CN108680782B - 基于极值点对称模式分解的电压闪变参数检测方法 - Google Patents

基于极值点对称模式分解的电压闪变参数检测方法 Download PDF

Info

Publication number
CN108680782B
CN108680782B CN201810423867.6A CN201810423867A CN108680782B CN 108680782 B CN108680782 B CN 108680782B CN 201810423867 A CN201810423867 A CN 201810423867A CN 108680782 B CN108680782 B CN 108680782B
Authority
CN
China
Prior art keywords
signal
frequency
decomposition
curve
mode
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.)
Active
Application number
CN201810423867.6A
Other languages
English (en)
Other versions
CN108680782A (zh
Inventor
张宇华
赵晓柯
王育飞
薛花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201810423867.6A priority Critical patent/CN108680782B/zh
Publication of CN108680782A publication Critical patent/CN108680782A/zh
Application granted granted Critical
Publication of CN108680782B publication Critical patent/CN108680782B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measuring Frequencies, Analyzing Spectra (AREA)

Abstract

本发明涉及一种基于极值点对称模式分解的电压闪变参数检测方法,结合极点对称模态分解理论和算法,给出具体的基于极点对称模态分解ESMD电压闪变参数检测步骤。首先用ESMD方法把电压闪变信号分解出单一频率的调幅波,然后用直接插值DI法求取各单一频率调幅波的瞬时幅值和瞬时频率信息。不仅克服了EMD方法的包络线过拟合与欠拟合现象,还能够在不添加噪声的情况下有效避免EMD方法在检测中出现的模态混叠现象,避免了EEMD方法的检测结果对选择的噪声依赖性较强的缺点。本发明在电压闪变参数检测中自适应分解能力强,检测精度高,实时性好,具有虚假模态少,瞬时幅频曲线端部失真小,波动小等优点。

Description

基于极值点对称模式分解的电压闪变参数检测方法
技术领域
本发明涉及一种检测技术,特别涉及一种基于极值点对称模式分解的电压闪变参数检测方法。
背景技术
在能源互联网的背景下,电网的能源输入形式多样化,电网电能质量面临着的扰动问题更加复杂;其中各种大功率、冲击性、非线性负荷成为影响电能质量的主要来源;而基于微处理器的精密电子装置对电能质量的要求也越来越高;因此,社会对电能质量的要求也越来越高,电能质量监测管理的重要性就日益凸显。对电能质量准确及时的检测是其治理的前提。其中,闪变是最重要的电能质量扰动形式之一,闪变的分析与测量是电能质量检测与控制的关键,也是近年研究的热点。
目前国内外对谐波检测的研究,较多的集中在傅里叶变换、小波分析、经验模态分解EMD等方法。主要存在以下问题:①傅里叶变换仅是频域分析方法,无法给出谐波出现的具体时刻,且在检测过程中会出现“旁瓣”和“频谱泄露”等现象,难以实现非平稳信号分析未;②小波变换只适合线性、非平稳信号分析,且受到Heisenberg测不准原理束缚,存在小波基选择困难等问题;③EMD是一种非线性、非平稳信号时频分析方法,不需要基函数选择,根据信号的特征尺度进行自适应分解。但是经验模态分解方法存在一些问题,如包络线过拟合与欠拟合、端点效应、模态混淆现象等。
发明内容
本发明是针对现有的电力系统波动信号检测方法精度不高的问题,提出了一种基于极值点对称模式分解的电压闪变参数检测方法,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IMF,再对IMF分量进行直接插值得到各谐波瞬时幅值和瞬时频率信息。本发明在电压闪变参数检测中自适应分解能力强,检测精度高,实时性好,具有虚假模态少,瞬时幅频曲线端部失真小,波动小等优点。
本发明的技术方案为:一种种基于极值点对称模式分解的电压闪变参数检测方法,具体包括如下步骤:
1)对获取的电压信号进行去噪及离散化处理,去掉信号的高频噪声,得到预处理后信号;
2)用极点对称模态分解ESMD方法对所获取预处理后信号进行模态分解,得到各固有模态函数;
3)通过设定门限阈值,运用能量门限法的方法对步骤2)获得的模态函数进行虚假分量判断,对模态函数中信号进行能量计算,与门限阈值比较,大于门限阈值为真实分量,判断整理后得到真正的谐波成分M11,M12...M1j,j为真正的固有模态数,且随j的增大谐波次数依次降低;
4)对步骤3)得到的各固有模态函数IMF分量,用直接插值DI方法求取其瞬时幅值曲线和瞬时频率曲线。
所述步骤2)具体步骤如下:
2.1)定义预处理后的电压为
Figure BDA0001650590130000022
其中N为一个正整数,找出X中所有的局部极值点Ei,i=1,2,…,n,n为局部极值点个数;
2.2)依次将相邻极值点用线段连接起来,找到线段中点Fi,i=1,2,...,n-1,,并在最外的两个中点F1,Fn-1外补充两个边界点F0,Fn
2.3)对步骤2.2)所获得的线段中点Fi中,所有标号i为奇数的中点进行三次样条插值生成插值曲线L1;对所有标号i为偶数的中点进行三次样条插值生成插值曲线L2;求取两条插值曲线的平均值L*
Figure BDA0001650590130000021
2.4)将步骤2.3)所得的均值曲线L*从X中分离出来,得到信号h11=X-L*
2.5)判断h11是否满足满足以下两个条件之一:
A、|L*|≤ε
ε是预先设定的容许误差,通常选取ε=0.001σ0;σ0为预处理后的信号标准差;
Figure BDA0001650590130000031
B、筛选次数达到了预先设定的最大值K;
若满足条件之一,此时,分解出第一个模态M1=h11,即信号中的最高频率部分;不满足条件则,用h11代替X,重复上述步骤2.1)至2.4),迭代K次,直至h1k满足上述条件之一,此时,分解出第一个模态M1=h1k,进入步骤2.6);
2.6)将M1从X中分离出来得到信号u1=X-M1,用u1代替X,重复上述步骤2.1)至2.5),依次获得M2...Mm,直到最后余项R极值点数目为预先设定数值,本发明实施例中选择最后余项R极值点数目为4;这样,就把信号分解成m个固有模态函数和最后余项之和;
2.7)让最大筛分次数K处于整数区间[Kmin,Kmax]内变换并重复步骤2.1)至2.6),得到一系列分解结果,进而计算方差比率σ/σ0,并画出它随K的变化图,其中,σ和σ0分别为的X-R的相对标准差和X的标准差;若
Figure BDA0001650590130000032
Figure BDA0001650590130000033
2.8)在2.7)的基础上找出对应最小方差比率σ/σ0所对应的最大筛选次数K’max后,对应的分解结果,即为所需各模态函数M1,M2...Mm,m为模态个数。
所述步骤4)具体步骤如下:
4.1)寻找步骤3)得到的各固有模态函数IMF分量极值点(ti,xi),做直接插值得到瞬时幅值曲线;
4.2)依次计算两个相邻极大值点和极小值点之间的时间差;
Δt=ti+1-ti-1
4.3)将步骤4.2)的时间段ti+1~ti-1视为局部周期,赋给此时间段中点,画出时间ai-周期fi对应点图;
中点为:
Figure BDA0001650590130000041
Figure BDA0001650590130000042
4.4)将局部周期值取倒数得到局部频率,得到时间-频率对应点图,再做三次样条插值得到光滑的时间-频率变化曲线。
本发明的有益效果在于:本发明基于极值点对称模式分解的电压闪变参数检测方法,不仅克服了EMD方法的包络线过拟合与欠拟合现象,还能够在不添加噪声的情况下有效避免EMD方法在检测中出现的模态混叠现象,避免了EEMD方法的检测结果对选择的噪声依赖性较强的缺点。具有虚假模态少,瞬时幅频曲线端部失真小,波动小等优点。此外,本发明方法自适应分解能力强,检测精度高,实时性好。
附图说明
图1为本发明基于极值点对称模式分解的电压闪变参数检测方法流程图;
图2为本发明方法中用极点对称模态分解方法对所获取信号进行模态分解流程图。
具体实施方式
如图1所示基于极值点对称模式分解的电压闪变参数检测方法流程图,包括如下步骤:
1、对获取的电压信号进行去噪及离散化处理,去掉信号的高频噪声,得到预处理后信号。
2、用极点对称模态分解ESMD方法对所获取信号进行模态分解,得到各固有模态IMF分量。
如图2所示具体包括以下分步骤:
2.1、定义预处理后的电压信号为
Figure BDA0001650590130000043
其中N为一个正整数。找出X中所有的局部极值点Ei(i=1,2,…,n),n为局部极值点个数。
2.2、依次将相邻极值点用线段连接起来,找到线段中点Fi(i=1,2,...,n-1),并最外的两个中点F1,Fn-1外补充两个边界点F0,Fn
2.3、对2.2所获得的线段中点Fi(i=0,1,2,...,n)中,所有标号i为奇数的中点进行三次样条插值生成插值曲线L1;对所有标号i为偶数的中点进行三次样条插值生成插值曲线L2;求取两条插值曲线的平均值L*
Figure BDA0001650590130000051
2.4、将步骤2.3所得的均值曲线L*从X中分离出来,得到信号h11=X-L*
2.5、判断h11是否满足满足以下两个条件之一:
A、|L*|≤ε
ε是预先设定的容许误差,通常选取ε=0.001σ0;σ0为预处理后的信号标准差;
Figure BDA0001650590130000052
B、筛选次数达到了预先设定的最大值K;
若满足条件之一,此时,分解出第一个模态M1=h11,即信号中的最高频率部分;不满足条件则,用h11代替X,重复上述步骤2.1至2.4,迭代K次,直至h1k满足上述条件之一,此时,分解出第一个模态M1=h1k,进入步骤2.6;
2.6、将M1从X中分离出来得到信号u1=X-M1,用u1代替X,重复上述步骤2.1至2.5,依次获得M2...Mm,直到最后余项R极值点数目为预先设定数值,本发明实施例中选择最后余项R极值点数目为4;这样,就把信号分解成m个模态函数和最后余项之和。
2.7、让最大筛分次数K处于整数区间[Kmin,Kmax]内变换并重复步骤2.1至2.6,得到一系列分解结果,进而计算方差比率σ/σ0,并画出它随K的变化图,其中,σ和σ0分别为的X-R的相对标准差和X的标准差;若
Figure BDA0001650590130000054
Figure BDA0001650590130000053
2.8、为找到较好的分解结果,在2.7的基础上找出对应最小方差比率σ/σ0所对应的最大筛选次数K’max后,将K’max代入2.5的判断条件中,并重复步骤2.1至2.6即得到最终分解结果,得到各模态函数M1,M2...Mm,m为模态个数。
3、通过设定门限阈值,运用能量门限法的方法进行虚假分量判断,对模态函数中信号进行能量计算,与门限阈值比较,大于门限阈值为真实分量,判断整理后得到真正的谐波成分M11,M12...M1j,即为真正的固有模态函数分量,j为真正的固有模态数,且随j的增大谐波次数依次降低。
本发明实施例中阈值为基波分量的5%,大于此阈值为真实分量。IMF分量信号能量E为:
Figure BDA0001650590130000061
4、对步骤3得到的各固有模态函数IMF分量,用直接插值DI方法求取其瞬时幅值曲线和瞬时频率曲线。
4.1、寻找步骤3)得到的各固有模态函数IMF分量极值点(ti,xi),做直接插值得到瞬时幅值曲线;
4.2、依次计算两个相邻极大值点和极小值点之间的时间差;
Δt=ti+1-ti-1
4.3、将步骤4.2的时间段ti+1~ti-1视为局部周期,赋给此时间段中点,画出时间ai-周期fi对应点图;
中点为:
Figure BDA0001650590130000062
Figure BDA0001650590130000063
4.4、将局部周期值取倒数得到局部频率,得到时间-频率对应点图,再做三次样条插值得到光滑的时间-频率变化曲线(若模态中有等值段,直接将其频率定义为零,用线性插值方法处理边界点)。

Claims (1)

1.一种基于极值点对称模式分解的电压闪变参数检测方法,其特征在于,具体包括如下步骤:
1)对获取的电压信号进行去噪及离散化处理,去掉信号的高频噪声,得到预处理后信号;
2)用极点对称模态分解ESMD方法对所获取预处理后信号进行模态分解,得到各固有模态函数;具体步骤如下:
2.1)定义预处理后的电压为
Figure FDA0002470680020000011
其中N为一个正整数,找出X中所有的局部极值点Ei,i=1,2,…,n,n为局部极值点个数;
2.2)依次将相邻极值点用线段连接起来,找到线段中点Fi,i=1,2,…,n-1,,并在最外的两个中点F1,Fn-1外补充两个边界点F0,Fn
2.3)对步骤2.2)所获得的线段中点Fi中,所有标号i为奇数的中点进行三次样条插值生成插值曲线L1;对所有标号i为偶数的中点进行三次样条插值生成插值曲线L2;求取两条插值曲线的平均值L*
Figure FDA0002470680020000012
2.4)将步骤2.3)所得的均值曲线L*从X中分离出来,得到信号h11=X-L*
2.5)判断h11是否满足满足以下两个条件之一:
A、|L*|≤ε
ε是预先设定的容许误差,通常选取ε=0.001σ0;σ0为预处理后的信号标准差;
Figure FDA0002470680020000013
B、筛选次数达到了预先设定的最大值K;
若满足条件之一,此时,分解出第一个模态M1=h11,即信号中的最高频率部分;不满足条件则,用h11代替X,重复上述步骤2.1)至2.4),迭代K次,直至h1k满足上述条件之一,此时,分解出第一个模态M1=h1k,进入步骤2.6);
2.6)将M1从X中分离出来得到信号u1=X-M1,用u1代替X,重复上述步骤2.1)至2.5),依次获得M2…Mm,直到最后余项R极值点数目为预先设定数值,本发明实施例中选择最后余项R极值点数目为4;这样,就把信号分解成m个固有模态函数和最后余项之和;
2.7)让最大筛分次数K处于整数区间[Kmin,Kmax]内变换并重复步骤2.1)至2.6),得到一系列分解结果,进而计算方差比率σ/σ0,并画出它随K的变化图,其中,σ和σ0分别为的X-R的相对标准差和X的标准差;若
Figure FDA0002470680020000021
Figure FDA0002470680020000022
2.8)在2.7)的基础上找出对应最小方差比率σ/σ0所对应的最大筛选次数K’max后,对应的分解结果,即为所需各模态函数M1,M2…Mm,m为模态个数;
3)通过设定门限阈值,运用能量门限法的方法对步骤2)获得的模态函数进行虚假分量判断,对模态函数中信号进行能量计算,与门限阈值比较,大于门限阈值为真实分量,判断整理后得到真正的谐波成分M11,M12…M1j,j为真正的固有模态数,且随j的增大谐波次数依次降低;
4)对步骤3)得到的各固有模态函数IMF分量,用如下方法求取其瞬时幅值曲线和瞬时频率曲线:
4.1)寻找步骤3)得到的各固有模态函数IMF分量极值点(ti,xi),做直接插值得到瞬时幅值曲线;
4.2)依次计算两个相邻极大值点和极小值点之间的时间差;
Δt=ti+1-ti-1
4.3)将步骤4.2)的时间段ti+1~ti-1视为局部周期,赋给此时间段中点,画出时间ai-周期fi对应点图;
中点为:
Figure FDA0002470680020000023
Figure FDA0002470680020000024
4.4)将局部周期值取倒数得到局部频率,得到时间-频率对应点图,再做三次样条插值得到光滑的时间-频率变化曲线。
CN201810423867.6A 2018-05-04 2018-05-04 基于极值点对称模式分解的电压闪变参数检测方法 Active CN108680782B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810423867.6A CN108680782B (zh) 2018-05-04 2018-05-04 基于极值点对称模式分解的电压闪变参数检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810423867.6A CN108680782B (zh) 2018-05-04 2018-05-04 基于极值点对称模式分解的电压闪变参数检测方法

Publications (2)

Publication Number Publication Date
CN108680782A CN108680782A (zh) 2018-10-19
CN108680782B true CN108680782B (zh) 2020-10-09

Family

ID=63802973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810423867.6A Active CN108680782B (zh) 2018-05-04 2018-05-04 基于极值点对称模式分解的电压闪变参数检测方法

Country Status (1)

Country Link
CN (1) CN108680782B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146813A (zh) * 2019-05-20 2019-08-20 内蒙古工业大学 一种分散式风电机组电能质量测试方法
CN112906578B (zh) * 2021-02-23 2023-09-05 北京建筑大学 一种桥梁时间序列位移信号去噪的方法
CN116738221B (zh) * 2023-08-15 2023-10-20 湖南天联城市数控有限公司 一种带压管道气体分析方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102937668A (zh) * 2012-11-08 2013-02-20 电子科技大学 一种电力系统低频振荡检测方法
US8660848B1 (en) * 2010-08-20 2014-02-25 Worcester Polytechnic Institute Methods and systems for detection from and analysis of physical signals
CN105125204A (zh) * 2015-07-31 2015-12-09 华中科技大学 一种基于esmd方法的心电信号降噪方法
CN106092564A (zh) * 2016-06-06 2016-11-09 电子科技大学 基于esmd和能量算子解调的齿轮故障诊断方法
CN106344006A (zh) * 2016-11-03 2017-01-25 太原理工大学 基于极点对称模态分解和支持向量机的j波检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8660848B1 (en) * 2010-08-20 2014-02-25 Worcester Polytechnic Institute Methods and systems for detection from and analysis of physical signals
CN102937668A (zh) * 2012-11-08 2013-02-20 电子科技大学 一种电力系统低频振荡检测方法
CN105125204A (zh) * 2015-07-31 2015-12-09 华中科技大学 一种基于esmd方法的心电信号降噪方法
CN106092564A (zh) * 2016-06-06 2016-11-09 电子科技大学 基于esmd和能量算子解调的齿轮故障诊断方法
CN106344006A (zh) * 2016-11-03 2017-01-25 太原理工大学 基于极点对称模态分解和支持向量机的j波检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于ESMD的小电流系统故障选线新方法;王震 等;《机电信息》;20150625(第2015年18期);126-127 *
基于希尔伯特–黄变换的电压闪变测量方法;江辉 等;《电网技术》;20120930;第36卷(第9期);250-256 *

Also Published As

Publication number Publication date
CN108680782A (zh) 2018-10-19

Similar Documents

Publication Publication Date Title
CN108680782B (zh) 基于极值点对称模式分解的电压闪变参数检测方法
CN107832777B (zh) 一种采用时域压缩多分辨率快速s变换特征提取的电能质量扰动识别方法
CN105760347B (zh) 一种基于数据/极值联合对称延拓的hht端点效应抑制方法
CN112633427B (zh) 一种基于离群点检测的超高次谐波发射信号检测方法
CN105486938B (zh) 一种变电站混合噪声分离方法
CN108761202B (zh) 极点对称模态分解和希尔伯特变换相结合的谐波检测方法
CN109343020A (zh) 一种基于改进窗函数的s变换时频分析方法
CN107102255A (zh) 单一adc采集通道动态特性测试方法
CN104635223A (zh) 基于经验模式分解与分数阶傅里叶变换的激光回波去噪方法
CN105930818A (zh) 一种提升emd去噪能力的数据处理方法
Yang et al. An improved empirical mode decomposition by using dyadic masking signals
CN104459397A (zh) 采用自适应多分辨率广义s变换的电能质量扰动识别方法
Liu et al. Hilbert-Huang transform and the application
Sahu et al. Time‐frequency analysis of power quality disturbances using synchroextracting transform
Shan et al. A novel adaptive moving average method for signal denoising in strong noise background
Han et al. Network traffic anomaly detection using weighted self-similarity based on EMD
CN107526064A (zh) 基于二维特征的自适应lfm信号参数估计方法
Li et al. Radar emitter signal recognition based on multi-scale wavelet entropy and feature weighting
CN109460614B (zh) 基于瞬时带宽的信号时间-频率分解方法
CN110112757B (zh) 基于sure小波消噪和改进hht的低频振荡分析方法
CN110632563A (zh) 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法
Abdullah et al. Bilinear time-frequency analysis techniques for power quality signals
CN108919008B (zh) 一种基于时频数据库在线电能质量扰动识别方法及系统
CN111273345B (zh) 一种基于高精度时频瞬时相位的地震数据时频谱处理方法
Wei et al. Iterative reassignment: An energy-concentrated time-frequency analysis method

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