首先提出基于改进镜像延拓的端点效应抑制方法,该方法将波形匹配方法与镜像延拓方法相结合,解决传统镜像延拓方法需对信号有一定程度截断而造成误差较大的问题;同时,引入自适应噪声完全经验模态分解方法,有效解决经验模态分解易产生模态混叠效应、集合经验模态分解结果受噪声影响较大且易产生虚假模态分量的问题。为验证本文所提方法的有效性,设计谐波检测仿真实验及实测信号谐波检测实验。结果表明,本文所提方法可对具有间断点的谐波信号、含高次谐波衰减、突变谐波信号进行有效跟踪与检测。基于本文所提方法在LabVIEW平台中开发谐波检测系统,验证了本文所提方法的准确性及有效性。     

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。     

希尔伯特-黄变换在电力谐波分析中的应用研究

重点研究了希尔伯特-黄变换(HHT)在电力谐波分析中的应用。针对现有的电力谐波分析方法FFT和小波变换的缺点和不足,将希尔伯特-黄变换(HHT)应用于电力谐波分析中,并且针对希尔伯特-黄变换中能导致分析精度降低的曲线拟合、端点效应和虚假分量问题进行分析和研究,采用埃尔米特插值进行曲线拟合,点对称延拓的方法抑制端点效应,...     

基于改进希尔伯特-黄变换的电缆接地故障定位研究

为了精确定位电缆接地故障区域,利用基于集合经验模态分解的希尔伯特黄变换与行波测距相结合的方法来实现电缆接地故障定位。针对经验模态分解易出现模态混叠导致最终对信号进行时频分析时无法计算行波往返于测量点和异常点之间时间的问题,提出利用集合经验模态分解来替换经验模态分解,然后使用改进HHT对故障行波信号进行分析,从而对电缆故障发生点进行定位。案例分析结果表明所提方法的故障定位精度误差为0.17%,能精确定位电缆接地故障区域。     

旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较

基于经验模态分解(Empirical Mode Decomposition，EMD)的希尔伯特变换(Hilbert Ttransformation，HT)，是先把一列时间序列数据通过经验模态分解，然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于小波变换(Wavelet Transformation，WT)的时频分析在时域、时频域和频域进行了比较研究，研究结果说明，旋转机械振动信号基于EMD的HT时频分析方法比基于WT的有效。     

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Hilbert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Hilbert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.     

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。     

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。     

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。     

基于数学形态学和HHT的谐波和间谐波检测方法

非线性电力元件的应用使电力系统的谐波污染问题日益突出。为准确检测谐波和间谐波参数,提出了基于数学形态学和希尔伯特–黄变换(Hilbert-Huang transform,HHT)的谐波和间谐波检测方法。为有效抑制多种噪声,对现有数学形态滤波器进行了改进,使之保留了原信号的主要特征,并运用经验模态分解处理消噪后的信号,得到了一组经验模态函数分量。对每个经验模态函数分量进行希尔伯特–黄变换,可准确得到其瞬时频率和瞬时幅值,实现了在噪声背景下对谐波和间谐波的检测。仿真结果验证了该方法的可行性与有效性,表明其可提高谐波和间谐波的检测精度。     

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。     

Hilbert-Huang变换在电力故障暂态信号检测中的应用

提出利用Hilbert-Huang变换对电力系统故障信号检测的方法.通过对检测点获得的故障电流信号进行经验模式分解(EMD),得到一系列的本征模态分量(IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率.为进一步故障检测提供了依据.仿真试验表明Hilbert-Huang变换的方法能准确地检测故障时刻.     

Hilbert-Huang变换理论在电力系统中的应用研究

主要根据本课题组近几年Hilbert-Huang变换(HHT)理论及其在电力系统信号分析领域应用的研究成果,综述了HHT理论在电能质量检测、电力系统谐波分析、电力系统低频振荡、同步电机参数辨识、局部放电信号检测等问题的应用,并探讨了HHT理论应用的进一步研究的方向:低频振荡在线分析,同步电机参数辨识精度的提高,窄带噪声、随机脉冲等干扰下的局部放电信号在线检测等问题。     

改进希尔伯特–黄变换方法提取水轮机动态特征信息

常规的希尔伯特–黄变换(Hilbert-Huang transform,HHT)方法能较好地分析水轮机轴系信号,但经经验模态(empirical mode decomposition,EMD)分解后,在原始信号的低频区易产生虚假的内禀模态函数(intrinsic mode function,IMF)分量,干扰特征信息的提取,引发误判。该文提出基于能量波动的改进HHT方法及其判别条件。该方法利用分量信号能量递减原则并设定判别阈值来跟踪筛选虚假分量。通过仿真信号对该方法进行了有效性验证,并以原型水轮机非最优工况下动态信号为例,进行了应用检验。结果表明,该方法具有良好的虚假分量识别能力,提取真实的水轮机特征参量,更加适合分析复杂而特殊的水轮机动态特征信息。     

基于HHT变换的电动机故障信号频率分析

提出将HHT变换(Hilbert-HuangTransform,HHT)中边际谱理论应用于电动机故障信号的HHT分解和频率跟踪研究的新方法,并通过实例验证Hilbert-Huang变换在电动机故障信号频率分析中的应用。     

基于傅里叶和小波变换的电网谐波分析

正确提取电网谐波是进行电能质量分析的前提.根据电网谐波中既存在稳态谐波分量又有暂态谐波分量的特点,将傅里叶变换和小波变换方法结合起来对电网谐波进行分析,得出谐波分析的傅里叶小波综合算法.通过对单独傅里叶变换以及单独小波变换的对比分析,得知该文算法的优越性.同时通过对具体信号的仿真,验证了该算法的可行性.