基于LMD的电压闪变分析

为实现电压闪变的准确检测,提出了基于局部均值分解(local mean decomposition,LMD)的分析方法。将复杂的多分量信号分解为若干个乘积函数(production function,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,可以得到原始信号的时频分布。首先对电压闪变信号进行LMD分解,用得到的瞬时幅值分量来确定电压闪变的幅值。然后对得到的纯调频信号进行Hilbert变换,求取瞬时频率,由瞬时频率的突变点定位闪变的起止时刻。仿真结果表明了LMD方法用于电压闪变分析的准确性和可行性。     

基于LMD和TEO的电能质量扰动检测分析

分析了局部均值分解LMD(local mean decomposition)在扰动检测中时间定位不足的原因,提出了基于LMD和Teager能量算子TEO(Tteager energy operator)的电能质量扰动信号检测分析方法。该方法由LMD和Teager能量算子2部分组成。首先利用LMD将电压信号分解成若干个乘积函数PF(product function),再用Teager能量算子解调PF分量得到信号的瞬时幅值包络和瞬时频率。根据时频图频率突变点,可以有效地检测扰动发生的起止时刻。与LMD相比,所提出的方法具有频率、幅值检测准确,定位能力强,端部失真小等优点,能有效检测分析非平稳电能质量扰动信号。     

基于LMD和Hilbert变换的电压暂降检测方法

为了准确获得电压暂降幅度、频率成分以及扰动起止时刻等信息,将一种基于局部均值分解(Local Mean Decomposition,LMD)和希尔伯特(Hilbert)变换的时频分析新方法应用于电压暂降扰动检测中。新方法先通过LMD分解得到原始信号的乘积函数(Product Function,PF),PF分量的包络函数即瞬时幅值,再对PF分量进行Hilbert变换可得其瞬时频率。电压暂降特征信息可从瞬时幅值和瞬时频率中提取出来,从而实现电压暂降的检测。将新方法应用到两种电压暂降信号的仿真分析中,并与LMD法的分析结果进行比较。仿真结果证明了该组合方法检测电压暂降的有效性和准确性。     

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。     

基于改进局部均值分解的低频振荡参数提取

针对电力系统低频振荡非线性时变的特点,提出了一种基于改进局部均值分解(local mean decomposition,LMD)的电力系统低频振荡信号分析方法。利用改进的局部均值分解,电力系统中的单一多模态测量信号可以分解为一组乘积函数(product function,PF)分量的和。每个PF分量可以表示为一个调幅(amplitude modulated,AM)信号和一个调频(frequency modulated,FM)信号的乘积。其中,AM信号可以近似当作相应振荡模态的瞬时幅值,并由此计算阻尼信息;FM信号可以通过直接正交和插值相结合的综合方法,计算PF的瞬时频率。数值仿真和实际测量信号的计算结果证明了所提方法的有效性和可行性。     

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。     

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。     

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。     

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。     

基于局部均值分解的直流电机换向电流分析

提出了基于局部均值分解(local mean decomposition,LMD)的直流电机换向电流分析新方法。首先,运用LMD将起动时的电枢电流分解成系列乘积函数(Product Function,PF)与剩余分量之和;其次,定义了相邻PF相关系数这一概念,并据此确定组成换向电流和直流成分的PF阶数;最后,对换向电流进行基于LMD的能量谱分析,可获取换向电流的能量-时间-频率的三维关系图。相关仿真和实验结果表明了所提方法的正确性。     

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.     

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.     

CEEMD在电能质量扰动检测中的应用

为了解决总体平均经验模态分解(EEMD)处理非平稳、非线性信号的不足,提出了一种基于完全经验模态分解(CEEMD)的电能质量扰动检测新方法。首先采用CEEMD对含噪的电能质量扰动信号进行分解得到固有模态函数,并对固有模态函数进行Hilbert变换检测出瞬时幅值和瞬时相位特征参数。对所得瞬时幅值求取二阶导数得到模极大值点,提高了通过模极大值点定位扰动时刻的准确性。针对高频复合扰动采取两次CEEMD分解方法去除噪声与虚假分量有效提取出扰动成分,针对稳态扰动提出先去除谐波再提取闪变包络的检测方法。并通过Matlab仿真实验以及依托交流调压器负载实验和三电平实验平台的实测数据,验证了该方法既可以对未知扰动信号进行辨识区分,也可以确定电能质量扰动的时刻、类型、频率和幅值等特征参数。     

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。     

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...