一种基于EEMD的新型谐波误差分析策略

针对电力系统中严重的谐波干扰问题,为提高其运行的安全有效性,去除谐波干扰并提高系统稳定性能成为研究热点。电网中常存在频率强烈波动或者白噪声强烈干扰的现象,虽说三谱线插值的FFT算法(基于Kaiser窗)的抗干扰能力很强,谐波参数估计也可以有较高的精准度,但是远不及使其与平均经验模态的总体水平来分解谐波的检测算法(EEMD)与直线度误差分析相结合。应用直线度误差来分析信号的谐波成分,有机结合了三谱线插值的FFT(基于Kaiser窗的)谐波检测分析法。通过对整体谐波分量的在线监测,不仅能够提高稳态信号的检测精度,还能提高系统的动态性能。本分析策略大限度地提高了计算精度以及系统稳定性。通过仿真分析得知,所述方法可以使系统具有较强的抑制频谱泄露能力,并能够显著降低栅栏效应的发生概率,进而使电力谐波信号的幅值误差、初相位误差和频率误差分别低于0.004 1%、0.002 4%和0.003 9%。     

基于EEMD和自相关函数特性的自适应降噪方法

在机械设备早期故障中,反映故障特征的冲击信号非常微弱,容易被噪声淹没,使得故障诊断有一定难度。集合经验模式分解方法将含噪信号分解为多个固有模式分量,其中包括噪声分量和有用信号分量。根据两者自相关函数特性的不同,提出了利用能量集中比找到噪声分量分界点的自适应降噪方法,并利用改进的软阈值方法拾取噪声分量中的高频有用信号。对不同频率的含噪信号进行降噪处理,结果表明,该方法对中低频信号的降噪具有很好的效果。故障轴承振动信号的降噪效果表明该方法的实用性。     

基于小波阈值降噪 EEMD分解的潮汐河网地区纳潮引水调度周期研究

鉴于在分析纳潮引水方案时,基于潮位周期变化规律的典型潮位过程选取难度较大,将小波阈值降噪与EEMD信号处理方法引入潮位特征分析中,结合径流量变化影响分析、端点效应消除及周期合理性检验等,提出基于小波阈值降噪 EEMD分解的潮汐河网地区纳潮引水调度周期识别方法。对福州市南台岛纳潮引水调度周期的分析结果表明,南台岛纳潮引水调度周期为14 d,利用小波阈值降噪 EEMD分解法提取潮汐河网地区纳潮引水调度周期合理可行。     

基于自适应时频分析的滚动轴承故障诊断

针对滚动轴承故障诊断,提出一种将集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和平滑伪魏格纳分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)相结合的EEMD-SPWVD自适应时频分析方法。首先将多分量轴承故障信号通过EEMD分解为多个单分量信号的叠加;然后参考各分量的互相关系数去除虚假分量,筛选出真实的固有模态分量(Intrinsic Mode Function,IMF);最后将筛选出的固有模态函数进行SPWVD计算,并从低频到高频逐步有选择地线性叠加到EEMD-SPWVD时频谱图中。通过对EEMD-SPWVD方法的滚动轴承内圈故障诊断仿真和西储大学轴承内圈故障信号的特征提取应用,对比SPWVD时频谱,说明了EEMD-SPWVD方法相对单一方法的优越性,验证了该方法在滚动轴承故障特征提取中的有效性。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

基于EEMD和SVR的单自由度结构状态趋势预测

为了解决结构早期损伤难以正确识别的问题,本文结合聚类经验模式分解（EEMD）解决随机不确定性问题和支持向量机（SVM）解决预测问题这两者的优势,提出了一种基于EEMD特征提取的支持向量机回归（SVR）结构状态趋势预测方法。先对单自由度结构渐进损伤的加速度振动信号进行EEMD,再进行希尔伯特变换（HT）,计算瞬时频率,然后用回归支持向量机对反映结构健康状态的瞬时频率进行趋势预测。研究表明：对于渐变损伤该方法可以准确地、高精度地预测结构状态趋势。     

聚合经验模态分解和小波变换相结合的地震信号衰减分析

常规经验模态分解（EMD）方法存在模态混叠等问题会造成多解性,从而影响含气层弱信号的识别。为此,引入可改进模态混叠的聚合EMD（EEMD）方法,结合小波变换从地震数据中可提取具有明确物理和地质意义的新地震属性进行含气性检测。具体步骤为：1对地震道进行EEMD。选取具有强相关性的IMF进行重构生成地震道的特征高频子信号;2衰减梯度计算。针对EEMD处理后的IMF高频信号特征,采用改进的动态频率域窗函数,逐点计算地震道特征子信号小波时频图中各点处的对数能量,并逐道、逐点计算地震数据体的衰减梯度;3利用最小二乘法和选择频率域动态窗函数提高衰减梯度的预测精度。对川西海相碳酸盐岩的储层预测结果表明,利用文中方法可以刻画各相带储层的不同强振幅异常特征,尤其对台内滩相储层的强振幅异常更灵敏,可以有效地识别宽带地震响应中特定频率的强振幅异常,同时能较好地抑制地层等影响因素,给出的含烃类统计性解释结果与已知井的含气测试结果相吻合。     

部分集成局部特征尺度分解:一种新的基于噪声辅助数据分析方法

 局部特征尺度分解(Local Characteristic-Scale Decomposition,LCD)是最近提出的一种类似于经验模态分解(Empirical Mode Decomposition,EMD)的非平稳信号分析方法.为解决LCD方法的模态混淆问题,论文首先提出了基于噪声辅助分析的集成局部特征尺度分解方法(Ensemble LCD,ELCD).然而,ELCD有类似于总体平均经验模态分解(Ensemble EMD, EEMD)和互补总体平均经验模态分解(Complementary,CEEMD)的固有缺陷,在此基础上,同时结合最近提出的随机性检测方法——排列熵(Permutation Entropy,PE),论文提出了部分集成局部特征尺度分解(Partly Ensemble LCD,PELCD)方法.仿真数据分析表明,论文提出的PELCD方法不仅能够有效地抑制LCD分解的模态混淆,而且在抑制伪分量的产生以及分量精确性等方面要优于CEEMD和ELCD方法.     

基于EEMD与时间序列法的短期风电场功率预测

随着风力发电技术的发展,风电已成为最主要的新能源发电方式.但因风的随机性造成的风场输出功率的随机波动,电网将面对备用容量增多、调度难度增大以及风电场弃风等问题.解决上述问题的有效途径之一就是对风电场输出功率进行准确预测.针对风电场功率时间序列的非线性和非平稳性,分别将EMD和EEMD方法与时间序列的方法相结合应用于风电场功率预测中,提出基于EMD - ARMA和EEMD-ARMA的风功率预测方法.采用某风电场的实际功率数据进行分析预测,预测结果验证了所提方法的正确性和有效性.     

从时频角度重新审视南方电网的区间功率振荡

EEMD和HVD是近年用来电力系统振荡的两种新的信号分析手段。文章结合小波频谱从时间-频率角度重新检视了南方电网近年来发生的3次区间振荡事件。分析结果表明,南方电网的振荡有非平稳时变振荡以及平稳振荡两种形态,小波分析以及HVD可以很好地处理非平稳振荡,而传统的Prony分析不能胜任。