基于小波变换去噪预处理的EMD谐波检测方法

将经验模式分解(empirical mode decomposition,EMD)作为电网谐波的检测方法。通过EMD法分解,把含谐波的正弦信号分解成为包含各阶次谐波的IMF分量和工频分量,从而检测出电网中的谐波分量。研究发现采样信号中的噪声会对EMD的分解产生较大影响,提出了一种基于小波变换去噪预处理的EMD谐波检测方法。此方法首先用小波变换减少随机白噪声对信号的影响,随后对含少量白噪声的信号进行EMD分解。经MATLAB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EMD谐波检测的精度与适用性。     

基于改进阈值去噪的谐波检测

为保证电力系统的安全运行,必须要对谐波进行准确的检测和分析。电力系统中的信号不仅由基波和各次谐波组成,还包含大量的噪声,噪声的存在严重影响电力系统谐波检测的精确性。针对传统的软阈值和硬阈值去噪方法的不足,提出了一种基于sym8小波的改进阈值去噪方法。首先用sym8小波对信号5层分解,然后对第一层、第二层小波系数去噪优化,最后基于优化后的各层系数对信号进行重构和谐波检测。在Matlab平台下对比软、硬阈值和改进阈值的去噪效果,表明改进阈值去噪方法效果更好,并用该方法去噪后检测谐波的准确性明显提高。     

基于EEMD的谐波检测方法

针对谐波检测问题,比较几种常用谐波检测方法,总结出各自的适用条件。结合经验模态分解理论和总体平均经验模态分解(empirical mode decomposition,EEMD)算法,提出基于EEMD的谐波检测方法。给出离线谐波检测的具体过程,并在此基础上,首先构造当前时刻采样值始终处于中心位置的向量,然后计算总体谐波分量的在线检测方法。另外,可以通过修改EEMD算法中的频率计算条件实现对特定次数谐波分量的检测。为验证该方法的检测效果,将EEMD算法与瞬时无功功率方法(ip iq)分别应用于仿真和实测数据。检测结果表明,所提方法不但在检测稳态信号时具有很好的精度,而且在检测波动信号时也具有较好的动态特性。     

基于EEMD阈值去噪的电能质量扰动检测研究

电能质量信号的采集常受噪声干扰,影响对扰动信号的分析。研究具有自适应性的EEMD阈值去噪方法,对染噪电能质量扰动信号进行去噪,并与小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值4种阈值方法的去噪效果相比较。通过对去噪前后的波形、信噪比SNR和重构后的均方误差MSE 3个标准进行分析比较,对除噪后的信号进行HHT获取扰动的特征量。仿真结果表明,EEMD阈值方法消噪后的波形接近真实值,信噪比高,均方误差小,通过HHT提取的特征量可以准确定位扰动发生的起止时刻和获取扰动的瞬时频率和幅值信息。     

改进小波阈值去噪法在谐波检测中的应用

针对电力系统谐波检测中传统的软、硬阈值去噪方法不能有效的解决噪声干扰的问题,提出了一种新的去噪算法:改进软硬阈值折衷法。对模拟的电力系统信号分别采用传统的硬、软阈值法、软硬阈值折衷法和文中方法进行Matlab仿真,定量对比分析得出结论:改进软硬阈值折衷法能够更好的解决噪声干扰问题,去噪信号的的信噪比得到提高,均方根误差得到减少,重构后信号能更好还原原始信号,去噪效果好,实用价值较高。     

基于小波阈值的电力谐波信号去噪研究

电力系统不同程度的噪声污染会影响谐波检测的准确性,传统小波阈值去噪方法在工程实际应用上有诸多缺陷,例如硬阈值函数在阈值处不连续、软阈值函数存在固定偏差,量化规则缺乏尺度自适应性等。鉴于此我们从阈值函数和阈值量化规则两方面改进小波阈值去噪,文中使用改进的软硬阈值折衷函数结合分层阈值选取规则对模拟谐波电力信号去噪。在MATLAB环境下仿真模拟染噪电力谐波信号使用传统和改进阈值方法去噪,从三个去噪效果衡量指标定量分析,结果表明,改进阈值去噪方法提高了重构信号的输出信噪比,降低了均方根误差和平滑度,在不牺牲计算复杂度的条件下可灵活有效去噪。     

基于小波变换抗混叠谐波检测的一种新方法

通过分析小波混叠本质,推导出基于小波变换的谐波检测算法,该算法改善了谐波检测过程中的混叠现象.通过Matlab仿真实验表明本文方法有较好的抗混叠效果,有利于进行电力系统谐波信号精确分析.该算法实现比较简单,是一种新的快速抗混叠方法,具有一定的实用价值.     

基于小波变换抗混叠谐波检测的一种新方法

通过分析小波混叠本质,推导出基于小波变换的谐波检测算法,该算法改善了谐波检测过程中的混叠现象。通过Matlab仿真实验表明本文方法有较好的抗混叠效果,有利于进行电力系统谐波信号精确分析。该算法实现比较简单,是一种新的快速抗混叠方法,具有一定的实用价值。     

基于EEMD自适应阈值去噪的电能质量扰动检测与定位研究

为了改善电能质量扰动信号的去噪效果,实现扰动信号的检测与准确定位,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)自适应阈值的电能质量扰动信号去噪方法。首先利用集合经验模态分解将含噪的扰动信号分解成一些相互独立的固有模态函数(Intrinsic Mode Function,IMF)分量,然后对所得的IMF进行自适应阈值去噪,从而抑制噪声干扰。采用希尔伯特黄变换(HHT)提取去噪后扰动信号的起止时刻、瞬时频率和幅值信息。相比于小波去噪的启发式阈值、自适应阈值、固定阈值、极大极小阈值等方法,该方法在去噪的同时减少了信息损失,信噪比SNR和均方误差MSE均有明显提高。仿真结果验证了该方法在电能质量扰动检测与定位中的有效性和可行性。     

一种基于相关系数的EEMD局部放电去噪方法

电力设备绝缘裂化常常伴随着局部放电,如何提高电力变压器局部放电的检测精度对于研究其绝缘状态具有重要意义.集合经验模态分解法(ensemble empirical mode decomposition,EEMD)在局部放电的去噪过程中得到良好的应用,然而对于如何准确的选取EEMD分解过程中的固有模式函数(intrinsi...     

基于CEEMDAN和HT的谐波检测新方法

经验模态分解(EMD)作为希尔伯特-黄变换(HHT)的重要组成部分,为了克服其在谐波检测中出现的模态混叠、端点效应问题,提出采用自适应噪声完备集合经验模态分解(CEEMDAN)和希尔伯特变换(HT)相结合的谐波检测新方法。文章首先在理论上对比分析了EMD、EEMD以及CEEMDAN算法,研究CEEMDAN算法的特性。再用CEEMDAN算法对原始信号进行分解,得到固有模态函数(IMF)。最后用HT算法对每阶IMF分量进行分析,检测到谐波中包含的瞬时幅频信息。算例仿真结果表明,相对于HHT算法对信号的处理能力,文中提出的方法在谐波检测中有效地克服了EMD算法的弊端,提高了信号分解精度。     

改进的EEMD去噪方法及其在谐波检测中的应用研究

针对低信噪比条件下集合经验模态分解(EEMD)在分解过程中产生的模态混叠问题,本文提出改进的EEMD阈值去噪方法。首先利用白噪声经EEMD分解后其固有模态函数(IMF)分量中能量密度与平均周期乘积为常量的特性确定有用信号与含噪信号的分界点,对含噪信号进行"粗筛";进而对粗筛出的含噪模态进行"细筛",在此过程中采用"3σ法则"对第一层噪声信号进行细节处理,从而更好地保留有用信号的细节特征,继而通过能量估算方式对其他各个含噪模态进行阈值处理;最后进行信号重构。选取信噪比与均方误差作为去噪效果评价标准,经与实验对比分析,结果表明本文方法达到了最佳的去噪效果,尤其在低信噪比时优势更加明显。基于以上去噪方法,本文又进一步提出了基于二次EEMD分解的谐波检测方法,结果表明该方法可实现在低信噪比下的谐波检测,进一步证明了所提去噪方法的有效性。     

基于CEEMD与排列熵相结合的谐波检测方法研究

为消除基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）的谐波检测法易受到迭代次数与辅助白噪声的干扰而产生虚假分量与模态混叠等问题,以及CEEMD方法在检测噪声背景下的谐波信号精度不高的缺陷,提出一种基于排列熵（Permutation Entropy,PE）算法与CEEMD相结合的PE-CEEMD谐波检测方法。首先对谐波信号进行互补集合经验模态分解,得到若干频率由高到低排列的固有模态函数（Intrinsic Mode-Function,IMF）,利用排列熵算法快速选定随机性较大的噪声分量进行剔除,对剩余信号再进行CEEMD分解。仿真实验数据表明,相较于CEEMD方法,PE-CEEMD方法能够较好地克服模态混叠与虚假分量等问题,并且针对复杂谐波信号的各次谐波频率成分与幅值的检测精度分别提高了4.424%与9.3%。     

基于小波变换和HHT的分布式并网系统谐波检测方法

在分布式电源并网系统中,大量逆变装置的使用与非线性负载的接入,给电网带来严重的谐波污染,传统的检测方法 (如:快速傅里叶变换、小波分析等)对同步信号检测、基函数选取有较大的依赖性,难以适应微电网环境下的谐波检测要求。为此,结合小波变换与HHT,提出一种新的微电源并网模式下的谐波检测与分析方法。该方法利用小波变换多分辨率分析思想对信号进行划分,并对划分后的信号进行经验模态分解,得到一系列的经验模态函数(intrinsic mode function,IMF),并从IMF分量中提取出基波分量和高次谐波;再对IMF分量进行Hilbert变换得到信号的频率、幅值信息。仿真实验表明该算法的谐波分析精度高,实时性好,能满足分布式并网系统的谐波检测要求。     

基于ESMD和HT相结合的谐波检测新方法

针对现有的电力系统谐波信号检测方法精度不高的问题,以及研究较多的经验模态分解(EmpiricalMode Decomposition, EMD)在谐波检测中出现的模态混叠问题,结合极点对称模态分解(Extreme-pointSymmetricMode Decomposition, ESMD)理论和算法,提出基于ESMD和希尔伯特变换(HilbertTransform, HT)相结合的谐波检测新方法。首先对信号进行极点对称模态分解,得到一系列不同特征尺度的固有模态函数(IntrinsicModeFunction,IMF),再对IMF分量进行希尔伯特变换得到各谐波瞬时幅值和瞬时频率信息。该方法能够根据信号自身特征进行自适应分解,理论上由于扩展了IMF定义并采用内部插值方法,使得该方法具有简单、精度高的优势。仿真结果表明,该方法在谐波检测中自适应分解能力强,检测精度高,实时性好,并且能够在不添加噪声的情况下有效避免EMD方法在谐波检测中出现的模态混叠现象。     

基于改进小波阈值函数和CEEMD电能质量扰动检测

为提高在噪声环境下电能质量扰动检测定位的准确性,提出基于改进小波阈值函数和完备总体经验模态分解(CEEMD)的电能质量扰动检测算法。在采用CEEMD处理电能质量扰动信号的基础上,通过排列熵计算各固有模态函数的随机噪声强度,利用小波改进阈值函数对噪声强度高于排列熵值的分量降噪,并对降噪后分量进行Hilbert-Huang变换,求取定位扰动起止点以及频率等参数。将该算法与CEEMD舍弃高频分量和小波阈值函数降噪方法的对比分析,结果表明算法不仅具有较强的抗噪性,而且能有效保留高频信息不被滤除。以PSCAD/EMTC双馈式风力发电系统中的单相短路和两相短路为例,仿真验证了所提算法的有效性,最后搭建了基于PXI和Lab VIEW平台电能质量扰动检测平台,为应用于工程实践中奠定基础。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对尺度系数和处理后的小波系数进行重构,得到去噪后的信号.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。