一种基于新型小波阈值去噪预处理的EEMD谐波检测方法

为了提升经验模态分解(EMD)用于谐波检测的效果,用集合经验模态分解(EEMD)消除了EMD谐波检测的模态混叠问题。通过研究发现采样信号中的噪声会对EEMD的分解产生较大影响,提出了一种基于新型小波阈值去噪预处理的EEMD谐波检测方法。该方法首先采用变换小波系数精确选取小波阈值,然后采取软硬阈值相结合的方式,以消除随机噪声,再将去噪后的信号进行EEMD分解。经仿真分析,所提方法可以有效地消除随机噪声对谐波检测的影响,提高了EEMD谐波检测的精度与适用性。同时与原有EEMD算法相比,所提方法在分解速率上平均提高了大约3.8倍,有效分量与原始信号的相关度平均提升了22.5%。     

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。     

基于EMD相关去噪的风电机组振动噪声抑制及特征频率提取

针对风电机组振动信号同时受背景白噪声和短时干扰噪声的影响,使得早期微弱故障特征频率难以提取的问题,提出一种结合经验模态分解(EMD)、相关性分析和小波包变换(WPT)的振动信号噪声抑制及故障特征频率提取方法(EMD相关去噪-WPT)。该方法首先利用EMD分解振动信号得到能表征不同频率的固有模态函数(IMF),然后筛选表征故障特征频率的IMF,并重构得到故障特征信号;其次,利用自相关分析去除重构信号中噪声的影响;最后,结合小波包变换(WPT)提取去噪重构振动信号中的特征频率。为了验证所提方法的有效性,以实测和模拟的双馈风电机组轴承故障振动信号为例,对轴承振动信号分别利用小波包变换(WPT)、EMD相关去噪-WPT、小波硬阀值-WPT方法进行特征频率提取分析。通过不同特征频率提取方法比较表明,所提出的基于EMD相关去噪-WPT特征频率提取方法,能够更有效地抑制背景白噪声和短时干扰噪声的影响,提取出早期微弱故障特征。     

基于VMD的电力电缆局部放电信号自适应阈值降噪方法

局部放电(Partial Discharge, PD)用于高压电缆在线监测时,采集到的信号包含多种噪声,白噪声是最常见、影响最广泛的一种。为了抑制白噪声的影响,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)的局部放电信号降噪方法。采用变分模态分解对含噪局部放电信号进行分解,得到频率从低到高的模态分量后,计算各个变分模态分量的峭度值,选取脉冲特征分量进行重构,利用小波自适应阈值对重构信号再次降噪。与小波变换阈值法对比在不同噪声环境下的降噪结果,结果从均方误差、波形相似系数定量优于小波标准软阈值降噪法和小波全局硬阈值降噪法。仿真和现场实验结果表明,该方法可以有效去除噪声信号,能够较为完整地保留原始信号波形。     

基于双树复小波和ICA的电网谐波检测方法

针对电网当中谐波严重的污染问题,提出一种基于双树复小波变换和ICA的电网谐波检测方法。该方法在不需要任何先验知识的情况下,先将混合的电网信号经过两个并行的实小波变换实现信号的分解和重构,得到各分量的最佳分解信号;结合ICA算法对分量信号继续进行盲源分离,解决了分解后频率混叠的问题,可以有效提取和分离电网谐波信息。相较于传统离散小波变换,双树复小波变换处理混合的电网信号时具有更低的频带能量泄露特性。通过仿真模拟电网谐波信号进行实验分析,表明了将双树复小波变换和ICA应用于电网谐波信息提取和分离的有效性。     

基于希尔伯特-黄变换的飞机供电系统谐波信号分析

大量非线性电力设备的应用,使飞机供电系统中含有大量的谐波分量和间谐波分量。针对傅里叶变换和小波变换等方法不能有效地对这些谐波信号进行提取和分析的情况,提出利用希尔伯特-黄变换(HHT)提取和分析飞机供电系统中的各次谐波分量。同时,为了改善HHT中经验模态分解(EMD)存在的包络线过冲、欠冲和端点飞翼等问题,使用分段三次...     

利用经验模态分解方法消除白噪声及谐波

在电力信号的分析中引入经验模态分解方法,可以将电力信号中的白噪声及谐波滤除.首先对信号进行经验模态分解,利用白噪声分解后固有模态函数(IMF)的统计特性将白噪声滤除,然后将剩余的固有模态函数予以重新组合,并再次对新信号进行经验模态分解.由于没有噪声的影响,谐波和基波分量分解在不同的固有模态函数上,最低频的固有模态函数即是要提取的基波分量,谐波分量被消除.实验仿真结果证明了该方法的有效性和正确性.     

基于WPT和参数优化的VMD谐波检测方法

针对变分模态分解(Variational Mode Decomposition, VMD)在谐波检测中易受噪声影响、分解模态个数K难以确定的问题,提出一种基于小波包降噪(WPT)和参数优化的VMD谐波检测方法。首先,对谐波信号进行WPT降噪处理,然后对降噪后的信号进行VMD预分解,根据解析分量的瞬时频率均值选取最优的K值,最后对降噪信号进行最优K值VMD分解并提取频率,用希尔伯特变换进行幅值检测。仿真结果与对比表明,该方法能够有效的选择VMD分解模态个数,减小噪声影响,且具有良好的检测精度。     

基于小波预处理的HHT方法在水轮机振动诊断中的应用

提出了基于小波去噪、降采样和HHT变换的方法。该方法先利用小波进行信号去噪,克服噪声对EMD分解的影响。其次,为获得正确的IMF分量和Hilbert谱,采用降采样方法对信号进行重采样,继而得到适当的采样率。最后,进行EMD分解提取具有明确物理意义的水轮机振动模式分量信号,再对各分量信号进行Hilbert谱分析,从而识别信号的异常频率和发生时间。并将该方法应用于某电站1号机组振动信号分析,结果表明,基于小波预处理的水轮机振动信号Hilbert-Huang变换方法能对机组性能做出良好评价,值得推广应用。     

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。