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.     

HHT方法在电力系统故障信号分析中的应用

论文应用HHT方法来进行电力系统故障信号的分析.该方法利用经验模态分解法(EMD)将复杂的故障暂态信号分解成有限个固有模态信号(IMF),从而使Hilbert变换(HT)的瞬时频率具有实际物理意义.通过瞬时频率和进一步得到的Hilbeert边际谱,对故障暂态信号进行了分析.仿真结果表明:该方法可以从时频两方面同时对故障信号进行分析;能够实现对故障时刻的准确检测;能够提取、区分电力系统谐波分量;Hilbert边际谱的分辨率优于傅里叶谱.     

基于Hilbert-Huang变换的电网故障行波定位方法

正确辨识和检测故障行波信号是实现电网故障行波定位的关键.提出了一种新的故障行波信号时频分析方法,采用Hilbert-Huang变换(HHT)对故障行波信号进行检测,通过经验模态分解(EMD)法提取故障行波信号的固有模态函数(IMF),再进行Hillaert变换,得到各自的瞬时频率,由瞬时频率进行行波到达时刻的准确检测.HHT与小波变换比较,不存在变换参数的选取难题,变换结果具有唯一性.仿真结果表明HHT能更准确地提取电网故障行波波头位置,有效提高故障行波定位精度.     

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。     

Hilbert-Huang变换方法在谐波和电压闪变检测中的应用

将一种新的非平稳信号处理方法,即HHT(HilbertHuang Transform)方法用于检测与时频分析典型的电能质量扰动信号,如谐波、电压闪变与波动信号.该方法由经验模态分解法(EMD)及Hilbert变换两部分组成,先用EMD提取信号的固有模态函数(IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值.该方法可以从时域和频域两方面同时对信号进行分析,能够准确检测出突变、非平稳谐波和电压闪变信号的时间、频率和幅值信息.仿真分析结果表明了该方法检测非平稳电能质量扰动信号的有效性.     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法--基于经验模态分解(EMD)的希尔伯特(Hilbert)变换方法,应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数(IMF),再进行Hilbert变换,求瞬时频率、瞬时振幅,得到信号的Hilbert谱,进而得到Hilbert边际谱,对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测;通过Hilbert边际谱与傅里叶幅值谱的比较,表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

基于HHT的旋转机械油膜涡动和油膜振荡故障特征分析

将一种新的非平稳信号处理方法,即Hilbert-Huang (HHT)变换方法用于油膜涡动和油膜振荡的检测和时频分析。该方法先用经验模态分解(empirical mode decompo- sition,EMD)提取信号的固有模态函数(intrinsic mode function,IMF)分量,再对IMF作Hilbert变换求瞬时频率和幅值。该方法在早期油膜涡动中能够更加清晰地发现涡动二分频的存在,放大了涡动的故障特征,为早期故障诊断提供了方便。HHT时频分析能够定量刻画转子系统油膜涡动故障的快速发展过程,能够准确检测出油膜涡动故障产生的时间、频率和幅值信息,为故障诊断提供了时间方面的准确信息。试验数据分析验证了该方法的有效性。     

基于EMD的Hilbert变换应用于暂态信号分析

将一种新的非平稳信号处理方法——基于经验模态分解(EMD)的希尔伯特（Hilbert）变换方法，应用于电力系统暂态信号分析中。通过EMD方法提取信号的固有模态函数（IMF），再进行Hilbert变换，求瞬时频率、瞬时振幅，得到信号的Hilbert谱，进而得到Hilbert边际谱，对故障暂态和扰动信号进行了分析。通过瞬时频率进行故障暂态和扰动时刻的准确检测；通过Hilbert边际谱与傅里叶幅值谱的比较，表明Hilbert边际谱在分辨率上具有明显的优越性。该方法为电力系统暂态信号分析提供了一种新的分析手段。仿真结果验证了该方法的有效性。     

基于变分模态分解和S变换的故障行波检测方法

针对配电网运行环境复杂,现有行波检测方法HHT和S变换应对强噪声干扰下识别效果不理想的问题,结合变分模态分解(Variational Mode Decomposition, VMD)和S变换有效分解非平稳信号的优势,提出一种耐受配电网噪声的故障行波检测方法,利用VMD将混有噪声的故障行波信号分解,获取不同尺度的固有模态分量IMFs,再经过S变换提取IMF1分量中的瞬时频率,最后准确辨识故障初始行波波头的到达时刻,解决EMD分解过程中模态混叠和端点效应现象,以及S变换在强噪声干扰条件下行波信号检测能力下降的问题。通过ATP/EMTP搭建仿真模型,结果表明,在强噪声干扰的条件下,所提检测方法相比于Hilbert-Huang变换和S变换,抗干扰检测效果更明显。     

EEMD在配电网电能质量扰动检测中的应用

鉴于引起配电网电能质量问题的扰动信号为非平稳信号,本文将基于集合平均经验模态分解(EEMD)的希尔伯特-黄变换(HHT)应用于配电网电能质量扰动检测.该方法通过对配电网电能质量扰动信号进行自适应分解,获得固有模态函数(IMF),再对IMF进行HHT获得准确的瞬时频率和瞬时幅值,可以准确刻画扰动发生时间、描述扰动信号的频率和幅值特征,同时克服经验模态(EMD)存在的模态混叠问题,为配电网扰动信号的检测提供了一种新的分析手段.通过配电网几种常见扰动信号进行仿真实验,结果验证了该方法的有效性.     

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.     

基于希尔伯特——黄变换的高压直流线路行波故障定位

提出了基于希尔伯特-黄变换(HHT)的直流输电线路行波故障定位的方法。首先,对故障初始行波信号进行经验模态分解(EMD)得到固有模态函数(IMF),然后通过对IMF进行希尔伯特(Hilbert)变换得出其时频图,根据时频图中首个频率突变点确定出故障初始行波到达的时刻并且由其对应的瞬时频率值计算其波速度。最后,利用改进的双端行波故障定位原理计算出故障距离。在EMTDC环境下进行仿真分析,相关结果证实了所提方法的有效性。     

基于改进HHT的电能质量扰动检测方法*

为了精确检测电网中复杂非平稳扰动信号的时频特性,提高希尔伯特-黄变换(HHT)方法的时频定位能力,本文提出一种基于改进HHT的电能质量扰动检测方法。针对电压暂降与短时间中断、谐波和复合扰动信号,该方法采用移动平均法对HHT得到的瞬时幅频参数进行均值化,进而从Hilbert谱中提取信号在不同时间和频率的能量密度,定位扰动信号的起止时刻。仿真结果表明,该方法能够准确、快速地获取谐波信号的频率成分、幅值及突变时刻,分析电压暂降与短时间中断信号的幅值及起止时刻,同样适用于复合扰动信号检测,相对于传统的HHT方法具有更高的精度及时频分辨率。     

基于HHT方法的异步电动机运行模式识别

针对变频调速异步电动机运行模式的多样性导致在检测和故障诊断前需要进行运行模式识别的问题,在Hilbert-Huang变换的基础上提出了一种异步电动机运行模式识别的方法.该方法通过经验模式分解自适应得到本征模函数分量,结合Hilbert谱分析提取信号的瞬时频率,获取频率随时间的变化规律,确定运行模式,为变频调速异步电动机的故障诊断提供了基础.在Matlab环境下,对变频调速异步电动机的定子电压信号进行仿真,仿真结果表明了该方法的有效性和快速性.     

采用Hilbert-Huang变换和支持向量机的过电压分类识别方法(英文)

This paper proposes an effective method for over-voltage classification based on the Hilbert-Huang transform(HHT) method.Hilbert-Huang transform method is composed of empirical mode decomposition(EMD) and Hilbert transform.Nine kinds of common power system over-voltages are calculated and analyzed by HHT.Based on the instantaneous amplitude spectrum,Hilbert marginal spectrum and Hilbert time-frequency spectrum,three kinds of over-voltage characteristic quantities are obtained.A hierarchical classification system is built based on HHT and support vector machine(SVM).This classification system is tested by 106 field over-voltage signals,and the average classification rate is 94.3%.This research shows that HHT is an effective time-frequency analysis algorithms in the application of over-voltage classification and identification.     

基于HHT的双馈异步发电机电刷滑环烧伤故障诊断

在实际工程应用中,双馈异步发电机电刷滑环故障发生较为频繁,对电机励磁稳定性影响也较大,严重时还会导致发电机组的解列。因此提出一种基于HHT的双馈异步发电机电刷滑环烧伤故障诊断方法。首先通过PSCAD/EMTDC电力系统仿真软件模拟滑环烧伤故障,得到故障前后流经电刷滑环的励磁电流。然后基于希尔伯特-黄变换理论提取故障特征量,并将仿真结果与实测励磁电流信号所得Hilbert谱图进行对比分析,验证了故障特征量诊断法的可行性。最后提出能量商的诊断特征值概念,计算不同故障等级下特征量的能量商值,并与红外测温探头测量滑环表面的温度值进行对比。分析二者变化趋势,发现高于100 Hz的周期性高频分量不但可以作为故障特征量,而且其能量商在诊断滑环发生轻微烧伤故障时具有更高的精度和灵敏度。该方法为实际工程研究提供了一定的指导意义。