基于MLMD的电能质量扰动检测方法

针对局部均值分解（Local Mean Decomposition,LMD）算法应用于电能质量扰动检测时存在“端点效应”与滑动平均收敛速度慢,严重影响测量精度的问题,提出一种改进局部均值分解方法（Modified LMD,MLMD）。通过分段三次Hermite插值取代滑动平均法,有效改善LMD收敛慢、受平滑长度影响的弊端。为避免延拓长度不够而导致的“延拓失败”情形,在镜像延拓法的基础上结合“奇延拓”方法提出改进镜像延拓法。针对“直接法”求频率存在“毛刺现象”的弊端,本文改用希尔伯特变换（Hilbert Transform,HT）求取瞬时频率。最后,将MLMD分别应用于单一扰动信号与复合谐波信号的检测,相较传统的经验模态分解方法（Empirical Mode Decomposition,EMD）,MLMD方法可有效抑制“端点效应”,同时能更准确的定位扰动信号的起止时刻,并且对高次谐波信号有更好的提取能力。     

基于改进极值波延拓的极点对称模态分解端点效应抑制方法

针对极点对称模态分解(ESMD)在电力谐波检测中出现端点效应问题,在分析总结目前抑制方法的基础上,该文提出了一种基于改进极值波延拓与对称中点插值相结合的ESMD端点效应抑制方法。首先利用改进极值波延拓将信号在两端延拓,然后采用对称中点插值进行ESMD分解,截去两端延拓部分,最大限度遏制端点效应污染内部信号。同时,提出一种自适应确定有效数据长度的端点效应评价指标,可有效避免人为确定数据长度导致的问题,更为客观地量化各固有模态分量(IMF)端点"漂移"程度。通过仿真和试验结果分析,并与极值波延拓作对比,证明了该方法抑制ESMD电力谐波端点效应的有效性。     

基于改进局部均值分解和概率神经网络的电压扰动识别

随着新能源技术的发展和普及，大量非线性用电设备接入电网对其电能质量产生了严重影响。为解决谐波扰动信号对电力系统带来的影响，提出将改进的局部均值分解LMD（local mean decomposition）和概率神经网络相结合，构造一种电压扰动分类器，对电力系统中的电压扰动信号进行识别分类。通过构造三角波形自适应地延拓扰动信号的方法抑制LMD的端点效应，应用改进LMD算法对扰动信号进行3层分解，得到具有电压信号幅频信息的乘积函数PF（product function）分量，将由PF分量构造的信号能量作为概率神经网络的输入，以识别和分类电压干扰信号。通过建立训练模型对电压扰动信号进行仿真实验，结果表明，该方法可以准确识别电压扰动信号，有助于提高电力系统中电压扰动信号的识别精度。     

EMD信号分析方法端点问题的处理

经验模态分解（EMD）是一种新的处理非线性、非平稳的数据分析方法，但是在利用样条插值获得上下包络过程中存在着棘手的端点问题。在解决该问题已有的添加极值点算法的基础上，提出了通过添加极值点和对称延拓相结合的方法抑制端点问题的思路和策略。针对一个仿真振动信号，对比分析了直接以数据端点作为极值点、多项式拟合算法、神经网络延拓算法、极值点与对称延拓相结合4种算法的效果，结果显示了所提出方法能有效地抑制端点效应。     

一种改善EMD端点效应的新方法及其在谐波分析中的应用

为了改善经验模态分解(EMD)过程中产生的端点效应,本文提出一种基于支持向量机和镜像延拓相结合的新方法对短时间序列进行延拓.首先应用支持向量机(SVM)对原始信号两端分别延拓一个极大值和一个极小值,再用带镜像延拓程序的EMD方法对延拓后的信号进行边分解边延拓,逐渐抛弃受"污染"的点,得到具有原始信号长度的固有模态函数(IMF).本文将该方法应用于电力系统的谐波分析中,仿真结果表明该方法能有效抑制EMD方法的端点效应,可以得到效果更好的单分量谐波信号.     

基于MEEMD与HT的谐波检测方法

为解决采用希尔伯特-黄变换进行谐波分析对信号进行分解时出现的模态混叠、端点效应、抗噪能力弱及虚假分量等问题,提出一种基于改进型总体平均经验模态分解和改进的自适应波形匹配延拓结合希尔伯特变换的谐波检测新方法。首先,采用改进型总体平均经验模态分解算法和改进的自适应波形匹配延拓方法对谐波信号进行分解,获得一系列固有模态函数,再对各个固有模态函数进行希尔伯特变换,从而得到各次谐波的瞬时幅值和瞬时频率。采用经验模态分解、总体平均经验模态分解、完全经验模态分解算法和文中所提方法分别与希尔伯特变换结合进行谐波分析,仿真结果表明,所提方法能有效抑制模态混叠和端点效应,其受参数影响较小,自适应性较强,产生较少的虚假分量,且在强噪声下仍然具有很高的谐波检测精度。     

一种基于改进EMD端点效应的电能质量分析新方法

针对经验模态分解（EMD）中存在的端点效应问题,提出一种基于极值点对称延拓的新方法来对短时信号序列进行端点处理.通过对信号序列边界处的相邻两个极大值、极小值点的连接,比较其在边界对应值与端点值的大小,按照包络原则选取其一作为边界处的极大值或极小值,然后进行EMD分解.将该方法应用于电力系统的谐波模态辨识,仿真结果表明其能够有效改善EMD端点效应,准确辨识出信号所含的多种谐波模式.     

基于局部均值分解的暂态电能质量扰动检测方法

局部均值分解(LMD)是一种新的非线性、非平稳信号时频分析方法,可以将复杂的多分量信号分解为若干个乘积函数(PF)的线性组合,并通过所有PF分量的瞬时频率和瞬时幅值组合,得到原始信号的时频分布。采用波形匹配延拓对LMD进行改进,改善其端点效应问题,并用直接法求取PF分量的瞬时频率,将其应用于暂态电能质量扰动的检测分析。LMD可以有效地对扰动的起止时刻进行定位,具有较高的瞬时频率和瞬时幅值检测精度。仿真结果表明了LMD方法用于暂态电能质量扰动分析的可行性和有效性。     

基于EMD分解的端点延拓新方法

为了提高经验模式分解(EMD)的分解精度,针对分解过程中存在的端点效应问题,在总结镜像延拓等五种延拓方法的基础上,提出了一种基于支持向量回归机算法的端点延拓方法.同时,为了定性分析端点延拓效果,引入评价端点延拓的四个指标,仿真结果表明:基于支持向量回归机延拓算法能有效地抑制EMD分解过程中存在的端点效应问题,所得到的四个评价指标优于传统的五种波形匹配延拓方法的指标.     

基于改进希尔伯特-黄变换的电力系统谐波检测系统设计

随着电力系统规模的不断扩大及电力电子设备的广泛应用,电力系统中谐波污染问题愈发严重。为实现对电力系统谐波的有效检测,本文提出基于改进希尔伯特-黄变换的谐波检测方法。首先提出基于改进镜像延拓的端点效应抑制方法,该方法将波形匹配方法与镜像延拓方法相结合,解决传统镜像延拓方法需对信号有一定程度截断而造成误差较大的问题;同时,引入自适应噪声完全经验模态分解方法,有效解决经验模态分解易产生模态混叠效应、集合经验模态分解结果受噪声影响较大且易产生虚假模态分量的问题。为验证本文所提方法的有效性,设计谐波检测仿真实验及实测信号谐波检测实验。结果表明,本文所提方法可对具有间断点的谐波信号、含高次谐波衰减、突变谐波信号进行有效跟踪与检测。基于本文所提方法在LabVIEW平台中开发谐波检测系统,验证了本文所提方法的准确性及有效性。     

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.     

局部均值分解在电能质量扰动检测中的研究

针对电能质量扰动问题,结合局部均值分解(Local Mean Decomposition,LMD),提出了基于LMD的电能质量检测算法。该方法将复杂信号分解为若干乘积函数(Product Function,PF)之和,每个PF由调频函数和调幅函数之积组成,PF的频率可通过对调频函数求导得到,PF的幅值信息包含在调幅函数之中。选取IEEE规定的典型扰动信号,分别用LMD和HHT对其时频分析,仿真结果表明LMD算法在分析短时电压骤降和骤升信号、间谐波扰动和长期电压波动时具有良好的性能。     

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。     

基于改进LMD和能量相对熵的主动配电网故障定位方法

针对配电网发生单相接地故障且分布式电源（distributed generations, DGs）大量接入后,配电网结构和运行方式复杂多变、故障后电气量不明显、故障特征弱等特点,提出一种基于改进局部均值分解（improved local mean decomposition, ILMD）和能量相对熵的主动配电网故障定位方法。首先,利用镜像延拓将信号在两端延拓,消除LMD存在的端点效应,同时,在信号中加入自适应噪声,克服LMD存在的模态混叠问题,对各区段暂态零序电流进行ILMD分解;然后对分解后所有乘积函数（product function, PF）的能量相对熵进行计算,所有PF分量的相对能量熵之和即为区段间的相对能量熵,通过所设置的定位判据,对故障区段进行判断。仿真结果表明,所提算法在10 kV小电流接地系统和改进的IEEE33节点系统中,在不同的仿真条件下故障定位结果准确率高,验证了所提方法的准确性。     

改进LMD算法在微电网电能质量扰动信号检测中的应用

采用局部均值分解(local mean decomposition,LMD)算法对电能质量扰动进行检测时存在"端点效应"和"模态混叠"问题,严重影响了检测精度。文章针对分布式电源接入引起的微电网电能质量问题,对LMD算法进行改进,提出四点波形曲率延拓,寻找最优匹配波形用以改善"端点效应"。采用三次样条函数插值提高计算速度,使得筛选过程更快,间接减小了"端点效应"和"模态混叠"的影响。进一步提出了自适应筛选停止准则,通过内外层循环判据确定筛选停止条件,从而抑制"模态混叠"。通过对单一扰动、复合扰动模拟信号与实测信号的时频分析,验证了所提算法的可行性和有效性。最后通过与其他算法的计算量对比分析,进一步表明所提算法具有较低的计算量。     

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。     

基于小波变换和LMD算法的变压器振动信号分析

为了提取变压器铁心振动信号的有效特征,本文提出了一种小波变换和局域均值分解相结合的新算法.该方法运用meyer小波对变压器铁心振动信号进行消噪,然后运用局域均值算法(LMD),将其自适应地分解为一系列单分量调幅-调频信号(PF),从而揭示了正常运行和发生故障的铁心振动特征.仿真表明:该算法在低信噪比时(10dB)仍能对振动信号进行正确分解,具有较强的抗噪性能;与EMD分解相比,端点效应小,不会出现虚假分量,更适合应用于处理调幅-调频非平稳振动信号,算法简单有效.     

电晕放电信号经验模式分解端点效应处理方法

随着输电电压等级的提高,电晕放电已成为影响高压、特高压输电线路安全稳定运行的重要因素。经验模式分解可用于对电晕放电辐射信号的处理,但是该方法在信号处理过程中存在端点效应,从而会产生误差。针对这一问题,首先分析了经验模式分解中端点效应形成的原因;然后归纳总结了国内外学者提出的解决端点效应的处理方法,主要分两类:一是对经验模式分解算法的改进,另一类是对信号的边界延拓方法。根据电晕放电辐射信号采样时间长、数据长及有用信息在信号的中间部分等特征,提出端点双极值点的方法来完成对电晕放电辐射信号的经验模式分解。采用能量评估的办法来评价端点效应处理方法的效果,进行仿真对比计算。结果表明,所提出的端点双极值点方法效果较好,可以将其作为端点效应处理方法,来完成对电晕放电辐射信号经验模式分解。     

改进LMD在高压输电线路行波故障定位中的应用

鉴于传统局域均值分解(LMD)对行波信号进行分解时,由于过平滑处理导致获取局域均值函数和包络函数的误差较大,最终影响暂态故障信号的提取。采用波形匹配方法对测量点电流线模分量进行端点延拓,并利用线性插值求取局域均值函数与包络函数,然后根据首个PF分量的频谱图标定行波波头到达测点的时刻,最后根据双端行波故障测距原理计算出故障距离。仿真结果表明,提出的定位方法与传统LMD方法相比具有较高的定位精度。     

局部均值分解在电力系统间谐波和谐波失真信号检测中的应用

将局部均值分解LMD(Local Mean Decomposition)法应用于电能质量扰动检测,选取电力系统中典型间谐波扰动信号、短时谐波信号、暂态谐波信号、时变谐波信号和变压器中的实际多频谐波信号,应用LMD对其进行分析.间谐波信号的仿真结果表明LMD方法在求取的瞬时特征参数波动幅度、端部效果、检测精度和运行时间方面都优于Hilbert-Huang变换(HHT)方法;谐波失真信号的仿真结果表明该方法可以准确检测扰动信号的频率、幅值以及扰动发生与恢复的时刻.对某500kV变电站35kV侧投运电容器时引起的35kV侧B相电压下降和畸变的信号分析结果进一步证明了所提方法的正确性.