HF-EMD频率选取原则及在暂态扰动检测中的应用

经验模态分解在处理电力系统暂态扰动信号时存在模态混叠的问题,基于高频谐波注入法的经验模态分解(简称HF-EMD)是一种简单高效的改进方法。该方法的有效性依赖于高频谐波频率的选取,而目前并没有有效的频率选取原则。着重对此问题进行了系统的研究,并通过理论分析和大量仿真试验得出了一个具体有效的选取原则:当所注入的谐波频率在原信号高频成份的最小频率与该最小频率增加1/2倍基波频率的范围内时,HF-EMD普遍有效。对PSCAD模型仿真电能质量信号和变电站复杂实测扰动信号的分析表明,该原则具有高效性和普适性,能够有效提高暂态电能质量扰动信号的检测精度。     

EEMD在煤矿电网暂态电能质量中应用研究

随着越来越多的电力电子设备等非线性装置运用于电力系统中,造成煤矿电网电压和电流畸变,产生电压暂态变化等现象,使电能质量问题越来越严重。本文深入研究基于总体经验模态分解EEMD的HHT理论,将该理论应用于稳态(谐波、间谐波)、暂态(电压暂降、电压暂升、电压中断、振荡暂态、脉冲暂态等)以及复合扰动信号等电能质量扰动信号检测和分析。仿真证明该理论有效克服了扰动信号分解过程中产生的模态混叠现象,能够得到清晰的分量,对电能质量进一步研究提供依据。     

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。     

基于DILCD和SDEO的电能质量扰动检测新方法

针对局部特征尺度分解(LCD)出现的模态混叠现象,提出了基于微积分局部特征尺度分解(DILCD)和对称差分能量算子(SDEO)的电能质量扰动信号分析方法。首先选取电力系统中的暂降、暂升,谐波、间谐波,衰减振荡等单一及其复合扰动信号分别进行DILCD分解可得到若干个内禀尺度分量(ISC);然后利用SDEO解调ISC分量求取瞬时频率和瞬时幅值,定位扰动发生的起止时刻。仿真结果表明,该方法能有效检测分析非平稳电能质量扰动信号,获得的瞬时幅值波动、端部效应小,频率检测精度高,时间定位准确。     

基于单子带重构改进小波变换的电力系统谐波检测方法

Mallat快速离散小波变换注重总体抗混叠和信号重建,忽略分解分量中的频率混叠抑制,在电力系统谐波检测中产生严重的频率混叠现象.虽然单子带重构小波变换提高了频率分辨率,但是分析结果仍存在一定程度的频率混叠.单子带重构改进小波变换算法,对信号进行分解与重构时,利用快速傅里叶变换(FFT)和快速傅里叶逆变换(IFFT)对各子带信号进行处理.该方法可以克服传统小波变换算法存在频率混叠现象的固有缺陷,仿真计算结果证明了该方法的有效性,为电力系统谐波、间谐波和时变谐波分量的精确检测提供了一种有效手段.     

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。     

基于小波变换的电力系统谐波检测抗混叠问题研究

正确提取电网谐波是进行电能质量分析的前提,利用小波分析能将电压或电流等信号分解为基波信号和高次谐波信号.分析了离散小波混叠的物理本质,提出一种新的混叠抑制方法,克服了现有抗混叠方法计算量大的缺点,并通过MATLAB进行仿真,表明该方法可以有效消除谐波检测中的小波混叠现象,将信号中不同频率的谐波有效地提取出来,有利于进行电力系统谐波信号精确分析.     

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。     

变分模态分解在电力系统谐波检测中的应用

针对电能质量分析中的谐波检测问题,将变分模态分解(VMD)应用到电力系统谐波检测中。利用VMD对信号的频带划分能力,实现各谐波模态的有效分离。对谐波信号进行频谱预分析确定VMD模态分解数,采用Hilbert变换提取各谐波模态幅值、频率等特征信息,通过基于奇异值分解的扰动定位方法对暂态谐波起止时刻与幅值变化时刻进行准确定位。不同类型谐波信号仿真实验验证了该方法的有效性,在无噪声与较低信噪比情况下均具有较高检测精度,具有良好的噪声鲁棒性。     

间谐波检测中小波混叠抑制的一种新算法

分析了离散小波混叠的物理本质,提出一种新的混叠抑制方法,该方法克服了现有抗混叠方法计算量大的缺点.仿真实验表明该方法可以有效消除谐波检测中的小波混叠现象,有利于进行电力系统谐波信号精确分析.     

改进的HHT算法在电力系统谐波检测中的应用

使用改进的HHT方法检测电力系统谐波.由于HHT方法存在模态混叠现象,不能有效的得到各次谐波分量.采用预处理的方法,首先将一个信号通过一级低通滤波器得到一级高频成份和一级低频成份,一级高频成份进一步分解为二级高频成份和二级低频成份,如此类推直到满足分解完成条件.对各个频带进行EMD分解得到IMF分量,最后将所有的IMF...     

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。     

基于ISBM边界延拓和迭代HHT算法的电能质量扰动检测方法

电能质量扰动的快速检测是高质量供电的基础。提出一种基于斜率改进方法（ISBM）用于边界延拓和迭代HHT电能质量扰动检测方法,一方面由于信号的首末两端信息不足,采用ISBM算法进行边界延拓;另一方面,为了解决高频小产生模态混叠的现象,提出了迭代HHT算法,准确提取出高频小信号扰动特征信息。最后通过仿真对比分析得出本文提出的方法在一定程度上可以识别出高频小幅值特征,并使得边界特征波动变得平稳,更加逼近真实情况。     

基于混叠补偿小波变换的电力系统谐波检测方法

虽然许多文献表明基于小波的谐波检测方法优于传统的谐波检测技术，但因混叠现象的普遍存在，导致其精度低、鲁棒性差，需要寻求新的解决方法。该文研究了小波变换的混叠现象，提出了一种电力系统谐波检测的抗混叠小波分析方法。离散小波变换混叠补偿方法，通过该方法将谐波信号分解成不同频带的子频带信号，再利用连续小波变换对非零子频带信号进行分析，提取谐波分量特征。仿真试验和几种方法的计算结果表明，文中所提出的谐波分析方法能够有效地消除小波混叠，并能精确地提取谐波分量特征，从而为电力系统谐波精确检测提供了一种有效的手段。     

“S注入法”与电压互感器的特殊接线方式

基于"S注入法"的选线定位保护新原理的TY系列选线定位保护已大量运行于国内电力系统。"S注入法"需通过电压互感器向故障系统注入检测信号,而为了消谐等目的,电压互感器有多种特殊的接线方式。对这些特殊的接线方式进行了分析,论证说明了这些特殊接线方式既能够满足消谐的需要,又适合于"S注入法"选线定位。     

基于CEEMD与排列熵相结合的谐波检测方法研究

为消除基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）的谐波检测法易受到迭代次数与辅助白噪声的干扰而产生虚假分量与模态混叠等问题,以及CEEMD方法在检测噪声背景下的谐波信号精度不高的缺陷,提出一种基于排列熵（Permutation Entropy,PE）算法与CEEMD相结合的PE-CEEMD谐波检测方法。首先对谐波信号进行互补集合经验模态分解,得到若干频率由高到低排列的固有模态函数（Intrinsic Mode-Function,IMF）,利用排列熵算法快速选定随机性较大的噪声分量进行剔除,对剩余信号再进行CEEMD分解。仿真实验数据表明,相较于CEEMD方法,PE-CEEMD方法能够较好地克服模态混叠与虚假分量等问题,并且针对复杂谐波信号的各次谐波频率成分与幅值的检测精度分别提高了4.424%与9.3%。