基于HHT谐波与间谐波检测研究

为了削弱基于经验模态分解EMD（empirical mode decomposition）方法在谐波与间谐波检测中的端点效应,提出了采用自适应波形延拓的改进型希尔伯特-黄变换HHT（Hilbert-Huang transform）谐波与间谐波检测算法。在EMD过程中,采取分段三次Hermite插值函数取代三次样条插值函数,从而避免包络曲线产生的过冲与欠冲。待测信号经过EMD,获得一系列固有模态分量IMFs（intrinsic mode functions）,然后对各个IMF进行希尔伯特变换HT（Hilbert transform）,即可获得各次谐波的幅值与频率。通过与快速傅里叶变换FFT（fast Fourier transform）相比较,证明改进的HHT算法精度高,符合电力系统谐波和间谐波分析的要求。     

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。     

基于经验模式分解的有源滤波器谐波检测

本文把经验模式分解(EMD)应用于有源滤波器的谐波检测.对谐波电流进行EMD分解,得到一系列固有模态函数(IMF),由于EMD分解的完备性,不同的IMF代表了不同的频率分量,即得到基波和各次谐波IMF分量,从而完成谐波的检测.在分解中,采用三次样条插值求包络曲线,并通过对信号两端添加极值点的方式来减轻边界效应的影响.仿真结果表明,基于EMD的谐波检测方法,不仅能有效地将电力系统谐波自适应地分离出来,而且对于有源滤波器的谐波检测具有较高的实时性.     

基于HHT风力发电系统谐波检测方法的研究

对风力发电系统进行准确的谐波检测具有重要意义。为了克服FFT方法与小波分析方法的缺点,文中提出利用HHT对信号的自适应特性,将HHT用于谐波分析。将谐波信号进行经验模态分解,得到一系列经验模态函数IMF;由于不同的IMF对应不同的谐波分量,通过对每个IMF分量进行Hilbert变换,最终可以得到各次谐波分量;并与前两种方法进行对比。文中介绍的方法在时域和频域同时具有很高的检测精度,为风电谐波检测提出了一种新的思路。     

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。     

Hilbert-Huang变换在电气化铁路谐波检测中的应用

将Hilbert-Huang变换(Hilbert-Huang transform,HHT)用于电气化铁路谐波检测中,应用该方法可以提取任意频次的谐波信号。为了解决直接应用经验模式分解(empirical mode decomposition,EMD)方法可能出现的模态混叠问题,文中采用基于傅里叶变换(Fourien tranform,FT)的EMD方法对电气化铁路谐波信号进行提取。首先利用傅里叶变换对指定频率部分进行滤波,然后分别进行HHT变换,再重新组合,即可得到信号全部完整的本征模态函数(intrinsic mode function,IMF)分量,进而计算其Hilbert谱,得到谐波信号的Hilbert谱值。对电气化铁路牵引变电站实测谐波电压、电流数据进行了分析,仿真结果表明利用改进的HHT方法可以得到电气化铁路各次谐波的准确时频分布。     

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。     

基于广义S变换突变识别的暂稳态谐波检测方法

为解决谐波分析中经验模态分解(EMD)存在模态混叠现象与加窗插值FFT无法准确检测含暂态分量信号的问题,提出一种基于广义S变换突变识别的谐波检测方法。首先,使用广义S变换得到信号的模时频矩阵,根据模时频矩阵中模值较大频带的能量连续性将信号分为稳态、含暂态分量信号。然后,针对两种信号分别使用加hanning窗三谱线插值FFT和基于自适应噪声的完全集合经验模态分解(CEEMDAN)的改进HHT计算谐波和间谐波参数。最后,构建稳态、含幅值突变和频率突变信号的验证表明,该方法能自适应判别稳态、含暂态分量信号,对两种信号均能达到较高检测精度,具有较好的实用性。     

基于VMD的谐波检测方法

针对电网谐波检测问题,分析已提出的几种传统的谐波检测方法,首次提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的电网谐波检测方法。运用VMD方法将所含谐波的电网信号分解为一系列的本征模态分量(Intrinsic Mode Function,IMF),然后对分解出的IMF分量采用希尔伯特黄变换(HilbertHuang transform,HHT),获得每一个IMF分量的瞬时频率和瞬时幅值。由于VMD方法能准确的分解出每一个IMF分量,因此所得到的瞬时频率和瞬时幅值达到了很高精度的获取,并且与在经验模态分解(Empirical Mode Decomposition,EMD)所得到IMF分量Hilbert变换进行对比,说明了该方法比传统的Hilbert变换分解能力更强。为验证该方法对电网谐波的检测能力,将VMD算法与传统的瞬时无功功率谐波检测算法运用到实测数据中。仿真和实测数据表明,该方法是检测谐波的有效新方法。     

基于CEEMD与改进Prony的谐波检测方法

为了解决经验模态分解(EMD)处理非线性非平稳信号的模态混叠现象以及传统Prony方法抗噪性能差的不足。提出基于完全经验模态分解(CEEMD)和改进Prony相结合的谐波分析方法。先将含噪的谐波信号进行CEEMD分解得到固有模态函数,再通过能量门限法对分解的固有模态函数进行阈值去噪。针对原始Prony方法优化了实际阶数和线性预测参数的求解过程。最后将去噪后的谐波分量进行改进Prony变换检测分析。并通过MATLAB仿真实验以及依托三相不可控负载的实测数据验证了该方法能够精确辨识出谐波分量的特征参数且具有良好的抗噪性能,从而为谐波分析提供了一种新思路。     

希尔伯特-黄变换在电力谐波分析中的应用研究

重点研究了希尔伯特-黄变换(HHT)在电力谐波分析中的应用。针对现有的电力谐波分析方法FFT和小波变换的缺点和不足,将希尔伯特-黄变换(HHT)应用于电力谐波分析中,并且针对希尔伯特-黄变换中能导致分析精度降低的曲线拟合、端点效应和虚假分量问题进行分析和研究,采用埃尔米特插值进行曲线拟合,点对称延拓的方法抑制端点效应,...     

基于HHT的配电网谐波检测方法研究

HHT分析法对分析时变、衰减、间断等非平稳谐波信号比小波分析法和FFT法更为精确。HHT法在谐波检测时自身存在的许多问题,在经验模态分解过程中用保形分段三次厄米尔特函数解决曲线包络问题,并用相关系数法识别固有模态分量(IMF)中的伪分量。针对谐波信号中含有基波分量而影响分析精度,首先设计了数字滤波器,对原始信号进行滤波处理以消除经验模态分解过程中的模态混叠现象,再利用HHT方法进行分析。将分析结果与实测数据比较,结果表明所用方法精度较高,具有很高的应用价值。     

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。     

Application of the Variational Mode Decomposition for Power Quality Analysis

Harmonics and interharmonics in power systems distort the grid voltage, deteriorate the quality and stability of the power grid. Therefore, rapid and accurate harmonic separation from the grid voltage is crucial to power system. In this article, a variational mode decomposition-based method is proposed to separate harmonics and interharmonics in the grid voltage. The method decomposes the voltage signal into fundamental, harmonic, interharmonic components through the frequency spectrum. An empirical mode decomposition (EMD) and an ensemble empirical mode decomposition (EEMD) can be combined with the independent component analysis (ICA) to analyze the harmonics and intherharmonics. By comparing EMD-ICA, EEMD-ICA methods, the proposed method has several advantages: (1) a higher correlation coefficient of all the components is found; (2) it requires much less time to accomplish signal separation; (3) amplitude, frequency, and phase angle are all retained by this method. The results obtained from both synthetic and real-life signals demonstrate the good performance of the proposed method.     

智能变电站数字采样下双重插值算法对高次谐波测量精度的影响

智能变电站数字化采样之后,间隔层二次设备需要对合并单元发送的SV采样数据作同步插值处理。为实时跟踪测量电力系统的运行频率,计算模块需要通过插值重构的算法进行重采样。为分析双重化插值带来的误差影响,本文详细分析了拉格朗日和牛顿插值算法的理论最大误差,对高次谐波的精度影响进行了量化分析和补偿计算。最后提出了进一步提高插值算法下高次谐波测量精度的思路和方法。     

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.     

基于EMD的WVD分布方法在电力系统低频振荡监测中的应用

为了更加准确地进行电力系统低频振荡分析,引入了一种新的非线性、非平稳信号的处理方法-EMD(经验模态分解)的维格纳—威力分布(WVD)方法,通过EMD分解以及WVD算法处理分析非线性和非平稳电力信号的局域动态行为和特征,得到低频振荡的模态参数-振幅、频率、阻尼比、相位、开始与结束时刻。该方法准确地反映了系统所包含的多个振荡模式在时间上的变化规律以及模式之间的互相影响,并且有着高分辨率和有效地处理少量样本的短数据的优势,可提高识别能力和处理效果。通过多次试验表明该方法能够较准确地识别振荡特征。     

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.