一种改进的VMD-SVD电能质量扰动去噪新方法

针对含有多频率复杂分量的电能质量扰动问题,提出一种改进的VMD-SVD电能质量扰动去噪新方法,通过能量收敛因子与PSO优化VMD参数,选取最优的参数k、α值,VMD分解的模态分量与原始信号进行互相关系数和阈值的计算,大于阈值的模态分量IMF通过SVD进行再次去噪.仿真与试验结果表明,改进的VMD-SVD电能质量扰动去噪...     

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题,提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先,对原始信号进行奇异值分解(Singular Value Decomposition,SVD)处理,运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号;其次,为防止故障信息丢失,将残余信号进行麻雀算法(Sparrow Search Algorithm,SSA)优化的变分模态分解(Variational Mode Decomposition,VMD）算法处理,得到最佳的模态个数K和惩罚参数α,选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号,并对信号进行包络分析;最后,通过仿真和试验数据分析得出,该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征,为设备的状态监测和故障诊断提供理论依据。     

基于小波变换的电能质量检测与分析

提出了一种基于小波变换的电能质量检测与分析的研究方法,通过Mallat快速算法对五种暂态电能质量扰动(电压间断、电压骤降、电压骤升、振荡暂态、脉冲暂态)的高频系数和低频系数进行分解,根据db4小波变换上奇异点对应的模极大值可以精确地定位扰动信号发生结束时间、持续时间以及幅值大小,从中提取特征信号,快速判断出扰动信号类型。仿真试验结果验证了该方法的有效性和可行性,为改善电力系统的电能质量提供了保障。     

基于瞬时无功功率理论和小波变换的电能质量扰动识别

提出一种基于瞬时无功功率理论和小波变换相结合对电能质量进行检测辨识的方法.首先利用瞬时无功功率理论对各种电能质量信号进行变换,检测出扰动的起止时刻,并将在幅值上有显著特征的电能质量扰动信号识别出来;再利用小波变换对突变信号的敏感性以及在频率分解中的特性将其余信号检测识别出来.计算结果表明该方法简单,检测精度较高.     

基于改进HHT的故障电流相位抗干扰提取

针对传统分析方法难以分析非线性非稳态电网实测信号的缺点,文章提出了一种基于希尔伯特–黄变换(Hilbert-Huang Transform,HHT)提取电流相位的方法.为应对经验模态分解(Empirical Mode Decomposition,EMD)在分解过程中普遍存在的模态混叠现象,该方法通过添加基于原电流信号相...     

基于HHT变换的微网电压闪变与谐波检测新技术

微网中大规模的分布式电源由于其自身特点及大量电力电子设备的使用,容易引起电网电压波动、电压闪变及谐波等电能质量问题,影响电力用户的供电要求。利用HHT(Hilbert-Huang transform)变换方法对微网中的电压闪变、谐波等电能质量扰动信号进行了EMD分解,得到各IMF分量,通过对IMF分量进行Hilbert谱分析和边际谱分析。仿真结果表明,该方法能快速有效地检测出微网中电压闪变信号的频率和幅值及谐波信号产生及终止的时刻。     

基于瞬时无功功率理论和小波变换的电能质量扰动识别

提出一种基于瞬时无功功率理论和小波变换相结合对电能质量进行检测辨识的方法。首先利用瞬时无功功率理论对各种电能质量信号进行变换，检测出扰动的起止时刻，并将在幅值上有显著特征的电能质量扰动信号识别出来；再利用小波变换对突变信号的敏感性以及在频率分解中的特性将其余信号检测识别出来。计算结果表明该方法简单．检测精度较高。     

试验模态分析中抑制频率混叠的采样改进措施

试验模态分析的数字信号采样环节存在频率混叠现象,针对无限长连续信号进行采样得到离散信号过程中所带来的混叠误差进行分析,提出抑制频混的采样改进措施。     

改进型HHT在混合线路故障选线中的应用

改进型希尔伯特-黄变换(HHT)能够准确地从非平稳的故障信号中提取出故障暂态信息,并能抗模态混叠。在混合线路故障选线中应用HHT提取零序电流中的特征信息,从得到的 IMF分量的波头方向来判定故障相,实现故障线路的选择。Matlab仿真试验结果表明,改进型HHT能够准确可靠地选出中性点经消弧线圈接地配电网的故障相,且不受故障条件的限制和影响,选线方法简单。     

基于二进小波变换的电能质量暂态信号的检测

针对暂态电能质量扰动及不易检测的特点,提出一种基于卷积型二进小波变换的电能质量信号定位与检测方法,利用二进小波变换模极大值对应信号的突变点检测电能质量扰动信号,采用Matlab仿真软件对短路故障及电容器投切引起的电压暂态信号进行仿真.结果表明,该法行之有效、尺度定位准确.     

基于Hilbert-Huang变换的风电场闪变

随着风电场装机容量的增大,风电并网所带来的电压偏差、谐波污染、电压波动和闪变等电能质量问题日益严重,因此,需要对其进行评估和治理,而评估和治理的前提是参数的准确检测。将一种新的非平稳信号处理方法,即Hilbert-Huang变换用于风电场闪变的分析。该方法可以从频域和时域同时对信号进行分析,能够准确检测出非平稳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分析风电场闪变的有效性。     

基于改进广义S变换的电能质量扰动检测算法

电能质量问题日趋严重,快速准确地检测扰动是治理和改善电能质量的前提。针对目前检测方法存在的较大缺陷,在广义S变换的基础上提出了一种基于改进广义S变换的电能质量检测方法,能够针对性地选择合适参数,灵活地控制高斯窗宽度,兼顾了全时段的时间和频率分辨率。将其应用于电压暂降、暂态振荡、暂态脉冲及谐波等信号的检测和分析中,利用最大频谱曲线、高频时间幅值曲线、基频幅值曲线和时频谱图判断扰动的频率成分、起止时刻和幅值变化。结果表明,该方法简单直观,检测精度较高,能灵活地调节时频分辨率。     

采用时—频分割的改进全局阈值的暂态电能质量信号降噪

针对噪声成分严重影响电能质量扰动信号分析的问题,引入基于时—频分割的图像平滑改进全局阈值的方法开展电能质量信号降噪。通过时—频分割,降低对信号整体采用统一阈值降噪导致的高频域微弱扰动成分损失缺陷。首先,通过S变换对电能质量信号进行时—频分析,根据不同扰动信号扰动成分时—频域分布特点,开展时—频分割;然后,利用图像平滑改进全局阈值降噪方法针对不同时—频区域计算最优阈值,开展去噪处理;最后,采用S变换逆变换对降噪后的信号进行波形还原。仿真试验表明,该方法有效降低了噪声干扰,且改善了采用单一阈值降噪导致的波形失真问题。     

环境激励下泄流结构的模态参数辨识研究

水工结构在泄流激励作用下易产生剧烈振动甚至会因振动而引起结构自身破坏,为研究坝体在泄流工作状态下的振动特性,需准确地辨识出结构的模态参数指标。为此,以三峡枢纽工程#5溢流坝段为例,在坝体泄流作用下对其进行原型振动响应信号采集,根据测出的响应时程,分别采用ERA法和HHT法对结构进行模态参数辨识,并将辨识出的频率与有限元模态计算的结果进行比较。结果表明,ERA法和HHT法均具有识别结构密频的能力,两种方法提取出的频率值与有限元仿真结果吻合很好,但HHT法在识别阶数和精度方面均优于ERA法,更能全面、准确地反映结构的动力特性。     

A new noise-controlled second-order enhanced stochastic resonance method with its application in wind turbine drivetrain fault diagnosis

Condition monitoring of a wind turbine is important to extend the wind turbine system's reliability and useful life. However, in many cases, to extract feature components becomes challenging and the applicability of information drops down due to the large amount of noise. Stochastic resonance (SR), used as a method of utilising noise to amplify weak signals in nonlinear systems, can detect weak signals overwhelmed in the noise. Therefore, a new noise-controlled second-order enhanced SR method based on the Morlet wavelet transform is proposed to extract fault feature for wind turbine vibration signals in the present study. The second-order SR method can obtain better denoising effect and higher signal-to-noise ratio (SNR) of resonance output by means of twice integral transform compared with the traditional SR method. Morlet wavelet transform can obtain finer frequency partitions and overcome the frequency aliasing compared with the classical wavelet transform. Therefore, through Morlet wavelet transform, the noise intensity of different scales can be adjusted to realize the resonance detection of weak periodic signal whatever it is a low-frequency signal or high-frequency signal. Thus the method is well-suited for enhancement of weak fault identification, whose effectiveness has been verified by the practical vibration signals carrying fault information. Finally, the proposed method has been applied to extract feature of the looseness fault of shaft coupling of wind turbine successfully.     

基于CEEMDAN+RF+AdaBoost的短期负荷预测

高精度的短期负荷预测不仅是电力系统运行稳定的关键,也是构建智能电网的必要保证。为提高电力系统短期负荷预测精度,提出了一种基于完整集成经验模态分解(CEEMDAN)、随机森林(RF)和AdaBoost的预测方法。针对传统分解方法不能完整分解原始负荷序列的问题,利用CEEMDAN分解方法为各个阶段的IMF分解信号添加特定的白噪声,通过计算余量信号来获得各个模态分量,然后针对前9个模态分量构建RF预测模型,针对残余量构建AdaBoost预测模型,并对结果进行重构预测,得出未来24h的负荷预测数据。最后将CEEMDAN+RF+AdaBoost方法应用于华中地区的短期负荷预测,在同等条件下,与预测模型CEEMDAN+RF、EEMD+RF+AdaBoost、EMD+RF+AdaBoost、RF及AdaBoost进行试验对比,结果表明所构建预测模型的精度优于其他对比模型,具有很好的理论指导意义和实际应用前景。