CN109061302A - 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 - Google Patents
一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 Download PDFInfo
- Publication number
- CN109061302A CN109061302A CN201810999302.2A CN201810999302A CN109061302A CN 109061302 A CN109061302 A CN 109061302A CN 201810999302 A CN201810999302 A CN 201810999302A CN 109061302 A CN109061302 A CN 109061302A
- Authority
- CN
- China
- Prior art keywords
- harmonic
- signal
- wind power
- imf
- component
- 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.)
- Pending
Links
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
- G01R23/165—Spectrum analysis; Fourier analysis using filters
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开了一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统,涉及风力发电机组电能质量测量技术领域,基于LabVIEW平台进行风力发电机组谐波信号的测量,在进行风力发电机组谐波测量过程中,需要采集风力发电机组输出端的电压、电流数据序列,将采集到的数据通过Nuttall窗进行截断,利用FFT进行滤波去除50Hz的基波分量;去除基波分量的数据序列采用EEMD分解得到固有模态函数,对固有模态函数进行Hilbert变换得到谐波信号的时频局部特性,求得各次谐波分量和谐波畸变率。本发明的测量误差较小,不仅可以准确测量出含有多个谐波分量的谐波含有率,而且可以得到谐波分量对应的频率和起止时刻。
Description
技术领域
本发明涉及风力发电机组电能质量测量技术领域,特别涉及一种基于EEMD 和Hilbert变换的并网风力发电机组谐波测量系统。
背景技术
目前,对于并网风力发电机组谐波的测量一般采用IEC标准推荐的基于离 散傅里叶变换谐波测量方法、小波变换法、瞬时无功功率法、神经网络法或希 尔伯特-黄变换算法。
但是,IEC标准推荐的基于离散傅里叶变换谐波测量方法在非线性非平稳 信号测量时误差较大;小波变换的小波基不易选取且不具有自适应性;瞬时无 功功率法测量简单,但硬件太多;神经网络法需要大量的训练成本,仍未大规 模运用;希尔伯特-黄变换算法具有时频局部特性和自适应性,但在模态分解过 程中易出现模态混叠现象,产生较大误差。
发明内容
本发明实施例提供了一种基于EEMD和Hilbert变换的并网风力发电机组谐 波测量系统,用以解决现有技术中存在的问题。
一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统,包括:
步骤一、采集电流信号文件
依据IEC标准,采样率不低于20KHz,读取采集得到的电流信号I(t);
步骤二、通过Nuttall窗对电流信号I(t)进行加窗处理
使用4项最小旁瓣Nuttall窗w(t)对信号进行截断,得到截断后的信号:
Z(t)=I(t)w(t) (1)
其中,Nuttall窗时域表达式为:
其中,M为Nuttall窗函数的项数,且t=1,2,...,T-1,T为自然数,bm为 Nuttall窗系数,需满足下式:
步骤三、利用FFT进行滤波去除加窗后电流信号的基波分量
使用4项最小旁瓣Nuttall窗对电流信号I(t)进行截断:
Z(t)=I(t)w(t) (3)
对4项最小旁瓣Nuttall窗截断后的信号Z(t)进行傅里叶变换,得到其频谱 F(ω):
在频域去掉F(ω)的基波分量,得到F1(ω),对F1(ω)求傅里叶逆变换得到只 包含谐波分量的信号Z1(t):
步骤四、对去除基波分量的数据序列采用EEMD进行分解得到固有模态函 数;
将去除基波分量的数据序列设为x(t),对原始信号x(t)进行集合经验模态分 解,得到一组固有模态函数IMF和残余分量r(t),IMF根据频率从高到低依次排 列,每个IMF代表了信号包含的一个波动;具体分解步骤如下:
1)在原始信号x(t)上添加一组白噪声,得到加有白噪声的数据序列x1(t);
2)加有白噪声的数据序列经过EMD分解,筛选出各阶IMF分量;
①找到信号x1(t)的所有的局部极值点,对极值点采用三次样条插值法得到 信号的上包络线v1(t)和下包络线v2(t),上下包络线求平均得到m1(t):
m1(t)=[v1(t)+v2(t)]/2 (6)
②将原信号与上下包络均值做差,得到数据序列h1(t):
h1(t)=x1(t)-m1(t) (7)
③判断h1(t)是否是固有模态函数,如不是,则将h1(t)作为新的x1(t),重复 步骤①②,只有当h1k(t)满足IMF条件时迭代停止,记c1(t)为第一个IMF分量 imf(1):
c1(t)=h1k(t) (8)
④分解出第一个IMF分量之后残余分量为:
r1(t)=x1(t)-c1(t) (9)
将r1(t)看作新的数据序列x1(t),重复步骤①②③④依次得到各阶IMF分量 和残余分量rn(t),直到得到的函数rn(t)是单调函数或者是常数时结束;
⑤加有白噪声的数据序列x1(t)表示为各阶IMF分量和一个均值或趋势项 rn(t)之和,即:
3)重复步骤(1)和(2),在原始信号中加入N组不同的白噪声进行EMD 分解,得到式(11);
4)根据时域空间的总体平均收集到的白噪声会互相抵消原理,对应IMF 分量进行平均得到原始信号的IMF分量:
5)则原始信号表示为:
步骤五、对固有模态函数进行HT变换得到谐波信号的时域局部特性
对每个IMF做希尔伯特变换可得:
式中,p为柯西主值。
相应的复数解析函数为:
由式(15)得:
其中,aj(t)为瞬时幅度;θj(t)为瞬时相位;fj(t)为瞬时频率;
步骤六、求得谐波含量和畸变率
根据谐波信号的时域局部特性,即谐波信号的瞬时幅度、瞬时相位和瞬时 频率,依据IEC61000-4-7标准得到:
第h次谐波含有率:
HGh=Gh/Gn×100% (17)
第h次间谐波含有率:
HGih=Gih/Gn×100% (18)
第h频段高频分量含有率:
HGhh=Ghn/Gn×100% (19)
总谐波畸变率:
其中,Gh为第h次谐波分量的有效值;Gn为风力发电机组的额定电流;Gih第 为h次间谐波分量的有效值;Ghh为第h频段高频分量的有效值;
对每个十分钟时间数据进行统计分析,依据公式(17)-(20)计算10min 平均值,求得各次谐波含有率和谐波总畸变率。
较佳地,所述步骤二中的Nuttall窗为余弦组合窗。
本发明有益效果:本发明的测量误差较小,不仅可以准确测量出含有多个 谐波分量的谐波含有率,而且可以得到谐波分量对应的频率和起止时刻。
本发明按照IEC标准实现了对风力发电机组电流、电压时间序列数据和风 速等参数的准确测量,并基于LabVIEW虚拟仪器对风力发电机组谐波做出准确 测量,同时LabVIEW编程增强了构建自我定制的系统的能力,为仪器编程和数 据采集系统的搭建提供了便捷,大大提高了工作效率。
附图说明
图1为本发明实施例提供的一种基于EEMD和Hilbert变换的并网风力发电 机组谐波测量系统的硬件结构示意图;
图2为本发明实施例提供的一种基于EEMD和Hilbert变换的并网风力发电 机组谐波测量系统的流程结构示意图;
图3为风力发电机组输出端谐波分量-幅值的测量结果示意图;
图4为风力发电机组输出端谐波分量-频率的测量结果示意图;
图5为风力发电机组输出端产生电压暂降时幅值的测量结果示意图;
图6为风力发电机组输出端产生电压暂降时频率的测量结果示意图;
图7为风力发电机组谐波测试系统的示意图。
具体实施方式
下面结合发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整的描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
本发明提供了一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量 系统,为了解决现有并网风力发电机组谐波测量方法存在的问题,提出了一种 基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统,基于LabVIEW 平台进行风力发电机组谐波信号的测量,在进行风力发电机组谐波测量过程中, 需要采集风力发电机组输出端的电压、电流数据序列,将采集到的数据通过 Nuttall窗进行截断,利用FFT进行滤波去除50Hz的基波分量;去除基波分量 的数据序列采用EEMD分解得到固有模态函数,对固有模态函数进行Hilbert 变换得到谐波信号的时频局部特性(即瞬时幅值和瞬时频率等参数),进而求得 各次谐波分量和谐波畸变率。本发明实现了从硬件采集系统搭建到数据采集并 进行周期性存储,再到对数据的测量和分析,实现了并网风力发电机组谐波的 准确测量。
参照图1,为本发明实施例提供的一种基于EEMD和Hilbert变换的并网风 力发电机组谐波测量系统的硬件结构示意图,风速计、电压传感器和电流传感 器是测量系统必备传感器,信号调理环节将这些传感器与用于信号抗混叠的低 通滤波器相连。为满足工业现场恶劣环境的需求,硬件部分全部依据工业现场 环境以及IEC标准进行选取。对于电压、电流数据的采集,将电压和电流传感 器与PCI1706U采集卡相连,然后通过输入通道将采集到的数据传送至工控机。 环境参数风速通过风速传感器与研华ADAM4117相连,通过一个EKI1524串口服 务器,将ADAM的RS485串口转换成网口模式,然后再与两个无线AP模块搭建的网桥相连,将采集的数据通过无线传输的模式传给工控机,从而进行数据的 计算和保存。
参照图2,为本发明实施例提供的一种基于EEMD和Hilbert变换的并网风 力发电机组谐波测量系统的流程结构示意图,包括:
步骤一、采集多项数据文件
依据IEC标准,数据采集系统采样率不低于20KHz,读取采集得到的电流 电压数据,为数据分析提供来源。
步骤二、通过Nuttall窗对电流信号I(t)进行加窗处理
为了减少频谱泄露和栅栏效应引起的误差,采用性能优良的窗函数对信号 进行截断。
Nuttall余弦组合窗具有良好的旁瓣性能,其时域表达式为:
其中,M为Nuttall窗函数的项数,且n=1,2,...,N-1,bm需满足式(2)。
选择4项最小旁瓣窗可以有效的抑制频谱泄露并改善栅栏效应带来的负面 影响。
步骤三、利用FFT进行滤波去除加窗后电流信号的基波分量
如式(3)使用4项最小旁瓣Nuttall窗对电流信号I(t)进行截断(即时间域 相乘,频率域卷积)。
Z(t)=I(t)w(t) (3)
对四项最小旁瓣Nuttall窗截断后的信号Z(t)进行傅里叶变换,得到其频谱 F(ω)。
在频域去掉F(ω)的基波分量(即去掉50Hz的频率成分),得到F1(ω)。对 F1(ω)求傅里叶逆变换得到只包含谐波分量的信号Z1(t)。
步骤四、对去除基波分量的数据序列采用EEMD进行分解得到固有模态函 数
对原始信号x(t)进行(EEMD)集合经验模态分解,得到一组固有模态函数 (IMF)和残余分量r(t),IMF根据频率从高到低依次排列,每个IMF代表了信 号包含的一个波动。EEMD分解步骤如下:
1)在原始信号x(t)添加一组白噪声,得到加有白噪声的数据序列x1(t);
2)加有白噪声的数据序列经过EMD分解,筛选出各阶IMF分量;
①找到信号x1(t)的所有的局部极值点,对极值点采用三次样条插值法得到 信号的上包络线v1(t)和下包络线v2(t),上下包络线求平均得到m1(t):
m1(t)=[v1(t)+v2(t)]/2 (6)
②将原信号与上下包络均值做差,得到数据序列h1(t):
h1(t)=x1(t)-m1(t) (7)
③判断h1(t)是否是固有模态函数,如不是,则将h1(t)作为新的x1(t),重复 步骤①②,只有当h1k(t)满足IMF条件时迭代停止,记c1(t)为第一个IMF分量 imf(1):
c1(t)=h1k(t) (8)
④分解出第一个IMF分量之后残余分量为:
r1(t)=x1(t)-c1(t) (9)
将r1(t)看作新的数据序列x1(t),重复步骤①②③④依次得到各阶IMF分量 和残余分量rn(t),直到得到的函数rn(t)是单调函数或者是常数时结束。
⑤加有白噪声的数据序列x1(t)表示为各阶IMF分量和一个均值或趋势项 rn(t)之和,即:
3)重复步骤(1)和(2),在原始信号中加入N组不同的白噪声进行EMD 分解,得到式(11);
4)根据时域空间的总体平均收集到的白噪声会互相抵消原理,对应IMF 分量进行平均得到原始信号的IMF分量:
5)则原始信号可表示为式(13):
步骤五、对固有模态函数进行Hilbert变换得到谐波信号的时域局部特性
对每个IMF做希尔伯特变换可得式(14):
式中,p——柯西主值。
相应的复数解析函数为式(15):
由式(15)得:
式中,aj(t)为瞬时幅度;θj(t)为瞬时相位;fj(t)为瞬时频率。
步骤六、求得谐波含量和畸变率
根据谐波信号的时域局部特性,即谐波信号的瞬时幅度、瞬时相位和瞬时 频率,依据IEC61000-4-7标准得到:
第h次谐波含有率:
HGh=Gh/Gn×100% (17)
第h次间谐波含有率:
HGih=Gih/Gn×100% (18)
第h频段高频分量含有率:
HGhh=Ghh/Gn×100% (19)
总谐波畸变率:
式中,Gh——第h次谐波分量的有效值;Gn——风力发电机组的额定电流;Gih——第h次间谐波分量的有效值;Ghh——第h频段高频分量的有效值。
对每个十分钟时间数据进行统计分析,依据公式(17)-(20)计算10min 平均值,求得各次谐波含有率和谐波总畸变率。
实施例1、测量风力发电机组输出端谐波分量的幅值和起止时刻
参照图3和图4,为风力发电机组输出端谐波分量的谐波测量结果,为了 验证本文提出算法检测风力发电机组引起的谐波的准确性,依据式(21)设置谐 波信号,设置在不同时间发生不同次数的谐波,其中图4为谐波信号时间与频 率的关系,图3为谐波信号时间与幅值的关系。
式中, A1=14.5A,A3=0.5A,A5=1.2A,A7=1.0A,系统频率 f0=50Hz,仿真时间为10s。
由图3和图4可知,在0-4s出现幅值为1.2A的五次谐波,在4-7s出现幅 值为0.5A的三次谐波,在7-10s出现幅值为1.0A的七次谐波,谐波幅值与实 际数据吻合。可见,采用本文提出算法可以准确测量出风力发电机组引起谐波 分量的幅值和起止时刻。
实施例2、测量风力发电机组输出端产生电压暂降的测量结果示意图
由于风速的不确定性,导致并网风力发电机组输出电流、功率不稳定,引 起电网电压发生电压暂降。依据式(22)设置仿真信号,在风力发电机组输出端 产生电压暂降的情况下,对测量的准确性进行仿真验证。
参照图5和图6,为风力发电机组输出端产生电压暂降的测量结果示意图, 风力发电机组引起的电压跌落大小为原信号的90%,图5为时间与幅度的关系, 图6为时间与频率的关系。
式中, A1=400V,系统频率f0=50Hz,仿真时间 为10s。
由图5和图6可得,在2-3s和6-8s发生两次幅值为360V的电压暂降,可 见本发明可以准确测量出风力发电机组输出端产生电压暂降的起止时间及幅 值。
实施例3、进行风力发电机组谐波相关数据的测量
参照图7,为风力发电机组谐波系统的示意图,以内蒙古某风电场的小型 风力发电机组为例,对其进行风力发电机组电流、电压的数据采集,并对其进 行谐波测试。
以10min采集数据为例,求得每10min的平均值,分别计算各次谐波、间 谐波、高频分量以及总谐波的有效值和谐波畸变率,并对总谐波畸变率设置了 越限警告。与IEC推荐的离散傅里叶算法对比分析,准确度更高。
综上所述,本发明的误差明显小于IEC推荐的谐波测量方法、瞬时无功功 率法和Hilbert变换法等常见的谐波测量方法,具有自适应性解决了小波变换的 小波基选取的难题,而且可以准确测量出含有多个谐波分量的谐波含有率,同 时该方法也可以得到谐波分量对应的频率和发生的起止时间,此外,还可以检 测机组引起的电压暂降等电能质量问题。
本发明按照IEC标准实现了对风力发电机组电流、电压时间序列数据和风 速等参数的准确测量,并基于LabVIEW虚拟仪器对风力发电机组谐波做出准确 测量,同时LabVIEW编程增强了构建自我定制的系统的能力,为仪器编程和数 据采集系统的搭建提供了便捷,大大提高了工作效率。
以上公开的仅为本发明的一个具体实施例,但是,本发明实施例并非局限 于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (2)
1.一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统,其特征在于,包括:
步骤一、采集电流信号
依据IEC标准,采样率不低于20KHz,读取采集得到的电流信号I(t);
步骤二、通过Nuttall窗对电流信号I(t)进行加窗处理
使用4项最小旁瓣Nuttall窗w(t)对电流信号I(t)进行截断,得到截断后的信号:
Z(t)=I(t)w(t) (1)
其中,Nuttall窗的时域表达式为:
其中,m=0,1,...,M-1,M为Nuttall窗函数的项数,且t=1,2,...,T-1,T为自然数,bm为Nuttall窗系数,需满足下式:
步骤三、利用FFT进行滤波去除加窗后电流信号的基波分量
对4项最小旁瓣Nuttall窗截断后的信号Z(t)进行傅里叶变换,得到其频谱F(ω):
在频域去掉F(ω)的基波分量,得到F1(ω),对F1(ω)求傅里叶逆变换得到只包含谐波分量的信号Z1(t):
步骤四、对去除基波分量的数据序列采用EEMD进行分解得到固有模态函数;
将去除基波分量的数据序列设为x(t),对原始信号x(t)进行集合经验模态分解,得到一组固有模态函数IMF和残余分量r(t),IMF根据频率从高到低依次排列,每个IMF代表了信号包含的一个波动;具体分解步骤如下:
1)在原始信号x(t)上添加一组白噪声,得到加有白噪声的数据序列x1(t);
2)加有白噪声的数据序列经过EMD分解,筛选出各阶IMF分量;
①找到信号x1(t)的所有的局部极值点,对极值点采用三次样条插值法得到信号的上包络线v1(t)和下包络线v2(t),上下包络线求平均得到m1(t):
m1(t)=[v1(t)+v2(t)]/2 (6)
②将原信号与上下包络均值做差,得到数据序列h1(t):
h1(t)=x1(t)-m1(t) (7)
③判断h1(t)是否是固有模态函数,如不是,则将h1(t)作为新的x1(t),重复步骤①②,只有当h1k(t)满足IMF条件时迭代停止,记c1(t)为第一个IMF分量imf(1):
c1(t)=h1k(t) (8)
④分解出第一个IMF分量之后残余分量为:
r1(t)=x1(t)-c1(t) (9)
将r1(t)看作新的数据序列x1(t),重复步骤①②③④依次得到各阶IMF分量和残余分量rn(t),直到得到的函数rn(t)是单调函数或者是常数时结束;
⑤加有白噪声的数据序列x1(t)表示为各阶IMF分量和一个均值或趋势项rn(t)之和,即:
3)重复步骤(1)和(2),在原始信号中加入N组不同的白噪声进行EMD分解,得到式(11);
4)根据时域空间的总体平均收集到的白噪声会互相抵消原理,对应IMF分量进行平均得到原始信号的IMF分量:
5)则原始信号表示为:
步骤五、对固有模态函数进行Hilbert变换得到谐波信号的时域局部特性
对每个IMF做希尔伯特变换可得:
式中,p为柯西主值;
相应的复数解析函数为:
由式(15)得:
其中,aj(t)为瞬时幅度;θj(t)为瞬时相位;fj(t)为瞬时频率;
步骤六、求得谐波含量和畸变率
根据谐波信号的时域局部特性,即谐波信号的瞬时幅度、瞬时相位和瞬时频率,依据IEC61000-4-7标准得到:
第h次谐波含有率:
HGh=Gh/Gn×100% (17)
第h次间谐波含有率:
HGih=Gih/Gn×100% (18)
第h频段高频分量含有率:
HGhh=Ghh/Gn×100% (19)
总谐波畸变率:
其中,Gh为第h次谐波分量的有效值;Gn为风力发电机组的额定电流;Gih第为h次间谐波分量的有效值;Ghh为第h频段高频分量的有效值;
对每个十分钟时间数据进行统计分析,依据公式(17)-(20)计算10min平均值,求得各次谐波含有率和谐波总畸变率。
2.如权利要求1所述的系统,其特征在于,所述步骤二中的Nuttall窗为余弦组合窗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810999302.2A CN109061302A (zh) | 2018-08-30 | 2018-08-30 | 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810999302.2A CN109061302A (zh) | 2018-08-30 | 2018-08-30 | 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109061302A true CN109061302A (zh) | 2018-12-21 |
Family
ID=64758662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810999302.2A Pending CN109061302A (zh) | 2018-08-30 | 2018-08-30 | 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061302A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110320401A (zh) * | 2019-06-03 | 2019-10-11 | 济南大学 | 基于eemd和二点法的单相电压暂降检测方法、系统及应用 |
CN110826498A (zh) * | 2019-11-08 | 2020-02-21 | 南京东南建筑机电抗震研究院有限公司 | 基于hht的暂态电能质量检测方法 |
CN111413578A (zh) * | 2019-05-29 | 2020-07-14 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种次同步振荡的实时监测预警方法 |
CN111641229A (zh) * | 2020-06-16 | 2020-09-08 | 山东大学 | 基于扩展谐波域模型的风力发电系统输出监测方法及系统 |
CN112630527A (zh) * | 2020-12-04 | 2021-04-09 | 云南民族大学 | 基于经验小波变换的畸变信号电量计量方法 |
CN112730982A (zh) * | 2020-12-23 | 2021-04-30 | 华南理工大学 | 一种混合直流输电系统的谐波检测方法 |
CN114705913A (zh) * | 2022-04-12 | 2022-07-05 | 上海赢双电机有限公司 | 一种旋转变压器的谐波分析方法 |
CN116865269A (zh) * | 2023-09-01 | 2023-10-10 | 山东泰开电力电子有限公司 | 一种风电机组高谐波补偿方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198872A (zh) * | 2014-09-29 | 2014-12-10 | 徐雪松 | 在线式电能质量监测装置和方法 |
CN106324343A (zh) * | 2016-08-31 | 2017-01-11 | 河北工业大学 | 基于频移集合经验模态分解的谐波检测方法及检测系统 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
US20170287507A1 (en) * | 2016-03-31 | 2017-10-05 | OmniSpeech LLC | Pitch detection algorithm based on pwvt |
CN108061821A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种改进的双馈风力发电系统谐波检测方法 |
-
2018
- 2018-08-30 CN CN201810999302.2A patent/CN109061302A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198872A (zh) * | 2014-09-29 | 2014-12-10 | 徐雪松 | 在线式电能质量监测装置和方法 |
US20170287507A1 (en) * | 2016-03-31 | 2017-10-05 | OmniSpeech LLC | Pitch detection algorithm based on pwvt |
US10249325B2 (en) * | 2016-03-31 | 2019-04-02 | OmniSpeech LLC | Pitch detection algorithm based on PWVT of Teager Energy Operator |
CN106324343A (zh) * | 2016-08-31 | 2017-01-11 | 河北工业大学 | 基于频移集合经验模态分解的谐波检测方法及检测系统 |
CN108061821A (zh) * | 2016-11-05 | 2018-05-22 | 南京理工大学 | 一种改进的双馈风力发电系统谐波检测方法 |
CN106840637A (zh) * | 2017-03-24 | 2017-06-13 | 国网山东省电力公司莱芜供电公司 | 基于改进hht算法的gis机械振动信号时频分析方法 |
Non-Patent Citations (5)
Title |
---|
刘德利等: ""改进的希尔伯特-黄变换在电力谐波中的应用研究"", 《电力系统保护与控制》 * |
孙曙光等: ""EEMD在电力谐波检测中的应用"", 《电力系统及其自动化学报》 * |
张梅军等: "《 EEMD方法及其在机械故障诊断中的应用》", 31 October 2015, 国防工业出版社 * |
徐佳等: "《希尔伯特-黄变换理论及其在重大工程变形监测中的应用》", 31 July 2013, 煤炭工业出版社 * |
苏玉香等: ""基于HHT方法的电气化铁道谐波检测与分析"", 《铁道学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413578A (zh) * | 2019-05-29 | 2020-07-14 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种次同步振荡的实时监测预警方法 |
CN111413578B (zh) * | 2019-05-29 | 2022-07-05 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种次同步振荡的实时监测预警方法 |
CN110320401A (zh) * | 2019-06-03 | 2019-10-11 | 济南大学 | 基于eemd和二点法的单相电压暂降检测方法、系统及应用 |
CN110826498A (zh) * | 2019-11-08 | 2020-02-21 | 南京东南建筑机电抗震研究院有限公司 | 基于hht的暂态电能质量检测方法 |
CN111641229A (zh) * | 2020-06-16 | 2020-09-08 | 山东大学 | 基于扩展谐波域模型的风力发电系统输出监测方法及系统 |
CN112630527A (zh) * | 2020-12-04 | 2021-04-09 | 云南民族大学 | 基于经验小波变换的畸变信号电量计量方法 |
CN112730982A (zh) * | 2020-12-23 | 2021-04-30 | 华南理工大学 | 一种混合直流输电系统的谐波检测方法 |
CN114705913A (zh) * | 2022-04-12 | 2022-07-05 | 上海赢双电机有限公司 | 一种旋转变压器的谐波分析方法 |
CN114705913B (zh) * | 2022-04-12 | 2024-01-09 | 上海赢双电机科技股份有限公司 | 一种旋转变压器的谐波分析方法 |
CN116865269A (zh) * | 2023-09-01 | 2023-10-10 | 山东泰开电力电子有限公司 | 一种风电机组高谐波补偿方法及系统 |
CN116865269B (zh) * | 2023-09-01 | 2023-11-21 | 山东泰开电力电子有限公司 | 一种风电机组高谐波补偿方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061302A (zh) | 一种基于EEMD和Hilbert变换的并网风力发电机组谐波测量系统 | |
CN101718582B (zh) | 风力发电机组音调测试方法 | |
CN110648088B (zh) | 一种基于鸟群算法与svm的电能质量扰动源判断方法 | |
CN108169540A (zh) | 一种风力发电机组电压闪变的测量方法 | |
CN109001577B (zh) | 一种电能计量现场数据分析方法及系统 | |
CN111308260B (zh) | 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法 | |
CN110146813A (zh) | 一种分散式风电机组电能质量测试方法 | |
CN109659957A (zh) | 基于apit-memd电力系统低频振荡模式辨识方法 | |
CN105356462A (zh) | 风电场谐波预测评估方法 | |
CN115954017A (zh) | 一种基于hht的发动机小样本声音异常故障识别方法及系统 | |
CN109581045B (zh) | 一种满足iec标准框架的间谐波功率计量方法 | |
CN102981082A (zh) | 基于虚拟电网仿真的风电机组闪变模拟测试系统及方法 | |
Hamid et al. | Wavelet packet transform for RMS and power measurements | |
CN107860969A (zh) | 风力发电机组电能信息采集装置、系统和方法 | |
CN116975544A (zh) | 基于armax模型的电力系统惯量在线辨识系统与方法 | |
Rodrigues et al. | Low-cost embedded measurement system for power quality frequency monitoring | |
CN111523231A (zh) | 一种基于EEMD和Prony方法的次同步振荡分析方法 | |
CN113341223B (zh) | 一种适用于电网谐波分析及谐波源定位的方法 | |
CN106352974B (zh) | 一种数字式的声级计脉冲计权方法及装置 | |
CN113866493A (zh) | 一种风电引起电压波动与闪变的测量方法 | |
Kezunovic | Advanced assessment of the power quality events | |
CN107991563B (zh) | 供配电、并网实验的风光互补仿真实验装置及工作方法 | |
Ding et al. | Voltage flicker assessment of a weak system integrated wind farm | |
CN109103875A (zh) | 一种基于神经网络的自适应谐波振荡抑制方法与系统 | |
CN108508268A (zh) | 一种基于时频域分解的新型数字式闪变仪 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |