基于经验模态分解的自适应滤波算法在局部放电窄带干扰抑制中的应用

自适应滤波算法是当前抑制窄带干扰的有效方法.对于单频率的窄带干扰,设置自适应滤波器的参数比较容易,但是对于局放监测中多个频率且频率范围很宽的窄带干扰,设置自适应滤波的参数就会变得很困难.根据经验模态分解EMD(Empirical Mode Decomposition)的分频特性,将EMD引入自适应滤波算法,提出了一种基于EMD的自适应滤波算法.局放信号中多个频率的窄带干扰经EMD分解之后,会分解到不同的模态函数中,从而将多频率的窄带干扰转化成了多个单频率的窄带干扰,在此基础之上对固有模态函数进行自适应滤波,可以较容易地解决自适应滤波器参数设置的问题,并能获得比普通自适应滤波更好的效果.仿真及实际数据的处理验证了该算法的有效性.     

基于EMD的局部放电窄带干扰抑制算法

以经验模态分解(empirical mode decomposition,EMD)为基础,提出了一种基于包络线及有效值的自适应窄带干扰抑制算法,用以从噪声中提取局放信号。EMD可以自适应地将信号分解成若干阶不同频率段的固有模态函数(intrinsic mode functions,IMF),窄带干扰经分解后在振幅上显示出与局放脉冲明显不同的特征,通过包络线及有效值确定的阈值可以有效地区别开来。仿真及实际处理结果表明:与常规的基于小波变换的窄带抑制算法相比,该算法具有较强的自适应性;能有效地抑制局放信号中的窄带干扰。     

基于小波分解的自适应滤波算法在抑制局部放电窄带周期干扰中的应用

在局部放电在线监测中，由于窄带周期干扰的频率范围很宽，自适应滤波器的参数设置比较困难，有时甚至会导致算法不稳定。为此，文中提出了一种基于小波分解的自适应滤波算法，以用于抑制窄带周期干扰：利用小波的分频特性先将信号分解到不同的频段上，然后对各频段的信号施以自适应滤波，由于信号被分解到不同的频段，各频段内的窄带干扰频率相差有限，所以，可以根据各频段信号的特性采用最佳的滤波参数，以达到较好的滤波性能。计算机仿真分析和现场数据处理表明，该算法比普通自适应滤波算法有更好的抗干扰性能和稳定性。     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解（EMD）方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取。分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解（EEMD）的解决方法。该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号。并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果。仿真和现场测试的结果均验证了所提方法的有效性。     

基于经验模态分解的局部放电信号窄带周期干扰的抑制

现场局部放电在线检测过程中,常伴随有窄带周期性干扰,对局部放电信号的检测带来很大的困难.采用经验模态分解与变步长自适应滤波相结合的方法进行干扰抑制.通过计算机仿真和实际数据的处理,验证了该方法的有效性.     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解(EMD)方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取.分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解(EEMD)的解决方法.该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号.并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果.仿真和现场测试的结果均验证了所提方法的有效性.     

改进经验模态分解阈值算法抑制强窄带干扰

为抑制电力设备局部放电在线监测中出现的较强窄带干扰,提出改进经验模态分解(EMD)阈值算法,改进了频域阈值算法并解决了其阈值和干扰频带难以确定的问题.首先在频域处理时设置一个较大阈值来降低窄带干扰幅值,接着EMD以得到含有特征频率的固有模态函数(IMF),然后对IMF分量进行阈值处理,利用窄带干扰和局部放电信号在IMF分量上的特性差异来抑制窄带干扰.     

基于经验模态分解和自适应噪声对消算法的窄带干扰抑制

在局部放电在线检测中,自适应噪声对消算法是当前抑制窄带干扰的有效方法。由于窄带干扰频率范围很宽,滤波参数不易设置,同时实测时的窄带干扰在时频域都表现强烈,局部放电信号会完全淹没于干扰之中,使得一般改进噪声对消算法不能取得较好效果。为此,笔者提出一种改进经验模态分解的噪声对消算法,首先在频域中降低干扰幅值,接着利用经验模态分解的分频特性将宽频带的窄带干扰分解到不同频带,各频带内的窄带干扰频率相差有限,然后进行自适应噪声对消,以达到较好的滤波性能。仿真和实际数据验证了该算法的有效性。     

基于经验模态分解和固有模态函数重构的局部放电去噪方法

为了提取局部放电信号的特征,提出一种基于经验模态分解(EMD)和固有模态函数(IMF)重构算法的局部放电噪声抑制方法.首先对含有噪声的局部放电信号进行经验模态分解,得到含特征频率的固有模态函数,然后对所得的固有模态函数分量进行自适应阈值处理后重构,从而抑制噪声干扰.相比于常规的小波去噪算法,该方法具有自适应性强,不受小波函数和最佳小波分解层数选取的限制等优点,而且实现了阈值和固有模态函数阈值处理层数的自动选取.分别以仿真信号和实际信号为例,证明了该方法的有效性.     

基于经验模态分解的水轮发电机组局部放电信号提取

提出一种基于经验模态分解（EMD）的水轮发电机组局部放电信号提取方法。对实际局部放电信号,在频域内降低其干扰的幅值后得到中间信号,然后对中间信号进行经验模态分解,得到包含特征频率的固有模态函数（IMF）,接着对所得到的固有模态函数分量局部重构,从而提取出局部放电信号。通过实例证明了该方法的有效性。     

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。     

基于经验模态分解的牵张反射起始点检测研究

针对痉挛状态患者表面肌电信号易出现虚假的肌电峰值,引起牵张反射起始点前后的信号差异变小,提出经验模态分解去噪与改进样本熵识别的牵张反射起始点检测方法。首先用经验模态分解对肌电信号进行分解;然后以受试者静息状态下的表面肌电信号为参考,设定软阈值对分解的信号进行去噪;最后用改进样本熵识别牵张反射起始点。实验结果表明,经验模态分解算法可以有效地去除肌电信号噪声,而且在改进样本熵的最优参数下牵张反射起始点平均识别率为94%。     

提升经验模态分解检测低频振荡模式精度的改进算法研究

基于实测受扰轨迹分析低频振荡问题已成为现代电力系统稳定性分析的重要手段。针对经验模态分解（EMD）方法分析低频振荡信号时,影响该方法精度的端点效应、频率漂移、模态混叠、阻尼损失等问题,分别提出基于ARMA模型的端点延拓法、B样条插值法、精细化复小波分析法及能量微差因子控制法加以解决。通过这些方法的混成应用,设计出一套改进的应用算法,有效提高了低频振荡信号非平稳特性参数检测精度。最后,通过EPRI-36仿真算例和RTDS实时算例测试,验证了所提算法检测复杂低频振荡信号模式信息具备很高的有效性和精度。     

基于MEMD和HHT的电力系统低频振荡模式识别方法研究

提出了一种基于多元经验模态分解(Multivariate empirical mode decomposition,MEMD)和希尔伯特黄变换(Hilbert-Huang Transform,HHT)相结合的电力系统低频振荡模式辨识新方法。针对经验模态分解(Empirical Mode Decomposition,EMD)只适用于单通道模式辨识的局限性,以及存在模式混叠和辨识效率低的缺点,引入MEMD方法对多通道量测信号进行分解处理,获取各通道中表征不同频率尺度的固有模态函数(Intrinsic Mode Functions,IMF)分量,实现多通道量测信息的协同分解。在此基础上,引入Teager能量算子筛选出含主导振荡模式的关键IMF。针对主导振荡模式在振荡过程的时变特性,借助HHT追踪各主导振荡模式的瞬时振荡频率和阻尼比。最后,通过16机68节点测试系统仿真数据和辽宁电网PMU实测数据对所提方法进行分析、验证。结果表明了所提方法的准确性和有效性。     

局部放电离散谱干扰的小波包变换熵阈值抑制法

将信号的小波包变换看做通过等带宽的滤波器组，输出是对应频带上的分量，如某一频带上存在离散谱干扰，其小波包变换树节点的信息熵将会明显增大。同时，提出基于小波包分解和重构算法的熵阈值法。结果表明，这种方法具有良好的自适应性，无须事先确定离散谱干扰的数目及其中心频率，干扰抑制能力强，能准确提取局部放电脉冲的相位，对于单一放电类型，可以标定放电量的大小。     

基于改进 SVD_EMD 的绝缘子泄漏电流去噪方法

泄漏电流是表征气体绝缘输电线路(GIL)内部绝缘子性能优劣的重要指标,在实际工程中泄漏电流信号的采集常受窄带信号与白噪声信号的干扰,进而影响对于绝缘子性能的准确评估,常用泄漏电流去噪方法多依赖于经验参数与人工设定。针对以上问题,提出利用奇异值曲率谱对奇异值变换(singular value decomposition,SVD)进行改进,去除窄带信号干扰;然后引入正负白噪声组,利用经验模态分解(empirical mode decomposition,EMD)对含有白噪声信号的泄漏电流信号进行分解,在分解过程中对模态分量进行去噪处理,保留最终模态分量即为无噪泄漏电流信号。信号仿真与现场实测结果均表明所提方法可以有效实现GIL绝缘子泄漏电流去噪。