局部均值分解在电能质量扰动检测中的研究

针对电能质量扰动问题,结合局部均值分解(Local Mean Decomposition,LMD),提出了基于LMD的电能质量检测算法。该方法将复杂信号分解为若干乘积函数(Product Function,PF)之和,每个PF由调频函数和调幅函数之积组成,PF的频率可通过对调频函数求导得到,PF的幅值信息包含在调幅函数之中。选取IEEE规定的典型扰动信号,分别用LMD和HHT对其时频分析,仿真结果表明LMD算法在分析短时电压骤降和骤升信号、间谐波扰动和长期电压波动时具有良好的性能。     

基于改进局部均值分解和概率神经网络的电压扰动识别

随着新能源技术的发展和普及,大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响,提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合,构造一种电压扰动分类器,对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应,应用改进LMD算法对扰动信号进行3层分解,得到具有电压信号幅频信息的乘积函数PF（product function）分量,将由PF分量构造的信号能量作为概率神经网络的输入,以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验,结果表明,该方法可以准确识别电压扰动信号,有助于提高电力系统中电压扰动信号的识别精度。     

基于小波理论和HT-LMD的电能质量扰动检测方法

针对含噪声的暂态电能质量扰动检测问题,提出了一种基于小波自适应去噪的改进HT-LMD(HilbertHuang and Local Mean Decomposition)分解检测方法。分析了局部均值分解检测扰动的优缺点以及噪声对LMD检测方法的影响,提出了采用小波分解与重构和自适应阈值技术以及基于正交性判据(Orthogonality Criterion,OC)新的HT-LMD检测方法。小波自适应去噪技术能减弱噪声对LMD分解影响,正交性判据能减少分解的迭代次数。典型暂态电能质量扰动模拟信号和实测信号的检测结果表明,所提方法能在有效提高LMD方法检测电能质量扰动效果同时很好地保留原有暂态扰动信号奇异性特征,提高了检测和定位精度。     

基于改进LMD的电能质量扰动检测新方法

介绍了一种新的非线性、非平稳信号分析方法——局部均值分解(local mean decomposition,LMD),分析了LMD用于扰动信号检测时的优缺点及原因。在此基础上,提出一种改进的局部均值分解(improved local mean decomposition,ILMD)电能质量扰动检测及时频分析新方法,该方法由LMD和希尔伯特变换(Hilbert Transform,HT)2部分组成。先用LMD提取信号的乘积函数(product function,PF),由PF分量的调幅函数可得信号瞬时幅值;再对PF分量进行HT求取瞬时频率。ILMD方法可有效定位发生扰动的起止时刻,克服LMD在定位能力上的不足。与采用希尔伯特黄变换(Hilbert Huang transform,HHT)方法相比,ILMD具有瞬时幅值函数端部失真小、瞬时幅频曲线波动小和幅值与频率检测精度高等优点。仿真信号和500 kV变电站电容器组投切时的电压信号分析结果证明所提方法的可行性和有效性。     

基于经验模态分解的电能质量扰动信号定位方法

提出了一种基于经验模态分解(empirical mode decomposition,EMD)的方法来对电能质量扰动信号进行定位。在EMD方法分解过程中,异常数据会在其第1个固有模态分量中引起局部高频突变信号,此高频突变信号具有幅值相对于无扰动时明显增大的特点。利用此特点,对含有电能质量扰动的电网电压进行EMD分解后得到的第1个固有模态分量求取一阶导数,然后对一阶导数进行阈值处理来确定扰动发生及终止的时刻。仿真结果表明,此方法对多种电能质量扰动信号信号有较好的定位效果。     

矩阵分解在暂态电能质量扰动检测方面的应用

针对暂态电能质量问题日益突出的实际情况,提出了基于矩阵分解技术的暂态电能质量扰动检测方法。首先将一维电能质量扰动信号构造成Hankel矩阵,根据矩阵奇异值分解原理完成对扰动信号的线性分离,然后分析各层分量信号所含信息的价值,确定用第三层分量信号中的突变信息来检测扰动信号的发生、截止时刻。仿真结果表明,该方法有效易行。     

基于预测机制的电能质量扰动检测方法研究

通过对现有各种扰动监测算法的研究和比较,提出了一种基于线性预测机制的时间域电能质量扰动检测方法.将待分析的电网信号通过由线性预测机制得到的误差预测滤波器,当电网中发生电能质量扰动时,预测信号波形会在扰动发生及结束时刻产生突变,使得所提检测算法能够及时检测到电网中发生扰动信号的起始时刻和持续时间.仿真和试验结果表明了所提方法能准确检测电压暂升、暂降等变化相对缓慢且延续时间也相对较长的暂态扰动信号,对电压骤降等变化时间极为短暂的瞬时性扰动信号依然具有良好的监测效果.     

基于预测机制的电能质量扰动检测方法研究

通过对现有各种扰动监测算法的研究和比较,提出了一种基于线性预测机制的时间域电能质量扰动检测方法。将待分析的电网信号通过由线性预测机制得到的误差预测滤波器,当电网中发生电能质量扰动时,预测信号波形会在扰动发生及结束时刻产生突变,使得所提检测算法能够及时检测到电网中发生扰动信号的起始时刻和持续时间。仿真和试验结果表明了所提方法能准确检测电压暂升、暂降等变化相对缓慢且延续时间也相对较长的暂态扰动信号,对电压骤降等变化时间极为短暂的瞬时性扰动信号依然具有良好的监测效果。     

基于均值滤波的电能质量检测去噪方法

在电能质量检测领域,测量信号通常叠加着随机噪声,因此去噪是信号检测的重要前提。作为常见的去噪方法,均值滤波和中值滤波有很多缺点。均值滤波因其能去除大量的高斯噪声且易于实现而成为一种常用的线性滤波,但均值滤波对于奇异点却很敏感。对此给出了一种改进的均值滤波方法,此方法不单能去除高斯噪声,而且能很好地保留突变点信息。     

风电并网暂态电能质量扰动的检测与识别

风能的随机性、间歇性和波动性等特性使得电力系统的电能质量在风电并网运行时受到了十分复杂的影响,因此针对风电并网运行中的暂态电能质量问题,文中提出了一种基于db4小波变换和有效值法的新方法对暂态电能质量扰动进行检测与识别,并通过详尽的理论分析和Matlab仿真对该方法进行了验证。研究结果表明该方法能有效地完成对暂态电能质量扰动的检测与识别,为检测与识别电力系统在风电并网运行时的暂态电能质量扰动提供了一种切实可行的新方法。     

基于改进QPSO形态滤波器的电能质量暂态扰动检测

提出一种基于改进量子粒子群算法（QPSO）的形态滤波器,用于电能质量暂态扰动检测。首先对量子粒子群算法进行改进,利用混沌序列对粒子位置初始化以提高算法全局寻优能力,通过引入变异算子进一步避免算法过早收敛。然后将改进后的算法应用于形态学滤波器的结构元素的自适应优化中,结合结构元素的特点,寻找出属性最佳的结构元素从而提高滤波能力。结合仿真实验,研究了含有复杂多变噪声的环境下,发生电压骤升、电压骤降和电压中断暂态干扰现象时所构造改进滤波器的滤波性能。通过实验对比,证明所提方法具有快速、准确的特点,较传统的滤波方法有了很大的改善,提高了电能质量扰动检测的可靠性。     

结合滑动窗奇异值分解的EEMD暂态电能质量扰动检测法

为了解决噪声、模态混叠等原因造成提取电能质量扰动信号的时频特征不清晰的问题,根据电能质量扰动信号具有非平稳、不确定性以及周期性强的特点,应用总体经验模态分解(ensemble empirical model decomposition,EEM D)的方法对电能质量扰动信号进行分解,基于滑动窗奇异值分解(singular value decomposition,SVD)数据压缩方法对EEMD分解得到的一系列固模函数(intrinsic mode function,IMF)分量组成的矩阵进行了重构,并对重构后的IMF分量作Hilbert变换降维,提取了扰动信号时间、频率、幅值上的特征。对比传统的EEMD算法,新方法能更加准确定量地提取各个扰动成分的起始时刻、幅值、频率等扰动特征,同时能够有效抵御噪声的干扰,克服了以往只能通过人为选取IMF分量来提取扰动时频特征过于主观的缺点。算例仿真的结果验证了该方法的有效性。     

应用原子分解的电能质量扰动信号特征提取方法

提出一种应用原子分解实现的电能质量扰动信号特征提取方法.该方法以Gabor原子库和匹配追踪算法为基础,从扰动信号中迭代求取Gabor原子成分,再将Gabor原子转化为衰减正弦量原子,获得电能质量信号中各种扰动成分参量化的原子解析表示.用初始残余能量的阈值作为原子分解迭代终止条件,以改善特征提取效果.该方法可准确定量地提取各扰动成分的起止时刻、幅值、频率和变化规律等扰动特征,适用于暂态扰动、稳态扰动和多重扰动.算例分析验证了所提出的方法的有效性.     

基于形态边缘检测的电能质量暂态扰动定位方法

提出了一种基于形态边缘检测的电能质量暂态扰动定位方法,在解决电力信号因周期性变化和采样过程中存在的各种干扰而引起的背景梯度影响扰动检测准确度问题的同时,引入软阈值的定量评价方法来提高其准确性。首先,提出滤波效果的评价方法,自适应选取结构元素大小对原始信号进行滤波处理;然后用扁平结构元素对形态梯度进行Top-Hat变换以抑制背景梯度,初步得到定位结果;最后结合软阈值的处理方法,实现对电能质量暂态扰动的定位。一系列的电能质量暂态扰动的仿真分析表明,该算法定位准确,抗干扰能力强,具有较好的普遍适用性。     

基于小波分析的电能扰动研究

为了有效准确地对电力系统的各种扰动源进行准确的定位,文章提出了一种基于小波分解的电能扰动在线监控理论。分别分析了小波分析的基本原理、MALLT以及小波变换模极大值理论。重点对小波降噪处理和模值极大理论在扰动检测中的应用进行了分析。该方法利用小波细节信号对信号的突变十分敏感的特点,当电网出现干扰时,电压信号必定出现异常波动,反映在小波分析上就是细节信号出现模极大值。在此基础上通过MATLAB编程对常见的几种扰动源进行了仿真分析,最后对实验数据进行了降噪和小波分解。通过实验仿真分析可以看到:小波变换理论对常见的几种扰动源能够进行很好的检测与定位,是一种可靠高效的电能扰动定位方法。     

基于最佳小波包基的电能质量暂态数据压缩

针对电能质量暂态扰动数据高频分量频率高(最高达到MHz)的特点,在小波压缩技术的基础上,提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩,利用最佳小波包基的快速搜寻算法对高、低频分量同时进行分解,再对扰动数据进行压缩重构,并将其与基于小波变换的数据压缩方法进行仿真比较。结果表明,在压缩比大致相同的情况下,得到数据的失真率比传统小波的压缩方法低。     

基于EEMD阈值去噪的电能质量扰动检测研究

电能质量信号的采集常受噪声干扰,影响对扰动信号的分析。研究具有自适应性的EEMD阈值去噪方法,对染噪电能质量扰动信号进行去噪,并与小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值4种阈值方法的去噪效果相比较。通过对去噪前后的波形、信噪比SNR和重构后的均方误差MSE 3个标准进行分析比较,对除噪后的信号进行HHT获取扰动的特征量。仿真结果表明,EEMD阈值方法消噪后的波形接近真实值,信噪比高,均方误差小,通过HHT提取的特征量可以准确定位扰动发生的起止时刻和获取扰动的瞬时频率和幅值信息。