基于经验小波变换的电力系统谐波检测方法

针对噪声干扰下的稳态以及暂态谐波检测问题,首次提出一种基于经验小波变换的电力系统谐波检测方法。首先利用经验小波变换从电力谐波信号中提取出一组具有紧支撑频谱的调幅-调频分量,实现各次谐波与基波信号的分离。接着对分离出的谐波分量进行Hilbert变换,从而获取各次谐波的幅值和频率检测参数以及暂态谐波的扰动起止时刻。对多类谐波信号的仿真结果表明,所提方法有效避免了传统Hilbert-Huang变换存在的模态混叠问题,即使在低信噪比下也能实现多频谐波信号的自适应分解,在确保各类参数检测结果精度的同时,兼具良好的噪声鲁棒性和检测实时性。     

小波分析在电力系统谐波相位检测中的应用

为了防止电力系统谐波危害,保证系统安全运行,必须确切掌握电力系统中谐波的实际情况,正确分析电能质量.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,依据小波分析具有对非平稳信号的分析和处理能力及多分辨率的特性,将小波变换理论应用于电网谐波检测中,提出了利用小波变换实现测量信号各次谐波相位的方法.仿真算例表明,小波多分辨分析法能够正确地提取电力系统的谐波信号,利用小波分解的尺度系数能得到各次谐波的精确相位,验证了该方法的可行性.     

小波变换与傅立叶变换在谐波分析中应用比较

介绍了傅立叶变换和小波变换基本原理,给出了采样频率和分解尺度的确定原则。针对4种不同的谐波模型进行了MATLAB仿真试验。2种变换结果比较表明,傅立叶变换仅能获取原始信号频率成分;小波变换能有效实现各次谐波的分离、准确检测谐波出现的时刻、获取各次谐波的实时波形、识别振荡谐波的变化趋势。     

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WT-DFFT的电力系统复杂谐波信号检测

针对电力系统中同时包含稳态谐波、间谐波、非稳态谐波及各种噪声污染的复杂谐波信号,提出了基于小波与双重FFT(WT-DFFT)的联合检测方案。该方案首先利用传统FFT算法粗略识别谐波分布,以此确定小波分解层数以及后续需要关注的频带。然后采用小波变换对信号进行分解,对关注的低频带稳态分量采用加窗插值FFT算法分析,对关注的高频分量采用小波重构算法分析,进而获得各次谐波、间谐波及高频带暂态分量的参数。仿真实验表明,该方案不仅能够确定小波分解层数及关注的频带,而且对关注频带采用更精细的方法进行分析,其准确度更高,实用性更强。     

基于广义S变换突变识别的暂稳态谐波检测方法

为解决谐波分析中经验模态分解(EMD)存在模态混叠现象与加窗插值FFT无法准确检测含暂态分量信号的问题,提出一种基于广义S变换突变识别的谐波检测方法。首先,使用广义S变换得到信号的模时频矩阵,根据模时频矩阵中模值较大频带的能量连续性将信号分为稳态、含暂态分量信号。然后,针对两种信号分别使用加hanning窗三谱线插值FFT和基于自适应噪声的完全集合经验模态分解(CEEMDAN)的改进HHT计算谐波和间谐波参数。最后,构建稳态、含幅值突变和频率突变信号的验证表明,该方法能自适应判别稳态、含暂态分量信号,对两种信号均能达到较高检测精度,具有较好的实用性。     

一种基于小波包变换的电力系统谐波检测方法

非线性设备的大量使用和分布式电源的投入使得谐波污染愈加严重,文中提出了一种基于小波包变换的谐波检测方法,能对电能质量进行有效的分析。该方法在五层db40小波包变换的基础上,利用希尔伯特变换做移频运算,避免了中间频段小波混叠对检测精度造成的不利影响,并将各次谐波分量转移到精度较高的边频带进行小波包分解并重构信号,实现了各次谐波的高精度检测,同时通过Matlab工具对不同算法的仿真进行了比较和误差分析。仿真表明,相比于传统傅里叶变换,该算法具有高分辨率时频分析能力,能有效定位暂态干扰;与经典小波包变换相比,测量精度也有了较为明显的提高,实验结果一致显示了该算法的可行性和优越性。     

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。     

基于小波变换和快速傅里叶变换的谐波检测

基于傅里叶变换的谐波检测方法可以确定平稳信号中各次谐波的频率和幅值,小波变换可以准确把握信号的局部细节。利用两种方法各自互补的优势,采用一种将小波变换和快速傅里叶变换相结合的综合检测方法对典型的复杂谐波信号进行检测,通过MATLAB仿真结果可知,该检测方法可以准确地检测各次稳态谐波、确定瞬变信号、准确地定位突变点的位置,为解决谐波问题提供了可行性和有效性的方案。     

基于CWT和DWT相结合的谐波检测

提出了一种基于连续小波变换(CWT)和离散小波变换(DWT)相结合的电力系统谐波检测方法。首先利用CWT系数的幅值来检测谐波频率,该过程不用事先根据谐波次数确定分解层数,而只是确定尺度范围及步长,即可得出各次谐波频率。然后根据确定的谐波成分利用DWT来检测谐波幅值,并通过Matlab软件进行了仿真分析。仿真结果表明该方法有效地解决了基于离散小波变换的谐波检测方法中谐波次数未知而无法确定分解层数的难题,并能精确可靠检测各次谐波频率和相应的幅值。因此,CWT和DWT相结合是一种有效的电力系统谐波检测方法。     

基于Synchrosqueezing小波变换的谐波和间谐波检测方法

非线性电力元件的广泛使用使电力系统的谐波和间谐波污染越来越严重。为准确计算谐波和间谐波的参数特征,以有效克服噪声影响,提出基于Synchrosqueezing小波变换的谐波和间谐波的一种检测方法。首先对电力系统信号进行连续小波变换;然后确定同步挤压阈值,对连续小波变换结果进行同步挤压,并利用同步挤压结果计算电力信号主频率;最后,设置提取频率区间,将电力信号分解为一组内蕴模态类函数分量(IMT),并结合Hilbert变换及最小二乘拟合,精确计算噪声背景下谐波和间谐波的幅值与频率。通过模拟信号和实测信号对所提方法有效性进行了分析,实验结果表明,与Prony和HHT方法相比,本文方法通过同步挤压有效抑制了噪声干扰,谐波和间谐波的检测精度有较好的提高。     

基于谐波滤波器组的电能质量扰动数据压缩方法

提出一种基于谐波滤波器组的电能质量扰动数据压缩方法,该方法采用谐波滤波器组实现原始信号中稳态分量与暂态分量的分离,并通过插值离散傅里叶变换(IpDFT)算法来高精度估计谐波分量参数,然后对确定的稳态分量和暂态分量分别采用参数量化和小波变换进行压缩。最后,利用实际的电能质量扰动数据测试了该方法,结果表明,该方法对于各种类型的电能质量扰动信号均有效,同时在压缩比相同时,与通用小波压缩方法相比具有更好的压缩性能。     

基于小波-数学形态学和Hilbert的谐波分析

充分利用小波和数学形态学的优势,有效地将两者结合,再用Hilbert变换来提取谐波的幅值和频率,有效地克服了FFT方法和相位分析方法的缺点.首先将谐波信号进行小波分解,得到一系列小波系数,再对每一层的小波系数利用数学形态学进行平滑处理,最后通过对小波变换产生的每个频率分量对应的波形进行Hilbert变换及拟和计算,得到谐波的幅值、相位和频率,实现了对电力系统谐波的准确分析.仿真表明,该方法能够准确地检测出电力系统谐波,具有很好的实用价值.     

一种基于小波包和apFFT的间谐波检测方法

针对现有的间谐波检测精度不高以及暂态间谐波信号定位困难等问题,探讨了一种新的间谐波检测方法。首先,将信号进行小波包和FFT变换,计算相对小波包能量。然后应用频谱特征量和相对小波包能量确定信号所含分量。最后利用小波包重构与apFFT算法检测和定位信号,计算间谐波幅值和频率。分别采用含稳态及暂态的间谐波信号模型对该检测方法进行了仿真研究,并将仿真结果与文献的结果进行了比较。仿真结果表明:该检测方法能够有效地检测间谐波,并具有较高的检测精度。     

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.     

基于空间谱估计技术的间谐波小波检测算法

针对傅里叶算法检测间谐波时存在频谱泄漏和栅栏效应而导致检测精度不理想的问题,提出一种基于空间谱技术与连续小波变换相结合的间谐波检测算法.算法首先采用总体最小二乘-旋转不变子空间方法计算出谐波和间谐波分量的频率,再根据得到的频率确定连续小波变换的尺度因子,最后选择CMW小波对信号进行分解,由分解系数计算出各次间谐波分量的幅值和相位.仿真结果表明,该算法与傅里叶算法相比,不存在频谱泄漏和栅栏效应,有效提高了检测精度.     

基于小波－数学形态学和Hilbert的谐波分析

充分利用小波和数学形态学的优势,有效地将两者结合,再用Hilbert变换来提取谐波的幅值和频率,有效地克服了FFT方法和相位分析方法的缺点。首先将谐波信号进行小波分解,得到一系列小波系数,再对每一层的小波系数利用数学形态学进行平滑处理,最后通过对小波变换产生的每个频率分量对应的波形进行Hilbert变换及拟和计算,得到谐波的幅值、相位和频率,实现了对电力系统谐波的准确分析。仿真表明,该方法能够准确地检测出电力系统谐波,具有很好的实用价值。     

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HHT谐波与间谐波检测研究

为了削弱基于经验模态分解EMD（empirical mode decomposition）方法在谐波与间谐波检测中的端点效应,提出了采用自适应波形延拓的改进型希尔伯特-黄变换HHT（Hilbert-Huang transform）谐波与间谐波检测算法。在EMD过程中,采取分段三次Hermite插值函数取代三次样条插值函数,从而避免包络曲线产生的过冲与欠冲。待测信号经过EMD,获得一系列固有模态分量IMFs（intrinsic mode functions）,然后对各个IMF进行希尔伯特变换HT（Hilbert transform）,即可获得各次谐波的幅值与频率。通过与快速傅里叶变换FFT（fast Fourier transform）相比较,证明改进的HHT算法精度高,符合电力系统谐波和间谐波分析的要求。     

基于同步挤压小波变换的电力系统时变谐波检测

针对噪声影响下时变谐波检测问题,提出基于同步挤压小波变换(SWT)的检测方法。首先利用SWT算法将混有噪声的时变谐波信号分解为不同的内蕴模态函数分量(IMTs),进而提取出所含谐波分量,然后对每个谐波分量进行Hilbert变换,得到每个本征函数的瞬时频率和幅值及谐波扰动的起止时刻。基于SWT准确的模态分离能力,实现了各谐波的瞬时频率、瞬时幅值和谐波扰动的起止时刻等参数较高精度的获取。与传统的希尔伯特-黄(HHT)方法相比,该方法对于谐波的分离能力更强,对噪声有更强的鲁棒性。仿真及实际数据表明,所提方法在噪声环境下依然能精确提取各个模态,验证了该方法在时变谐波检测分析中的有效性。