基于改进HHT方法的井下单相漏电选择性保护研究

针对常用中性点不接地单相漏电保护故障选线方法中存在的缺陷,提出一种基于改进HHT法的故障线路选线法.根据信号内部及边界的波形特征,利用原始信号产生子波形,再用相似波型加权匹配法对端点效应进行拓延,使EMD分解得到的包络曲线端点处包含了所有原始信号的信息,消除了端点效应的影响.仿真结果表明,改进的HHT方法不仅有效抑制了端点效应,而且提高了故障支路的判断准确性.     

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.     

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。     

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HHT的中性点经消弧线圈接地配电网故障选线研究

通过对故障后各线路零序电流特征分析,提出利用HHT提取零序电流高频分量幅值、频率和相位等信息,比较幅值和相位实现正确选线。理论分析和大量的ATP仿真结果表明：基于HHT的选线方法可以准确、可靠地实现中性点经消弧线圈接地配电网单相接地故障选线。     

基于GA-BP改进算法的配电网接地故障选线方法

针对采用单一故障信息的配电网接地故障选线方法存在的缺陷,提出一种基于遗传算法(GA)改进BP神经网络的融合选线算法。该算法分别采用5次谐波法、有功分量法和暂态能量法从零序电流信号中提取5次谐波分量、有功分量、暂态能量作为故障特征,并定义其故障程度,然后将这些故障程度作为模型的输入,利用故障稳态与暂态信息对接地故障不同的判别能力,并通过GA优化BP神经网络的权值和阈值,避免神经网络陷入局部极值,使得选线模型达到较高的精度。仿真结果表明,在采用真实录波数据作为样本的情况下,所提改进算法比BP神经网络算法的选线精度更高,满足配电网单相接地故障选线精度要求。     

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.     

基于EMD和注入法结合的谐振接地选线研究

针对暂态选线方法在相电压过零时信号微弱的问题,提出利用注入信号法与基于经验模式分解( EMD)的暂态法结合的选线方法,利用故障线路次高频分量IMF2在故障后首次达到波峰时刻极性与非故障线路相反进行选线;电压过零时,利用注入特定频率信号在各出线检测该信号暂态幅值实现选线.经故障选线仿真试验表明,该选线方法适用于任意故障条件,选线准确,安全可靠.