改进的Hilbert-Huang变换在船舶电网谐波检测中的应用

本文首次将改进的Hilbert-Huang Transform(HHT)方法用于船舶电力系统谐波检测中.HHT方法在分析船舶电网谐波时存在模态混叠现象,不能有效得出各次谐波分量,本文采用基于Fourier变换的empirical mode decomposition(EMD)方法,根据Fourier谱进行频带滤波,然后...     

Hilbert-Huang变换理论在电力系统中的应用研究

主要根据本课题组近几年Hilbert-Huang变换(HHT)理论及其在电力系统信号分析领域应用的研究成果,综述了HHT理论在电能质量检测、电力系统谐波分析、电力系统低频振荡、同步电机参数辨识、局部放电信号检测等问题的应用,并探讨了HHT理论应用的进一步研究的方向:低频振荡在线分析,同步电机参数辨识精度的提高,窄带噪声、随机脉冲等干扰下的局部放电信号在线检测等问题。     

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.     

用改进的Hilbert-Huang变换辨识电力系统低频振荡

针对Hilbert-Huang变换(HHT)在辨识电力系统低频振荡模态时易出现的模态混叠问题,提出了利用改进HHT辨识密频电力系统低频振荡模态参数的方法。首先通过Fourier变换确定每个模态频率的大致范围;然后在利用经验模态分解(EMD)求取每个模态时,根据所求得的模态频率的密集程度,或引入屏蔽信号,或通过滤波处理的方式,以分离频率相近的模态;最后通过对每个模态的瞬时幅值和频率进行线性最小二乘拟合,得到每个模态的模态参数。利用传统的HHT和改进的HHT分别对理想信号、仿真信号以及实际录波信号进行了分析,分析结果表明该方法能够准确辨识出低频振荡的特征参数,适用于密频电力系统低频振荡的辨识。     

Hilbert-Huang变换在距离保护中的应用

克服电力系统故障暂态信号中非整数次谐波和衰减直流分量的影响,准确提取信号的基频分量,对于距离保护装置准确判断故障位置具有重要意义.文中通过利用Hilbert-Huang变换,得出一种新的故障信号基频分量提取方法.仿真表明,该方法既克服了传统傅里叶算法易受衰减直流分量影响的缺点,又弥补了各种基于周期信号模型的傅里叶改进算法在故障信号中存在非整数次谐波时基频分量提取准确度下降的不足,能够有效提高距离保护的测量精度.     

基于数学形态学和HHT的谐波和间谐波检测方法

非线性电力元件的应用使电力系统的谐波污染问题日益突出。为准确检测谐波和间谐波参数,提出了基于数学形态学和希尔伯特–黄变换(Hilbert-Huang transform,HHT)的谐波和间谐波检测方法。为有效抑制多种噪声,对现有数学形态滤波器进行了改进,使之保留了原信号的主要特征,并运用经验模态分解处理消噪后的信号,得到了一组经验模态函数分量。对每个经验模态函数分量进行希尔伯特–黄变换,可准确得到其瞬时频率和瞬时幅值,实现了在噪声背景下对谐波和间谐波的检测。仿真结果验证了该方法的可行性与有效性,表明其可提高谐波和间谐波的检测精度。     

基于改进Hilbert-Huang变换的谐波检测新方法

指出准确、实时地对进行谐波检测是谐波治理的重要前提。提出了采用改进HHT对电力系统的谐波信号进行检测,该方法提出采用支持向量回归机与镜像延拓相结合对经验模态分解过程中出现的端点效应进行改进,从而使得到的瞬时频率和瞬时幅值具有了物理意义。     

基于差分进化的时频原子分解方法在电气化铁路谐波检测中的应用

将时频原子分解(time-frequency atom decomposition,TFAD)方法应用于电气化铁路谐波检测,然而计算量过大,制约了TFAD方法在信号处理中的应用。为降低其计算复杂度,利用差分进化(differential evolution,DE)算法优化原子参数,实现原子的最优匹配。通过对电气化铁路谐波电流实测数据的仿真分析,结果表明:基于DE的TFAD方法可以准确检测出相应的基波及各次谐波分量,验证了该算法的有效性。     

HHT变换在电气化铁道电能质量检测中的应用

本文提出了基于Hilbert-Huang变换(HHT)对电气化铁道电能质量扰动信号定位检测的改进方法。由于电气化铁道扰动信号的复杂性,如果直接对经验模态分解(EMD)后的频率分量进行希尔伯特变换(HT),会使定位与检测的效果变差。本文通过在原信号上叠加已知高频正弦波的方法实现对扰动进行定位,提高了最高频率分量(一般是本...     

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...     

基于HHT的水轮机空化信号研究

水轮机是水力发电机组中的关键设备,空化又是水轮机组运行过程中影响其稳定性和效率的因素之一。由于水轮机结构和运行的特殊性,空化不易被直接观测,采用水轮机空化声信号监测是研究空化的有效途径。传统的傅里叶变换和目前常用的小波变换对于窄带低频信号的分析效果明显,但两种方法很难涵盖水轮机空化宽带高频信号。本文正是在此情况下,提出了一种新的空化信号分析方法,Hilbert-Huang变换(HHT)。该方法对信号具有自适应功能,经验模态分解分解能提取具有明确物理意义的水轮机空化模式分量信号。通过对同一空化信号分别进行小波和HHT分析比较,发现HHT方法更具计算准确、精度高等优点。将基于Hilbert-Huang变换方法引入到水轮发电机组空化信号特征提取中,对水轮发电机组故障诊断系统的准确度将是一个有效的提升。     

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。     

基于HHT谐波与间谐波检测研究

为了削弱基于经验模态分解EMD（empirical mode decomposition）方法在谐波与间谐波检测中的端点效应,提出了采用自适应波形延拓的改进型希尔伯特-黄变换HHT（Hilbert-Huang transform）谐波与间谐波检测算法。在EMD过程中,采取分段三次Hermite插值函数取代三次样条插值函数,从而避免包络曲线产生的过冲与欠冲。待测信号经过EMD,获得一系列固有模态分量IMFs（intrinsic mode functions）,然后对各个IMF进行希尔伯特变换HT（Hilbert transform）,即可获得各次谐波的幅值与频率。通过与快速傅里叶变换FFT（fast Fourier transform）相比较,证明改进的HHT算法精度高,符合电力系统谐波和间谐波分析的要求。     

电气化铁路牵引变电站谐波分析及治理措施

电力机车已逐渐成为电网主要的大型谐波源之一。结合包神铁路万水泉南牵引变电站的实际情况,对电气化铁路所产生的谐波进行了分析和计算,并在此基础上提出了相应的谐波治理措施。     

基于希尔伯特-黄变换的电力系统谐波分析

准确的谐波分析对电力系统稳定具有重要意义。为克服FFT方法与小波分析方法的缺点,提出将希尔伯特-黄变换(Hilbert-Huang transform, HHT)用于谐波分析。将谐波信号进行经验模态分解(empirical mode decomposition, EMD),得到一系列经验模态函数(intrinsic mode function, IMF)。由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换(HT)及最小二乘拟和,最终可以得到各次谐波的幅值、频率和相位,从而实现电力系统谐波的准确分析。在经验模态分解过程中,采用了分段三次Hermite插值,并通过添加极值的方法减轻边缘效应的影响,使谐波分析能够更准确。仿真表明,Hermite插值比三次样条插值对谐波分析更具优势。该方法分析电力系统谐波精度高,能够取得满意的效果。     

基于希尔伯特-黄变换（HHT）的机组同调研究

概述了利用功角曲线进行同调识别所面临的困难,阐述了希尔伯特-黄变换(HHT)在非线性、非平稳功角信号处理中的优势,提出了一种基于HHT的同调识别新方法。该方法利用经验模式分解方法将功角信号进行分解,得到剩余分量和各固有模态信号,逐次对这些分量进行比较得到机组的同调特性。该方法不受系统模型、故障场景限制,能随着不同的故障自适应调整数据时间窗的长度,并能克服小波分析、prony分析等算法难以处理非平稳信号的不足。测试结果表明了该算法的有效性。