基于EEMD的HHT在电能质量多扰动分类识别中的应用

现有的电能质量扰动分类识别方法对电能质量多扰动的分类准确性和识别能力较低,本文提出了将基于聚类经验模态分解(EEMD)的希尔伯特—黄变换(HHT)应用于电能质量多扰动的分类识别方法。它依据电能质量多扰动信号就是在电能基波上叠加不同频率和不同幅值波形的特性,首先利用EEMD对含扰动信号分解得到信号的固有模态函数(IMF),滤除残余噪声后,将得到的IMF分量作为特征值对扰动进行分类,再对IMF进行Hilbert变换得到其瞬时频率和瞬时幅值,瞬时频率的突变点反映电能质量扰动的起止时刻,瞬时幅值反映电能质量扰动的幅度,根据对突变点的观测实现对各个扰动的准确识别。Matlab仿真分析结果表明,该方法能够准确的对电能质量多扰动的扰动类型进行分类,并确定电能质量各个扰动信号的时间、幅值和频率。     

EEMD在电能质量扰动检测中的应用

提出了一种基于聚类经验模态分解(EEMD)的希尔伯特-黄变换(HHT)电能质量扰动检测新方法.首先采用EEMD对电能质量扰动信号进行分解,获得固有模态函数后,再进行HHT,可以定量、准确地刻画相应时刻的瞬时特征量.该方法可以确定非平稳的电能质量扰动信号的时间、频率和幅值等信息.仿真试验结果表明,该方法可以有效克服经验模...     

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.     

基于多变换-谱峭度的配电网暂态电能质量扰动检测与辨识方法研究

针对配电网暂态电能质量扰动类型众多和噪声环境复杂等因素造成的暂态电能质量扰动精准辨识难度大等问题,论文深入研究了一种基于多变换和谱峭度的智能配电网暂态电能质量精准检测与辨识方法.该方法先通过小波变换消除信号中的噪声,然后对消噪后的信号进行小波变换检测出暂态电能质量扰动的幅值和时刻,并利用谱峭度对信号的冲击成分敏感及抗噪能力强等特性,通过对消噪后的信号短时傅里叶变换的谱峭度计算辨识出暂态脉冲、暂态振荡和短时电压变动,通过对短时电压变动扰动进行希尔伯特-黄变换检测出短时电压变动中的电压暂降、电压中断和电压暂升的瞬时频率和瞬时幅值,进而辨识出电压暂降、电压中断和电压暂升.该方法避免了HHT对暂态脉冲、暂态振荡的无用检测,具有计算过程简单、检测精确度高、辨识精确性高、通用性强等诸多优势.     

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S变换和希尔伯特-黄变换的电能质量复合扰动分类识别

根据S变换和希尔伯特-黄变换的时频分析特点,提出一种电能质量复合扰动的分类识别方法。通过 S变换提取出扰动信号的基频和高频特征,并结合希尔伯特-黄变换提取出扰动前后信号的瞬时振幅。通过分析各扰动信号的特点,定义了相应的特征函数作为分类识别的判据,从而实现对电能质量复合扰动的正确分类,并准确定位出暂态扰动的起始、终止时刻。实验结果表明,通过 S 变换和希尔伯特-黄变换的融合,可准确地检测出电能质量扰动信号所属类别和扰动特性,以及扰动信号的起始、终止时刻。     

Hilbert-Huang变换在电力系统过电压识别中的应用

将希尔伯特-黄变换(HHT)方法引入到过电压信号分类识别研究中,该方法由经验模态分解(EMD)与Hilbert变换两部分组成,能够定量、准确地对信号幅值及频率特征进行刻画。采用HHT方法对7种电力系统中常见的过电压信号进行了分析计算,结果表明HHT方法计算得到的瞬时幅值谱、Hilbert边际谱、Hilbert时频谱,能够作为特征量对不同种类型过电压进行分类识别。基于HHT算法与RBF神经网络搭建了过电压信号分层识别系统,并以实测过电压数据对其进行验证,结果表明,该分类识别系统能够有效地对过电压信号进行分类识别,并具有较高的识别率。     

基于HHT的电能质量信号检测分析

大量的非线性负载会造成电能质量“污染”,使电能信号复杂多样.针对复杂电能信号采用希尔伯特黄变换（HHT）进行检测分析.介绍了HHT原理,应用HHT对几种最为常见、重要的电能质量扰动及复杂电能质量扰动进行仿真分析.分析表明此方法能精确检测出电压幅值、频率及扰动的起止时刻,适用于分析电能质量信号.     

基于改进LMD的电能质量扰动检测新方法

介绍了一种新的非线性、非平稳信号分析方法——局部均值分解(local mean decomposition,LMD),分析了LMD用于扰动信号检测时的优缺点及原因。在此基础上,提出一种改进的局部均值分解(improved local mean decomposition,ILMD)电能质量扰动检测及时频分析新方法,该方法由LMD和希尔伯特变换(Hilbert Transform,HT)2部分组成。先用LMD提取信号的乘积函数(product function,PF),由PF分量的调幅函数可得信号瞬时幅值;再对PF分量进行HT求取瞬时频率。ILMD方法可有效定位发生扰动的起止时刻,克服LMD在定位能力上的不足。与采用希尔伯特黄变换(Hilbert Huang transform,HHT)方法相比,ILMD具有瞬时幅值函数端部失真小、瞬时幅频曲线波动小和幅值与频率检测精度高等优点。仿真信号和500 kV变电站电容器组投切时的电压信号分析结果证明所提方法的可行性和有效性。     

基于HHT的电能质量扰动定位与分类

针对电能质量扰动定位和识别分类的需求,提出了一种基于HHT的电能质量扰动定位与分类的新方法。采用HHT算法对电能质量扰动信号进行变换,获得瞬时幅值、Hilbert谱和边际谱,并利用Hilbert谱对扰动信号进行定位。从瞬时幅值、Hilbert谱和边际谱中提取特征量,为决策分类树提供判断依据以便进行分类识别。仿真实验结果表明,采用HHT算法与决策分类树相结合的电能质量扰动定位与分类不需训练,提取的特征量少而有效,分类识别的效果较好,具有良好的抗噪性能。     

基于改进Hilbert-Huang变换的电能质量扰动定位与分类

为了精确实现电能质量扰动的定位和分类,提出了一种基于改进的Hilbert-Huang变换（Hilbert-Huang transform,HHT）的电能质量扰动辨识新方法。对传统HHT得到的幅频参数运用极值滑窗均值算法进行去极值均值化处理,提高了在Hilbert-Huang谱中判断扰动发生和结束时刻的精确性。通过新方法求出幅频曲线、Hilbert-Huang谱和Hilbert边际谱并从中提取扰动的频率成分、持续时间、电压幅值和Hilbert-Huang谱幅值4个特征量,以实现扰动的分类与辨识。仿真结果表明:改进HHT和决策树的结合不仅适用于单一扰动的定位与分类,对复杂非平稳扰动也能取得较好的效果,具备一定的抗噪能力。     

基于ISBM边界延拓和迭代HHT算法的电能质量扰动检测方法

电能质量扰动的快速检测是高质量供电的基础。提出一种基于斜率改进方法（ISBM）用于边界延拓和迭代HHT电能质量扰动检测方法,一方面由于信号的首末两端信息不足,采用ISBM算法进行边界延拓;另一方面,为了解决高频小产生模态混叠的现象,提出了迭代HHT算法,准确提取出高频小信号扰动特征信息。最后通过仿真对比分析得出本文提出的方法在一定程度上可以识别出高频小幅值特征,并使得边界特征波动变得平稳,更加逼近真实情况。     

基于EMTDC/PSCAD和Hilbert全通滤波的电能扰动检测方法

Hilbert-huang变换是基于瞬时频率概念提出的1种新的信号处理方法,它基于经验模态分解法能够分析含有多种信号分量的非平稳信号。文中利用Hilbert滤波器（Hilbert filter,HF）对电能扰动信号进行全通滤波提取扰动信号幅值和频率参数。基于EMTDC/PSCAD软件建立能够产生电能扰动信号的仿真模型,再用HF对仿真信号进行分析得出检测结果。仿真结果表明,本文所提方法能够有效检测动态和稳态电能扰动问题。     

ITD算法在电能质量扰动信号特征量提取中的应用

针对电能质量扰动信号非线性特点,采用固有时间尺度分解算法(Intrinsic Time-scale Decomposition, ITD)准确快速地提取电能质量扰动信号的幅值、频率、相位、衰减因子、扰动起止时刻等特征量。首先利用固有时间尺度分解算法提取电压扰动信号的固有旋转分量(Proper Rotation Component, PRC)。然后对PRC分量进行Hilbert变换求取相位和瞬时频率,根据高频突变点得到扰动起止时刻;由包络函数得到扰动信号的幅值,并计算衰减因子。运用Matlab对单一和复合扰动信号进行仿真计算,结果表明该方法能准确地识别电能质量扰动信号的特征量,具有抗噪能力,验证了所提方法的实时性和可行性。     

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.     

基于变分模态分解的电能质量扰动检测新方法

为了更加准确地提取扰动信号特征,提出了基于变分模态分解(VMD)的电能质量扰动检测新方法。该方法由VMD和希尔伯特变换(HT)2个部分组成。首先,对扰动信号进行傅里叶变换以确定VMD的预设分解尺度;然后,利用VMD将扰动信号分解为系列调幅-调频函数之和;最后,对每个调幅-调频函数进行HT,求取瞬时幅值和瞬时频率,进而确定扰动信号特征。较之希尔伯特-黄变换和局部均值分解方法,VMD方法不仅可分析不同时间支集的扰动信号,处理复合扰动和频率相近的奇数次谐波,也不存在模态混叠,获取的瞬时幅值和瞬时频率更加准确。仿真信号和变电站电容器组投入时的电压信号分析结果证明了所提方法的可行性和有效性。     

基于小波和改进神经树的电能质量扰动分类

准确地识别和分类电能质量扰动对分析和综合治理电能质量问题具有重要意义。提出了一种基于小波和改进神经树的电能质量扰动分类方法。该方法利用小波分解扰动信号到各个频带,在基频频带、谐波频带和高频带上分别计算其能量值和小波系数熵作为特征值,另计算基波频带扰动过程的均方根作为特征的补充,融合能量值、熵和均方根值作为扰动判断的特征向量,规范化后输入到改进神经树分类器进行训练和分类。改进神经树分类器是由神经网络和决策树及其分类规则构成。仿真表明,该方法提取特征值的计算量小且融合后的特征向量能够很好地体现不同扰动信号之间的差异信息,构造的改进神经树分类器结合了神经网络和决策树在模式分类中各自的优点,结构简单且表现出良好的收敛性、全局最优性和泛化性,分类准确率较高,能够有效地识别七种常见的电能质量扰动。