CN108008187B - 基于变分模态分解的电网谐波检测方法 - Google Patents
基于变分模态分解的电网谐波检测方法 Download PDFInfo
- Publication number
- CN108008187B CN108008187B CN201711297045.XA CN201711297045A CN108008187B CN 108008187 B CN108008187 B CN 108008187B CN 201711297045 A CN201711297045 A CN 201711297045A CN 108008187 B CN108008187 B CN 108008187B
- Authority
- CN
- China
- Prior art keywords
- modal
- frequency
- power grid
- decomposition
- harmonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 23
- 238000000926 separation method Methods 0.000 description 19
- 238000000034 method Methods 0.000 description 12
- 238000004088 simulation Methods 0.000 description 10
- 238000012880 independent component analysis Methods 0.000 description 5
- 238000011217 control strategy Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
技术领域
本发明涉及一种电网谐波检测方法,尤其是一种可提取谐波信号的相位、幅值及频率信息的基于变分模态分解的电网谐波检测方法。
背景技术
随着新能源发电系统的大规模应用,电力电子设备已越来越多地被引入到电力系统中,从而产生过多电网谐波。电网谐波会导致电力电子设备过流,严重时将造成新能源发电系统大规模脱网等重大事故。理论上讲,电力电子设备可以在明确各类电网谐波信号特征全面信息(幅值、相位及频率)的前提下调整控制策略抑制过流,避免发生因保护动作而导致设备脱网的现象。
目前,电网谐波检测方法的研究主要集中在傅里叶变换(Fourier Transform,FT)、小波变换(Wavelet Transform, WT)、经验模态分解(Empirical ModesDecomposition, EMD)以及独立成分分析(Independent Component Analysis, ICA)4种方法。FT方法可将谐波信号特征的频率信息有效提取出来,但丢失了相位、幅值信息,无法得知扰动的发生时间、持续时长以及严重程度。WT方法可以同时获得谐波信号的相位与频率信息,从而得到比FT方法更好的辨识结果。但却具有对噪声敏感、鲁棒性差、频谱泄露等缺点。EMD方法具有无需待测信号的先验信息,可对非平稳信号进行分析等优点,但其缺乏数学理论支撑且所得结果易发生模态混叠现象,使不同的检测结果含有相同的频率信息,不能够对谐波信号进行有效分离。ICA方法能够在源信号未知的情况下,提取电网谐波信号特征信息,是一种功能强大的信号处理方法。但该方法要求输入为多路信号,而电网信号多数为单通道电压信号,因此,采用ICA方法进行电网谐波检测需要先将单通道信号转换为多通道信号,增加了算法复杂度;同时由于ICA的算法原理忽略信号的幅值信息,从而无法得知谐波扰动的严重程度。综上所述,现有方法并不能够将谐波信号的相位、幅值及频率信息全部提取出来。
变分模态分解(Variational Mode Decomposition,VMD)方法由K.Dragomiretskiy和D. Zosso于2014年提出,是一种非迭代的新的模态估计方法,能够自适应地实现信号的频域划分及各分量的有效分离,并且所得结果同时含有幅值、相位及频率信息,已被应用到多个研究领域。
变分模态分解有两个重要参数,即模态函数个数K和惩罚因子。模态函数个数K取值过小时,所得到的模态分量出现了模态混叠现象,不能够得到正确的模态分量;而模态函数个数K取值过大,则会有多余模态分量的产生,导致模态冗余,同时也增大了算法运算时间,降低算法效率。同样,当取值过小时,造成了模态混叠现象,而增大参数,虽可有效增加模态及其中心频率分离精度,但取值过大将出现模态混叠和模态丢失现象。另外,现有变分模态分解中谐波分量的中心频率初始值为零,有时最终结果局部会偏离目标频率。因此,迄今为止未见既可增加模态及其中心频率分离精度,又可避免模态混叠、冗余及丢失的采用VMD进行电网谐波信号特征检测的相关报道。
发明内容
本发明是为了解决现有技术所存在的上述技术问题,提供一种可提取谐波信号的相位、幅值及频率信息的基于变分模态分解的电网谐波检测方法。
本发明的技术解决方案是:一种基于变分模态分解的电网谐波检测方法,其特征在于依次按照如下步骤进行:
a. 取电网电压信号;
b. 对电网电压信号进行FFT变换;
c. 以频谱中分布的谐波个数为模态分解个数K,以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值;
e. 进行VMD分解;
f. 计算模态瞬时频率fins;
g. 判断是否满足;
是,则进行下一步骤;
是,则获得模态分量。
本发明是以快速傅里叶变换选择变分模态分解关键参数K,并以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值,可以有效限制VMD局部最优方向,使最终结果局部最优收敛于目标频率处。同时通过监测模态瞬时频率均值与目标模态瞬时频率之差以及模态瞬时频率方差,逐步增大惩罚因子,既可以得到更加精确的模态分量,又可以有效避免模态混叠、冗余和丢失现象。通过仿真和真实电压信号进行实验,能够将电网中谐波、间谐波以及基波分量准确提取出来,从而为控制器及时调整控制策略抑制过流,避免电力设备因发生保护动作而导致脱网的现象发生。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例1的仿真信号时域波形图。
图3是本发明实施例1的仿真信号频域波形图。
图4是本发明实施例1第一次分离所得各个分量的时域波形图。
图5是本发明实施例1第一次分离所得各个分量的频域波形图。
图6是本发明实施例1最后一次分离所得各个分量的时域波形图。
图7是本发明实施例1最后一次分离所得各个分量的频域波形图。
图8是本发明实施例2的仿真信号时域波形图。
图9是本发明实施例2的仿真信号频域波形图。
图10是本发明实施例2第一次分离所得各个分量的时域波形图。
图11是本发明实施例2第一次分离所得各个分量的频域波形图。
图12是本发明实施例3的电网电压时域波形图。
图13是本发明实施例3的电网电压频域波形图。
图14是本发明实施例3第一次分离所得各个分量的时域波形图。
图15是本发明实施例3第一次分离所得各个分量的频域波形图。
具体实施方式
实施例1:
本发明的一种基于变分模态分解的电网谐波检测方法如图1所示,依次按照如下步骤进行:
a. 取电网电压信号;
基于MATLAB平台建立电网电压仿真信号,由3个不同频率分量以及高斯白噪声混合而成,其表达式为:
仿真信号时域波形如图2所示。
b. 对电网电压信号进行FFT变换,频域波形如图3所示,图3中Y轴为幅值,X轴为角频率。从图3可见,该仿真信号主要由12Hz,50Hz,150Hz的3个谐波分量组成;
c. 以频谱中分布的谐波个数为模态分解个数K,即K=3;以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值,即中心频率初始值分别为12Hz,50Hz,150Hz;
e. 进行VMD分解,结果如图4、图5所示。
图4是本发明实施例1第一次分离所得各个分量的时域波形图。
图5是本发明实施例1第一次分离所得各个分量的频域波形图。
从图4、图5可以看出,没有模态冗余和丢失问题,但是150Hz模态分量的瞬时频率仍有较大波动;
f. 计算模态瞬时频率fins;
是,说明通过VMD方法所得频率为目标频率,则进行下一步骤;
本发明实施例1经过多个循环,直至179800,返回e步骤,即进行VMD分解,……计算模态瞬时频率方差, 3个模态分量的瞬时频率方差分别为0.0022,0.11和0.49,结果满足了小于0.5的要求,说明瞬时频率足够平稳,则获得模态分量。
获得的模态分量如图6、图7所示。
图6是本发明实施例1最后一次分离所得各个分量的时域波形图。
图7是本发明实施例1最后一次分离所得各个分量的频域波形图。
从图6、图7可以看出,模态分量的瞬时频率波动大幅度减小,即获得精确的模态分量,又有效避免模态混叠、冗余和丢失现象。
实施例2:
本发明的一种基于变分模态分解和去除噪声的电网谐波检测方法如图1所示,依次按照如下步骤进行:
a. 取电网电压信号;
基于MATLAB平台建立电网电压仿真信号,由3个不同频率分量以及高斯白噪声混合而成,其表达式为:
仿真信号时域波形如图8所示。
b. 对电网电压信号进行FFT变换,频域波形如图9所示,图9中Y轴为幅值,X轴为角频率。从图9可见,该仿真信号主要由12Hz,50Hz,150Hz的3个谐波分量组成;
c. 以频谱中分布的谐波个数为模态分解个数K,即K=3;以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值,即中心频率初始值分别为12Hz,50Hz,150Hz;
e. 进行VMD分解;
f. 计算模态瞬时频率fins;
否,按步长2000增大惩罚因子,返回e步骤;
是,则进行下一步骤;
h. 计算模态瞬时频率方差, 3个模态分量的瞬时频率方差分别为其方差分别为0.0068,1.45以及0.12;
结果满足了小于1.5的要求,则获得模态分量。
获得的模态分量如图10、图11所示。
图10是本发明实施例2第一次分离所得各个分量的时域波形图。
图11是本发明实施例2第一次分离所得各个分量的频域波形图。
从图10、图11可以看出,所得模态分量的瞬时频率基本稳定,即获得精确的模态分量,又有效避免模态混叠、冗余和丢失现象。
实施例3:
本发明的一种基于变分模态分解电网谐波检测方法如图1所示,其特征在于依次按照如下步骤进行:
a. 在风电场采集电网电压信号,时域波形如图12所示。
b. 对电网电压信号进行FFT变换,所得频域波形如图13所示,从图13中可以看出,该电压信号主要含有50Hz基波与10Hz间谐波分量;
c. 以频谱中分布的谐波个数为模态分解个数K,即K=2;以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值,即中心频率初始值分别为050Hz,10Hz;
e. 进行VMD分解;
f. 计算模态瞬时频率fins;
是,则进行下一步骤;
结果满足了小于0.1的要求,则获得模态分量。
获得的模态分量如图14、图15所示。
图14是本发明实施例3第一次分离所得各个分量的时域波形图。
图15是本发明实施例3第一次分离所得各个分量的频域波形图。
从图14、图15可以看出,所得到的有效模态分量时域波形图均比较平稳,其中10Hz间谐波分量的幅值为900V,50Hz基波分量幅值为11090V。可将电网电压信号中有效模态分量提出,模态分量的中心频率与原始信号含有谐波分量频率相同。即获得精确的模态分量,又有效避免模态混叠、冗余和丢失现象。
结论:通过仿真和真实电压信号进行实验,有效的验证了本发明的正确性与有效性。
Claims (1)
1.一种基于变分模态分解的电网谐波检测方法,其特征在于依次按照如下步骤进行:
a. 取电网电压信号;
b. 对电网电压信号进行FFT变换;
c. 以频谱中分布的谐波个数为模态分解个数K,以频谱中分布的各谐波尖峰处的频率值为模态分解的中心频率初始值;
e. 进行VMD分解;
f. 计算模态瞬时频率fins;
否,按步长2000增大惩罚因子,返回e步骤;
是,则进行下一步骤;
是,则获得模态分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711297045.XA CN108008187B (zh) | 2017-12-08 | 2017-12-08 | 基于变分模态分解的电网谐波检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711297045.XA CN108008187B (zh) | 2017-12-08 | 2017-12-08 | 基于变分模态分解的电网谐波检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108008187A CN108008187A (zh) | 2018-05-08 |
CN108008187B true CN108008187B (zh) | 2020-01-10 |
Family
ID=62057805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711297045.XA Expired - Fee Related CN108008187B (zh) | 2017-12-08 | 2017-12-08 | 基于变分模态分解的电网谐波检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108008187B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109542089B (zh) * | 2018-12-21 | 2020-07-17 | 浙江大学 | 一种基于改进变分模态分解的工业过程非线性振荡检测方法 |
CN110726875B (zh) * | 2019-12-02 | 2020-08-28 | 山东大学 | 一种新能源柔性直流并网暂态谐波检测方法及系统 |
CN111081274B (zh) * | 2020-01-03 | 2022-03-25 | 西安电子科技大学 | 基于瞬时频率的带静默间断信号的端点识别方法及应用 |
CN112903296B (zh) * | 2021-01-25 | 2021-12-14 | 燕山大学 | 一种滚动轴承故障检测方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6173721B2 (ja) * | 2012-09-27 | 2017-08-02 | 株式会社ダイヘン | 周波数解析装置、当該周波数解析装置を用いた信号処理装置、および、当該信号処理装置を用いた高周波測定装置 |
CN106019271B (zh) * | 2016-04-27 | 2019-04-12 | 南京理工大学 | 一种基于变分模态分解的多人穿墙时变呼吸信号检测方法 |
CN106017926A (zh) * | 2016-05-13 | 2016-10-12 | 山东理工大学 | 基于变模态分解的滚动轴承故障诊断方法 |
-
2017
- 2017-12-08 CN CN201711297045.XA patent/CN108008187B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN108008187A (zh) | 2018-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108008187B (zh) | 基于变分模态分解的电网谐波检测方法 | |
CN106845010B (zh) | 基于改进SVD降噪和Prony的低频振荡主导模式辨识方法 | |
CN108469560B (zh) | 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法 | |
CN110967599A (zh) | 一种电能质量扰动检测与定位算法 | |
Das et al. | Diagnosis of power quality events based on detrended fluctuation analysis | |
Bhui et al. | Application of recurrence quantification analysis to power system dynamic studies | |
CN106546847B (zh) | 一种基于prce的低频振荡模式在线辨识方法 | |
CN108535613B (zh) | 一种基于组合窗函数的电压闪变参数检测方法 | |
CN105548739B (zh) | 一种避雷器运行状态信号处理方法 | |
CN106646121B (zh) | 一种配电网故障行波波头的辨识方法 | |
CN109659957B (zh) | 基于apit-memd电力系统低频振荡模式辨识方法 | |
You et al. | Research of an improved wavelet threshold denoising method for transformer partial discharge signal | |
CN115497501B (zh) | 基于sw-music的变压器故障声纹定位方法及系统 | |
Srikanth et al. | An intelligent algorithm for autorecognition of power system faults using superlets | |
CN107991531A (zh) | 基于变分模态分解和去除噪声的电网谐波检测方法 | |
Zhu et al. | A novel voltage sag detection method for analyzing charging quality of electric vehicle | |
Qian et al. | Network traffic forecasting by support vector machines based on empirical mode decomposition denoising | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和系统 | |
CN109586249A (zh) | 变压器励磁涌流判别方法和装置 | |
US20240088657A1 (en) | Fractional domain noise reduction method for power signal | |
de AL Rabêlo et al. | Power system harmonics estimation using particle swarm optimization | |
CN113794198B (zh) | 抑制宽频振荡的方法、装置、终端及存储介质 | |
Kumar et al. | S-Transform based detection of multiple and multistage power quality disturbances | |
Hossain et al. | Online monitoring of inter-area oscillations and damping of power systems employing prony analysis | |
Viet et al. | A method for monitoring voltage disturbances based on discrete wavelet transform and adaptive linear neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200110 |
|
CF01 | Termination of patent right due to non-payment of annual fee |