基于变分模态分解的电能质量扰动检测新方法

为了更加准确地提取扰动信号特征,提出了基于变分模态分解(VMD)的电能质量扰动检测新方法。该方法由VMD和希尔伯特变换(HT)2个部分组成。首先,对扰动信号进行傅里叶变换以确定VMD的预设分解尺度;然后,利用VMD将扰动信号分解为系列调幅-调频函数之和;最后,对每个调幅-调频函数进行HT,求取瞬时幅值和瞬时频率,进而确定扰动信号特征。较之希尔伯特-黄变换和局部均值分解方法,VMD方法不仅可分析不同时间支集的扰动信号,处理复合扰动和频率相近的奇数次谐波,也不存在模态混叠,获取的瞬时幅值和瞬时频率更加准确。仿真信号和变电站电容器组投入时的电压信号分析结果证明了所提方法的可行性和有效性。     

基于改进VMD算法的直流微网纹波检测方法

凭借线路成本低、效益高等优势,直流微网成为未来新的配用电趋势,但其多源多变换的特点易导致系统中存在多种形式的纹波发生源。纹波的大量存在不仅直接影响直流微网电能质量,且不便于准确计费,能否准确检测纹波对于直流微网的可靠供电有着重要意义。本文提出了一种基于改进变分模态分解算法（modified VMD,MVMD）的纹波检测方法,可用于稳态纹波与暂态纹波的准确检测。在MVMD方法中,首先基于频谱特征相关度的方法确定最佳分解尺度,通过VMD算法将直流检测信号分解为一系列的本征模态分量（IMF）,然后进行希尔伯特变换（HT）,可获得纹波分量的一系列参数,以及暂态纹波信号起止时间。最后采用MVMD方法与经验模态分解（EMD）算法进行对比,实验证明所提出方法相比EMD算法具有较高的检测精度以及噪音鲁棒性,适用于直流微网的纹波监测。     

基于MEEMD与HT的谐波检测方法

为解决采用希尔伯特-黄变换进行谐波分析对信号进行分解时出现的模态混叠、端点效应、抗噪能力弱及虚假分量等问题,提出一种基于改进型总体平均经验模态分解和改进的自适应波形匹配延拓结合希尔伯特变换的谐波检测新方法。首先,采用改进型总体平均经验模态分解算法和改进的自适应波形匹配延拓方法对谐波信号进行分解,获得一系列固有模态函数,再对各个固有模态函数进行希尔伯特变换,从而得到各次谐波的瞬时幅值和瞬时频率。采用经验模态分解、总体平均经验模态分解、完全经验模态分解算法和文中所提方法分别与希尔伯特变换结合进行谐波分析,仿真结果表明,所提方法能有效抑制模态混叠和端点效应,其受参数影响较小,自适应性较强,产生较少的虚假分量,且在强噪声下仍然具有很高的谐波检测精度。     

基于改进经验小波变换的电能质量扰动检测新方法

针对经验小波变换(EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄漏和噪声污染干扰的问题,提出一种基于改进经验小波变换(IEWT)的电能质量扰动检测新方法。首先,通过Fourier谱包络动态测度算法确定扰动信号的特征频点,并在原有频带边界的基础上进行延拓;然后,运用IEWT将扰动信号分解为若干调幅-调频(AM-FM)分量之和;最后对扰动分量实施标准希尔伯特变换,以求取扰动幅值、频率和起止时刻。通过算例仿真和变电站实测数据验证了所提方法的有效性,并对其检测结果进行对比分析。实验结果表明,所提方法兼具良好的模态分解能力和抗噪性能,且普适性更强,运算耗时更短,适用于工程实践。     

基于HHT的振动信号趋势项提取方法

针对振动信号中的趋势项成分的提取,提出一种基于希尔伯特-黄变换(HHT)的新方法.先用经验模态分解(EMD)方法将信号分解为一系列固有模态函数(IMF),然后对各IMF分量进行Hilbert变换得到希尔伯特边际谱;通过计算各IMF希尔伯特边际谱,可以获得各IMF的主频成分,对属于趋势项的IMF分量进行判别,最终确定趋势项.仿真结果表明,该方法能准确的提取振动信号中的趋势项成分.     

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。     

希尔伯特-黄变换在电力系统故障检测中的应用研究

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法。将HHT引入到电力系统故障检测中,利用经验模态分解(EMD)获得故障电流信号的本征模态函数(IMF),通过选取IMF并对其进行H ilbert变换,提取出IMF分量的瞬时频率和瞬时幅度。利用合成的IMF分量的H ilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析。仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性。     

希尔伯特-黄变换在电力系统故障检测中的应用研究

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法.将HHT引入到电力系统故障检测中,利用经验模态分解(EMD)获得故障电流信号的本征模态函数(IMF),通过选取IMF并对其进行Hilbert变换,提取出IMF分量的瞬时频率和瞬时幅度.利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析.仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性.     

变分模态分解在小电流接地系统故障选线中的应用

为探究适用于小电流接地系统的故障选线方法,解决现有暂态故障选线方法效果欠佳的问题,提出了一种基于变分模态分解VMD(variational mode decomposition)的小电流接地故障选线新方法。通过引入本征模态函数基于调幅调频函数的VMD算法对配电母线各出线的零序电流进行分解,模态中心频率选取自适应且分解结果直观。最后综合直流分量以及高频分量构造双重判据实现选线,以Matlab/Simulink平台搭建的小电流接地系统故障选线模型为平台,对算法在单相接地故障下的准确度进行仿真校验。结果表明该算法不受故障电阻、故障发生位置、故障时刻与系统接地方式的影响,准确度高且对噪声有着一定的鲁棒性。     

基于LMD的电压闪变分析

为实现电压闪变的准确检测,提出了基于局部均值分解(local mean decomposition,LMD)的分析方法。将复杂的多分量信号分解为若干个乘积函数(production function,PF)的线性组合,并通过所有PF分量的瞬时频率和瞬时幅值组合,可以得到原始信号的时频分布。首先对电压闪变信号进行LMD分解,用得到的瞬时幅值分量来确定电压闪变的幅值。然后对得到的纯调频信号进行Hilbert变换,求取瞬时频率,由瞬时频率的突变点定位闪变的起止时刻。仿真结果表明了LMD方法用于电压闪变分析的准确性和可行性。     

基于EEMD和HHT的低压异步电动机故障诊断

针对船用电动机位置分散、安装环境各异,难以对全生命周期的全过程进行监测的特点,提出了一种利用电动机的振动信号、基于集合经验模态分解和希尔伯特-黄变换相结合的低压异步电动机故障诊断方法.采用集合经验模态分解方法将振动信号分解为各级本征模态函数分量,利用相关系数选取出和原振动信号有关的本征模态函数分量,再利用希尔伯特-黄变...     

基于改进HHT的电压闪变检测

针对应用希尔伯特-黄变换(HHT)算法进行电压闪变参数检测过程中经验模态分解(EMD)产生的固有模态分量(IMF)不理想而增大参数检测误差的问题,提出了一种改进HHT的电压闪变检测方法。首先通过在EMD"筛选"步骤中添加四点插值细分算法"分裂"出新的控制点供三次样条插值拟合包络线,然后分解出一组IMF分量,最后对IMF分量采用Hilbert变换得到闪变检测参数。就含噪声的单一分量闪变信号、不含噪声的和含噪声的多分量闪变信号,分别采用未改进HHT方法与改进HHT方法进行仿真检测,研究结果表明,改进HHT算法具有良好的抗噪能力,对模态混叠具有一定的抑制作用,并且能够提高闪变信号参数检测的准确度。     

基于自适应变分模式分解的非稳态电压闪变包络参数检测

针对非稳态时变的电压闪变包络参数准确检测难题,提出一种基于自适应变分模态分解的电压闪变包络参数检测方法.首先通过Hilbert变换检波法快速提取电压闪变包络信号;再采用损失系数和能量差作为确定模态分解个数的判断依据,利用自适应变分模态分解闪变包络信号;最后通过Hilbert谱分析求取瞬时幅值和瞬时频率,确定电压闪变包络...     

沽源500kV变电站谐振数据分析

针对沽源500kV变电站主变压器曾多次发生谐振现象,通过对实录谐振数据进行经验模态分解(EMD)得到谐波信号的本征模态函数(IMF),再对各个本征模态函数进行希尔伯特-黄变换,获得各个函数分量的瞬时频率和幅度,总结了沽源变电站实际谐振数据的主要谐波成分和谐波含量,为进一步进行主变谐振实时监测的研制提供了依据。     

综合高低频段分量的谐振接地系统故障选线

针对谐振接地系统单相接地故障特征提取困难、故障识别率低的问题,提出一种基于参数优化变分模态分解VMD(variational modal decomposition)的选线方法.首先,利用果蝇优化算法对变分模态分解的影响参数组合进行迭代寻优,以获取最佳分解层数K及惩罚因子α,通过优化后的变分模态分解将各馈线零序电流分解为若干个反映信号局部特性的本征模态函数.其次,通过希尔伯特(Hilbert)边际谱能量熵反映各馈线零序电流低频段衰减直流分量的含量差异度,利用曲线斜率反映各馈线高频段暂态电容分量与母线零序电压导数的线性关系,构成综合高、低频段故障特征的双重选线判据.大量Matlab/Simulink仿真结果验证了该方法在不同故障情况下选线的准确性.     

基于EEMD的交联电缆局部放电信号检测研究

针对经验模态分解方法在提取局部放电信号时易产生模态混叠问题,将集合经验模态分解方法用于交联电缆局部放电信号的提取。该方法相对传统小波变换不需要选择基函数和确定分解层数,可以地自适应地将含有干扰信号的局部放电信号分解成不同时间尺度的固有模态函数,对主要成分是局放信号的分量进行阈值处理与重构得到局放信号,经过希尔伯特-黄变换得到局放信号的时间-相位-幅值谱,获得反映局放信号的特征信息。仿真和实验结果表明验证了集合平均经验模态分解在交联电缆局部放电信号检测中的可行性。     

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。     

基于变分模态分解和Hilbert变换的平滑风电出力混合储能容量优化配置

由于风力发电系统在并网过程中容易受到风速随机性、间歇性的影响。因此,在风电机组并网处安装储能装置不仅可以平滑功率波动,还可以获得良好经济效益。提出了变分模态分解-希尔伯特变换(VMD-Hilbert transform,VHT)的时频分析储能系统容量配置方法。首先通过滑动平均滤波获得的储能系统参考功率,采用变分模态分解(Variational Mode Decomposition,VMD)将储能系统参考功率,即非平稳信号分解为数个单分量信号——固有模态函数分量(IMFs),通过Hilbert变换得到时频谱,对时间积分计算获得各模态函数分量的边际谱,与传统HHT(Hilbert-Huang transform,HHT)相比,能够有效避免频谱混叠;最后根据边际谱选择分频点,分别将高频信号和低频信号分配给超级电容器和蓄电池。目标函数考虑了经济周期成本,仿真实验结果验证了所提方法的有效性和经济优势,因此,在新能源发电中为储能系统配置提供了新的方法。     

基于VMD和平滑滤波的ECG去噪方法*

针对目前变分模态分解法在心电信号降噪时存在模态分量难以取舍的问题,提出了一种改进的变分模态分解方法。首先对含噪心电信号进行变分模态分解,通过各模态分量的中心频率和模态分量与原始心电信号的互相关来确定噪声占优的模态分量与信号占优的模态分量。然后选取中心频率处于医学心跳频率范围的模态分量来提取心跳频率对应的采样点数,根据心跳频率对噪声占优的模态分量和信号占优的模态分量分别进行平滑滤波。最后使用处理过的模态分量重构心电信号,完成基线漂移和肌电噪声的去除。实验结果表明该方法的去噪效果优于小波阈值法、变分模态分解法及两者相结合的方法。     

基于差值矩阵的多端输电线路故障定位研究

针对现有多端输电线路故障行波检测困难、定位精度不高、判定算法复杂等问题,提出一种基于变分模态分解(VMD)算法和Hilbert变换相结合的行波检测法和一种基于差值矩阵的多端输电线路故障行波定位算法。首先通过行波传感器采集故障行波信号,利用VMD分解算法对故障行波进行分解,结合Hilbert变换提取模态分量IMF1的瞬时频率,根据第一个瞬时频率的奇异点位置确定故障行波的达到时刻。然后利用行波到达各端的时间和行波传输原理,得到多端输电线路故障分支判定矩阵。最后根据故障分支判定矩阵确定故障支路,实现故障点的精确定位。ATP/EMTP仿真结果表明,所提检测方法能够准确检测故障初始行波的到达时间,多端输电线路定位算法能够准确判定故障支路,相比于HHT检测方法下的定位算法,进一步提高了定位精度。