改进的HHT方法在小电流接地选线中的应用

HHT(Hilbert-Huang Transform)的核心EMD能将复杂的信号自适应地分解成若干个具有物理意义的单分量信号,但是在其实现的过程中会产生端点效应,使得分解的模态分量严重失真,极大地影响了故障选线的准确性.基于此,本文通过采用自适应波形匹配的端点延拓法对其进行改进,然后运用改进的HHT方法对小电流接地系统的故障选线进行仿真验证.结果表明改进的HHT法不仅有效地抑制了端点效应问题,而且提高了单相接地故障选线的准确率.     

基于改进希尔伯特-黄变换算法的电力系统低频振荡分析

作为一种非线性时变信号处理方法,希尔伯特-黄变换(Hilbert-Huang transform,HHT)已经被应用到电力系统低频振荡的分析中.分析经验模态分解(empirical mode decomposition,EMD)过程中存在的端点效应和模态混叠现象.针对EMD分解过程中的端点效应问题,通过4种端点延拓方法的比较,得出适合电力系统低频振荡信号分析的延拓方法.在介绍频率偏差法基本原理和适用范围的基础上,提出利用频率偏差法来解决EMD分解中存在的模态混叠现象,并建立基于极值点对称延拓和频率偏差原理的改进HHT算法.测试信号和仿真算例证明频率偏差法可有效地解决信号在EMD分解过程中的模态混叠现象,扩大了HHT在低频振荡信号分析中的应用范围.     

基于掩膜分量的改进HHT方法在电能质量扰动信号定位中的应用

为克服EMD方法的缺点,提出了一种基于掩膜分量的改进HHT方法对电能质量进行检测.首先对信号进行神经网络预测延拓,并对延拓部分进行加窗处理,有效的抑制了端点效应在经验模态分解过程中带来的影响.然后用掩膜信号法对电能质量扰动信号进行分解,得到包含单一频率的精确的经验模态函数分量,再对各分量进行Hilbert变换,并对瞬时幅值求导就能确定出电能质量扰动的起止点.仿真结果表明,基于掩膜的改进HHT方法能有效克服端点效应和模态混叠对信号分解的影响,适用于各种暂态扰动的分析.     

改进的希尔伯特-黄变换在电力谐波中的应用研究

重点研究了希尔伯特-黄变换（HHT）在电力系统谐波中的应用。与现有的FFT和小波变换等电力谐波分析方法相比,HHT具有适合分析非平稳信号、自适应能力强和无基函数选择等优点,但是该算法在应用过程中存在端点效应、模态混叠等问题,一定程度限制了算法的应用及发展。提出RBF-点对称延拓方法以改善HHT的端点效应问题,然后针对模态混叠现象提出先使用陷波滤波器对信号进行预处理,再进行HHT分析。仿真结果表明改进后的HHT方法不但能有效抑制端点效应,还可以在信号基波频率能量很大时仍保证较高的分析精度。     

改进的Hilbert-Huang变换方法及其应用

针对Hilbert-Huang变换(HHT)方法出现的端点效应问题,提出了添加极值点与支持向量回归机相结合的延拓方法对其进行抑制。首先利用支持向量回归机预测信号极值点的幅值,然后用添加极值点法确定所预测极值点的位置。该改进方法解决了镜像延拓法对端点不是极值点的短数据序列处理效果不佳问题。通过仿真对比分析,用传统的镜像延拓和支持向量回归机延拓后得到的能量误差分别为0.007 4和0.023 8,而用改进方法延拓后得到的能量误差为0.003 0,表明改进方法对HHT端点效应的抑制效果要好于两种传统的方法。最后,将改进方法应用到电机转子不平衡故障特征提取上,验证了其可行性和准确性。     

基于改进EEMD与GA-BP的谐振接地故障选线方法

针对谐振接地系统发生接地故障,存在暂态信号特征辨识度低,且单一特征作为选线判据易受故障条件影响等问题,提出一种基于改进EEMD与GA-BP神经网络的故障选线方法。首先使用边界局部特征尺度延拓法加集合经验模态分解和多尺度排列熵算法的混合算法（MEEMD）分解暂态电流信号,各项分解指标说明MEEMD能准确区分高频特征分量和基频分量并有效改进端点效应和抑制模态混淆。然后提取重构的高频分量能量、方向以及裕度因子等特征并将其用来训练、测试GA-BP神经网络。结果表明所提出的选线方法有较高的准确率且不受线路类型、接地电阻影响,有较强的鲁棒性和容错性。     

基于改进HHT的主动配电网电能质量检测方法

分布式能源在配电网中不断并网,传统配电网向主动配电网(Active Distribution Network,ADN)的转变是发展的必然趋势。ADN中分布式电源(Distributed Generation,DG)的大量接入,导致配电网的电能质量和供电可靠性受到影响,因此ADN中多重电能质量问题亟待研究。提出了改进HHT(Hilbert-Huang Transform)电能质量检测方法,可有效改善HHT方法在ADN电能质量检测中的端点效应。该方法将原始信号左右两端分别延拓后,再进行HHT分析,得到扰动量的频率和幅值。将改进HHT方法应用到ADN电能质量检测上,采用改进HHT方法对ADN中的电压暂降、谐波、间谐波、闪变等多重电能质量问题进行检测分析,并通过仿真试验验证了该方法是准确有效的。     

小电流接地系统故障定位新方法

故障行波波头到达时刻、行波速度和线路弧垂是影响小电流接地系统故障行波定位的主要因素。在分析小电流接地系统故障特征、Hilbert-Huang变换(HHT)、行波测距的基础上,将HHT引入到故障行波波头的提取中,利用端点极值点平行延拓法来抑制HHT端点效应,并对传统的行波测距算法进行改进,消除了波速和线路弧垂对行波测距精度的影响。Matlab仿真结果表明所提方法在小电流接地系统故障定位中的有效性和准确性,并与小波变换方法进行了对比。     

利用零序电流的相关性进行小电流接地系统故障选线

介绍了利用零序电流的相关性进行小电流接地系统故障选线的一种新方法,以解决当零序电流中含有较强直流分量时由于电流互感器饱和引起电流采集信号波形畸变带来的选线失效问题.小电流接地系统发生单相接地故障后,非故障线路的零序电流波形是相似的,而故障线路零序电流波形与非故障线路差别较大.利用现代信号处理方法计算出其相关系数,分析各线路零序电流的相似性,确定故障线路.根据该原理开发了选线装置,并进行了实时数字仿真(RTDS)试验,试验结果表明在各种工况下都可以正确地选出故障线路.     

谐振接地系统暂态波形差异性识别法接地选线

利用谐振接地系统发生单相接地故障时,故障线路与非故障线路间的暂态零序电流波形差异性大于非故障线路间的暂态零序电流波形差异性的特点,提出一种基于暂态波形差异性识别的接地选线新方法。对各线路故障暂态零序电流波形进行小波包分解、重构及信号增强处理,根据各频带频率大小确定该频带的时间窗的划分数量,求取各组时间窗波形的分布特征矩阵及其相互间的相对熵,用于衡量同组时间窗波形间的差异程度,采用等权重投票法统计各频带各组时间窗的初步选线结果并确定故障线路。大量仿真结果表明该选线方法选线准确、可靠。     

基于改进Hilbert谱分析的STATCOM并补线路保护方法

希尔伯特-黄变换可以对非线性非平稳信号的特征进行提取,但由于噪声的干扰对经验模态分解(EMD)过程和结果影响很大,存在严重的模态混叠现象。针对此不足,提出了首先对原始信号进行归一化相关性甄别和小波包分解预处理技术,对含噪故障信号进行消噪处理后再作HHT分析的改进方法,利用此方法对含静止同步补偿器(STATCOM)的并补线路保护在稳态运行时的测量信号进行分析,结果表明改进HHT方法有效地消除了模态混叠现象。并利用此方法对含STATCOM的并补线路保护在各种故障暂态时的电流信号进行Hilbert谱分析,结果表明,含STATCOM的并补线路故障时的Hilbert谱会发生突变,且区内故障和区外故障时有明显差别。根据此特征构成并补线路单端暂态量保护判据,仿真分析表明,该判据不受故障类型、故障位置、过渡电阻、补偿度以及母线电容变化的影响,具有良好的适应性和灵敏性。文中的分析方法及思路对串补线路暂态保护的应用研究具有一定的参考价值。     

HHT在110 kV线路故障保护跳闸方式识别中的应用

通过仿真某110 kV线路接地故障,利用希尔伯特-黄变换(Hilert-Huang Transform,HHT)分析了甲站、乙站单相跳闸以及甲站三相跳闸三种可能引起的保护跳闸方式下甲站1号变压器末屏A相电压与电流的波形特征,并分解计算了信号分解重构下低频与高频部分的能量函数值。计算结果表明:HHT所得到的能量函数能较好地识别线路故障引起站内保护跳闸的方式。     

一种基于HHT的光伏并网发电系统保护方法

当光伏发电系统所连电网发生短路故障时,光伏电源的故障电流会发生暂态突变,但由于逆变器控制电路的保护作用,短路电流的幅值较小,因而传统的保护方法对光伏并网发电系统不一定适用。为寻求适合光伏并网发电系统的保护方法,建立了基于PSCAD/EMTDC的光伏并网发电系统仿真模型,对其短路电流的特性进行了仿真分析,利用希尔伯特-黄变换(HHT)对故障电流的波形进行分解,提出一种基于HHT的光伏并网发电系统保护方法,并进行了算例分析。结果表明,在含有光伏发电的电网发生短路故障时,该保护方法具有一定的有效性和可行性。     

一种基于Hilbert-Huang变换的电力电缆故障测距方法

为了提高电力电缆故障测距的灵敏性和准确性,提出一种基于Hilbert-Huang变换的电力电缆故障测距方法。针对电缆故障时暂态行波信号奇异性不明显问题,HHT能在不需要选择基函数的条件下对信号进行自适应时频分析,应用经验模态分解(EMD)方法对信号进行唯一分解。EMD能在保持信号良好的时域特性和频域特性的同时得到信号的时频和能量分布关系,有利于提取信号的奇异性,进而减小测量误差。通过不同方法对故障进行数值仿真测距,仿真结果表明HHT故障测距方法具有很好的优越性。     

Hilbert-Huang变换在电力故障暂态信号检测中的应用

提出利用Hilbert-Huang变换对电力系统故障信号检测的方法.通过对检测点获得的故障电流信号进行经验模式分解(EMD),得到一系列的本征模态分量(IMF),利用Hilbert变换得到Hilbert谱及边际谱,分析发现,通过瞬时频率突变能准确定位故障时刻,Hilbert谱的峰值变化也能反映故障时刻及故障特征信息;通过边际谱分析可以获得故障信号所含的真实频率.为进一步故障检测提供了依据.仿真试验表明Hilbert-Huang变换的方法能准确地检测故障时刻.     

基于HHT变换的电机故障信号频率分析

提出了将HHT变换(Hilbert-HuangTransform,简称HHT)中边际谱应用于电机故障信号频率跟踪研究的新方法。采用HHT将故障信号分解成若干个平稳的IMF(Intrinsic Mode Func-tion)分量,求出每1个IMF分量的瞬时幅值和瞬时频率。同时,指出了边际谱与Fourier频谱之间本质区别。利用边际谱的线性性质说明了边际谱的谱值表示信号中某一频率在各个时刻的幅值之和。最后通过实例验证了Hibert-Huang变换在电机故障信号中频率分析中的应用。     

基于HHT变换的电动机故障信号频率分析

提出将HHT变换(Hilbert-HuangTransform,HHT)中边际谱理论应用于电动机故障信号的HHT分解和频率跟踪研究的新方法,并通过实例验证Hilbert-Huang变换在电动机故障信号频率分析中的应用。     

一种改善HHT端点效应的新方法及其在电能质量中的应用

利用Hilberr-Huang变换(HHT)方法进行电能质量检测分析,可以得到准确的瞬时频率和瞬时幅值,但该方法在应用中存在严重的端点效应,会影响分析结果。为了改善其端点效应问题,提出了一种基于人工神经网络和镜像延拓相结合的新方法对短时间序列进行延拓。采用三层BP神经网络对信号两端进行延拓,用带镜像延拓程序的经验模态分解(EMD)方法对延拓后的信号进行边分解边延拓,得到具有原始信号长度的固有模态函数(IMF);为了改善Hilbert变换中的端点效应,再次利用BP神经网络对各个IMF分量进行延拓。最后对延拓后的IMF分量进行Hilbert变换,从而得到精确的瞬时频率和瞬时幅值。将其应用到电力系统的谐波分析中,取得了较好效果。