CN113176460A - 一种基于改进经验小波变换的电能质量扰动信号检测方法 - Google Patents
一种基于改进经验小波变换的电能质量扰动信号检测方法 Download PDFInfo
- Publication number
- CN113176460A CN113176460A CN202110464981.5A CN202110464981A CN113176460A CN 113176460 A CN113176460 A CN 113176460A CN 202110464981 A CN202110464981 A CN 202110464981A CN 113176460 A CN113176460 A CN 113176460A
- Authority
- CN
- China
- Prior art keywords
- frequency
- disturbance
- signal
- power quality
- disturbance signal
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 abstract description 19
- 230000000694 effects Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 22
- 230000007547 defect Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000002816 gill Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Noise Elimination (AREA)
Abstract
本发明公开了一种基于改进经验小波变换的电能质量扰动信号检测方法,包括如下步骤:对电能质量扰动信号频谱进行尺度空间表示,依据尺度空间表示结果的动态测度大小确定扰动信号的特征频点;在原有频带边界的基础上对边界进行延拓,根据获取的扰动信号的特征频点,在延拓后的频带边界基础上构造经验小波;运用改进后的经验小波变换将电能质量扰动信号分解为若干调幅‑调频分量;根据调幅‑调频分量,获取扰动信号的检测结果。本发明有效抑制了传统EWT存在的频谱“过切分”现象,同时也不存在模态混叠问题,充分考虑IEWT的分解结果特性,采用NHT方法准确地从各模态中提取扰动参数,因而具有良好的扰动时频检测效果。
Description
技术领域
本发明属于电力系统自动化领域,涉及电能质量扰动信号检测与分析技术,具体涉及一种基于改进经验小波变换的电能质量扰动信号检测方法。
背景技术
随着智能电网建设的不断推进,电力系统中接入的电力电子装置数量不断增加,源荷波动性特征日益显著,引发了一系列严重电能质量污染问题。同时,精密仪器与敏感设备的广泛使用也对电网电能质量提出了更高要求。为有效治理和评估电能质量问题,首先应对各类电能质量扰动进行快速准确分析。
近年来,国内外学者已对电能质量扰动检测方法展开了深入研究。短时傅里叶变换(Short Time Fourier Transform,STFT)能够联合时频信息对扰动信号进行检测,但由于窗函数固定,检测精度有待提高;小波变换(Wavelet Transform,WT)虽克服了STFT时频分辨率单一的缺陷,但其小波基和分解层数往往难以确定;S变换作为STFT和WT的扩展,具有良好的时频分析性能和噪声鲁棒性,但其分析结果仍受限于Heisenberg测不准原理,且运算繁杂;以希尔伯特黄变换(Hilbert Transform-Huang,HHT)和局部均值分解(LocalMean Decomposition,LMD)为代表的非平稳信号分解算法也被运用于电能质量扰动分析,并表现出良好的自适应性,但该类方法存在模态混叠、对噪声敏感等缺陷,严重制约了其应用范围受。此外,变分模态分解(Variational Mode Decomposition,VMD)也被应用于电能质量扰动检测,该方法较好地克服了模态混叠现象,但需预先设置算法参数,未能实现自适应检测,且检测效果受参数大小影响较大;奇异值梯度信息也被用于检测暂态电能质量扰动参数,其具有较好的噪声抑制能力和过零点检测效果,能够准确定位扰动时刻,但无法对幅值、频率等扰动参数进行检测。
经验小波变换(Empirical Wavelet Transform,EWT)是由法国学者Gilles于2013年提出的一种新的信号分析方法,该方法融合了经验模态分解(EMD)的自适应性和小波分析的理论框架,能够以少量运算成本获取良好的分析效果,在抑制EMD模态混叠问题的同时,弥补了WT频带划分固定的缺陷,已被有效应用于工程信号分析。然而,现行方法未能有效解决传统EWT存在的频谱“过切分”问题,导致EWT运用于电能质量扰动信号分析时存在自适应性弱的缺点。
发明内容
发明目的:针对电能质量信号分析领域现有EWT技术存在的不足,以及现有电能质量扰动信号检测方法在检测精度方面存在的不足,提供一种基于改进经验小波变换(Improved Empirical Wavelet Transform,IEWT)的电能质量扰动信号检测方法,其兼具良好的模态分解能力和抗噪性能,适用于复杂电能质量扰动信号的检测与分析,用以解决经验小波变换(Empirical Wavelet Transform,EWT)用于电能质量信号分析时,其频带划分结果易受频谱泄露和噪声污染干扰的问题。
技术方案:为实现上述目的,本发明提供一种基于改进经验小波变换的电能质量扰动信号检测方法,包括如下步骤:
S1:对电能质量扰动信号频谱进行尺度空间表示,依据尺度空间表示结果的动态测度大小确定扰动信号的特征频点;
S2:在原有频带边界的基础上对边界进行延拓,根据获取的扰动信号的特征频点,在延拓后的频带边界基础上构造经验小波;
S3:运用改进后的经验小波变换将电能质量扰动信号分解为若干调幅-调频分量;
S4:根据调幅-调频分量,获取扰动信号的检测结果。
进一步地,所述步骤S1具体包括如下步骤:
A1:设含有N个特征频点的电能质量扰动信号为f(t),对其实施快速Fourier变换,结果为F(ω);
A2:定义F(ω)的尺度空间表示(Scale-Space Representation,SSR)的离散形式;
A3:采用动态测度对尺度空间表示中的极大值点进行去趋势评价,确定扰动信号的特征频点。
进一步地,所述步骤A2中定义高斯核函数为
式中:n为尺度因子;则F(ω)的尺度空间表示的离散形式为:
进一步地,所述步骤A3具体为:设xu为L(ω,n)中的某一极大值点,若L(ω,n)中存在比xu更高的点,则xu的动态测度Dyn(xu)等于其到所有等高点路径中最小路径的动态测度,即:
Dyn(xu)={inf{Dyn[l(xu,xv)]};halt(xu)=halt(xv)}
式中:l(xu,xv)表示xu通向等高点xv的路径;inf{·}表示下确界;halt(·)表示高度;此时,若Dyn(xu)大于判别阈值Td,即可判定xu为特征频点。
进一步地,所述步骤S2的具体过程为:
B1:捕捉全部N个特征频点{Ωn}Nn=1后,选取相邻两特征频点间中点对应的频率作为频带划分边界;同时,在保留前N个边界{ωn}N-1n=0的基础上,按下式对频带边界进行延拓:
进一步地,所述步骤B1中根据信号频谱中特征频点的数目,将电能质量扰动分为单频扰动和多频扰动;对于纯净的单频电能质量扰动,参考Mallat算法定义的频带剖分规则,设置λ=(π/2-ΩN)/(ΩN-ωN-1),即定义区间ΛN+1=[π/2,π],以获取扰动信号频谱中蕴含的高频畸变信息;当扰动信号中混有噪声干扰时,考虑到扰动分量频谱在频域关于峰值点对称,令λ=1可以在保留扰动信号频域特征的同时,使最高频分量完全落入上下截止频率分别为ωN-1和ωN的带通滤波器内,从而免受高频噪声的污染。
进一步地,所述步骤S3中电能质量扰动信号为电压信号或电流信号。
进一步地,所述步骤S4具体为:对各扰动分量实施标准希尔伯特变换(NormalizedHilbertTransform,NHT)求取其瞬时幅值与瞬时频率,从而获取扰动信号的时频谱图以及扰动幅值、扰动频率和扰动起止时刻参数。
进一步地,所述步骤S4中扰动分量的瞬时幅值与瞬时频率的求取方法为:
C1:采用三次样条函数对|x(t)|的极大值点进行拟合,获取经验包络函数a(t),并依据下式对单分量信号x(t)进行标准化:
x1(t)=x(t)/a(t)
C2:求取标准化后所得信号|x1(t)|的经验包络函数a1(t),理论上此时a1(t)应当小于等于1,否则将上述步骤迭代进行n次,直至an(t)≤1;至此,单分量x(t)已被分解为调幅与调频部分乘积的形式,标准化所得信号xn(t)即为调频信号,调幅部分A(t)则定义为:
A(t)=x(t)/xn(t)=a(t)a1(t)…an(t)
C3:此时,xn(t)已为近似纯调频信号,直接通过希尔伯特变换获取其瞬时频率函数F(t):
本发明的步骤S4中针对IEWT的分解结果,相较于传统希尔伯特变换结果,标准希尔伯特变换结果在端点处幅值更加平稳,不存在飞翼现象,更适用于IEWT分解结果中扰动信息的提取。
有益效果:本发明与现有技术相比,具备如下优点:
(1)本发明有效抑制了传统EWT存在的频谱“过切分”现象,同时也不存在模态混叠问题。
(2)本发明充分考虑IEWT的分解结果特性,采用NHT方法准确地从各模态中提取扰动参数,因而具有良好的扰动时频检测效果。
(3)本发明无需前置滤波单元,无论是纯净或是染噪扰动信号,均能对其进行准确分析,对于过零点扰动同样能够取得不错的检测效果,普适性较强。
(4)较之其他时频分析方法,本发明方法运算量低,实时性良好,易于整合至数字监测装置,适用于电能质量扰动信号的快速、准确检测。
附图说明
图1是改进经验小波变换流程图;
图2是电压暂升波形及其频谱划分结果图;
图3是电压暂升扰动分析结果(SNR=∞dB)图;
图4是电压暂升扰动分析结果(SNR=20dB)图;
图5是实测谐波扰动及其频谱划分结果图;
图6是实测谐波扰动分析结果图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一、本发明提供一种基于改进经验小波变换的电能质量扰动信号检测方法,包括如下步骤:
S1:对电能质量扰动信号频谱进行尺度空间表示,依据SSR结果的动态测度大小确定扰动信号的特征频点。
具体包括如下步骤:
A1:设含有N个特征频点的电能质量扰动信号为f(t),对其实施快速Fourier变换,结果为F(ω);
A2:定义高斯核函数为
式中:n为尺度因子;则F(ω)的尺度空间表示的离散形式为:
A3:由SSR定义可知,干扰频点随着n增大将逐渐消失,但特征频点也会随之被淹没。为了获取更高的特征频点频域分辨率,同时考虑到较小尺度下的SSR中仍可能存在幅值较大的干扰极值点,本步骤采用动态测度对SSR中的极大值点进行去趋势评价。
设xu为L(ω,n)的中某一极大值点,若L(ω,n)中存在xu更高的点,则xu的动态测度Dyn(xu)等于其到所有等高点路径中最小路径的动态测度,即
Dyn(xu)={inf{Dyn[l(xu,xv)]};halt(xu)=halt(xv)}
式中:l(xu,xv)表示xu通向等高点xv的路径;inf{·}表示下确界;halt(·)表示高度。此时,若Dyn(xu)大于判别阈值Td,即可判定xu为特征频点。本实施例中,n=9,Td=5。
S2:在原有频带边界的基础上对边界进行延拓,根据获取的扰动信号的特征频点,在延拓后的频带边界基础上构造经验小波。具体包括如下:
B1:捕捉全部N个特征频点{Ωn}Nn=1后,选取相邻两特征频点间中点对应的频率作为频带划分边界;同时,在保留前N个边界{ωn}N-1n=0的基础上,按下式对频带边界进行延拓:
式中:λ为可调边界延拓系数;此时,信号频谱将被分割为N+1个连续区间{Λn}N+1n=1;
根据信号频谱中特征频点的数目,可将电能质量扰动分为单频扰动和多频扰动。对于纯净的单频电能质量扰动,参考Mallat算法定义的频带剖分规则,设置λ=(π/2-ΩN)/(ΩN-ωN-1),即定义区间ΛN+1=[π/2,π],以获取扰动信号频谱中蕴含的高频畸变信息。当扰动信号中混有噪声干扰时,考虑到扰动分量频谱在频域关于峰值点对称,令λ=1可以在保留扰动信号频域特征的同时,使最高频分量完全落入上下截止频率分别为ωN-1和ωN的带通滤波器内,从而免受高频噪声的污染。
B2:参照Littlewood-Paley和Meyer小波构造方法定义经验小波紧框架并在频域构造经验尺度函数和经验小波函数采用类似经典小波变换的方法将f(t)分别同经验尺度函数和经验小波函数作内积,即可得到近似系数和细节系数此外,当窗宽因子γ满足下式时方可获取相应的紧支集窗函数,其值大小对扰动检测效果并无显著关联,本实施例中设置γ=γmin(1-1/L)/2,L为扰动信号长度。
至此,改进后的经验小波变换实施流程如图1所示。
S3:运用改进后的经验小波变换将电能质量扰动信号分解为若干调幅-调频分量,其中,扰动信号可以为电流信号或电压信号。
S4:对各扰动分量实施标准希尔伯特变换求取其瞬时幅值与瞬时频率,从而获取扰动信号的时频谱图以及扰动幅值、扰动频率和扰动起止时刻参数。
扰动分量的瞬时幅值与瞬时频率的求取方法为:
C1:采用三次样条函数对|x(t)|的极大值点进行拟合,获取经验包络函数a(t),并依据下式对单分量信号x(t)进行标准化:
x1(t)=x(t)/a(t)
C2:求取标准化后所得信号|x1(t)|的经验包络函数a1(t),理论上此时a1(t)应当小于等于1,否则将上述步骤迭代进行n次,直至an(t)≤1;至此,单分量x(t)已被分解为调幅与调频部分乘积的形式,标准化所得信号xn(t)即为调频信号,调幅部分A(t)则定义为:
A(t)=x(t)/xn(t)=a(t)a1(t)…an(t)
C3:此时,xn(t)已为近似纯调频信号,直接通过希尔伯特变换获取其瞬时频率函数F(t):
针对IEWT的分解结果,相较于传统希尔伯特变换结果,标准希尔伯特变换结果在端点处幅值更加平稳,不存在飞翼现象,更适用于IEWT分解结果中扰动信息的提取。因此,本发明采用NHT对IEWT分解所得的单分量x(t)进行解调,以获取更为良好的电能质量扰动时频分析效果;同时,结合IEWT的变换结果和各扰动分量的瞬时幅值、频率函数,获取扰动信号时频谱图并实现扰动信号幅值、频率以及起止时刻的检测。
二、基于上述方案,本实施例将本发明方法进行实例应用,具体如下:
实施例1:
对于采样频率为6.4kHz,信号时长0.24s的电压暂升扰动f1(t),暂降起止时刻分别为0.0652s和0.1645s,运用IEWT对f1(t)进行检测,扰动波形及其频带划分结果如图2所示,扰动分析结果如图3所示。从中可知,对于纯净的电压暂升扰动信号,其特征频点数N=1,故原信号被分解为近似分量c1和细节分量c2。观察图3可知,在近似分量c1保留了暂升扰动幅值特征的同时,IEWT还继承了经典小波变换良好的奇异点检测性能,依据c2可以对扰动的起止时刻进行定位,且定位精度可与经典小波方法相媲美。
向f1(t)中添加信噪比为20dB的白噪声,倘若继续按图3中的频谱划分方式对扰动进行检测,分解结果如图4(a)所示。此时,分量c1、c2均受到严重的噪声污染,难以从中获取有效信息。因此,针对噪声环境下的扰动检测问题,本发明对边界延拓系数进行修正,调整后的频谱划分方式以及扰动检测结果分别如图4(b)、(c)所示。从中可知,染噪信号被分解为基频分量c1和噪声分量c2,分量c1虽丢失了扰动突变信息,但保留了其幅值特征。分别采用HT和NHT求取c1的瞬时幅值函数,结果表明,NHT在端点处幅值更加平稳,不存在飞翼现象,因而更适用于IEWT分解结果中扰动信息的提取。
观察图4(c)可知,c1的瞬时幅值曲线A(t)中不仅包含扰动幅值信息,还可以对扰动时刻进行定位。考虑到曲线A(t)的变化率总是在上升或下降段的中点附近取得最大值,令阈值τ=[max(A)+min(A)]/2,A(t)穿越τ时的所在位置即对应扰动的发生与终止时刻,求得起始于0.0654s,终止于0.1649s,平均误差仅为0.3ms。采用去除部分端点后均值拟合的方法对扰动期间的幅值曲线进行处理,即可获取扰动幅值为0.4981,且检测误差小于0.2%。
实施例2:
为进一步说明本发明检测算法的实时性,在配有i5-8500CPU以及16GRAM的实验电脑上,分别采用HHT、VMD、MIST和本发明方法对纯净扰动信号f1(t)进行检测,算法耗时对比结果如表1所示。
表1检测算法实时性对比
由表1可知,VMD能够同时分析全部5类扰动,但由于算法存在多次迭代分解过程,因而耗时最久;MIST虽在原始S变换的基础上有所简化,但运算时间仍然较长;HHT的运算量相对较小,但其无法对复杂扰动进行分析;相比之下,本发明算法以小波变换为理论基础,无需对扰动信号进行迭代筛分,算法耗时约为HHT的十分之一,具有良好的实时检测性能。
实施例3:
以某地35kV配电线路发生的一起单相短路事件为例,故障期间短路相电压波形(归一化后,下同)及其频谱划分结果如图5所示,录波装置采样频率为12.8kHz,信号时长0.24s。对该实测信号进行IEWT时频分析,扰动分解结果及其时频谱图如图6所示。由图6可知,IEWT凭借其良好的模态分解性能从原始信号中有效提取出基波以及各次谐波。进一步观察基于各扰动分量绘制的NHT时频谱图可以发现,各模态幅值平稳且频率单一,能够从中准确获取谐波的幅值与频率大小。相比之下,由于真实谐波扰动中各次谐波的幅频参数并非恒定不变,致使扰动波形中极值点分布不均,故HHT、LMD方法均出现了模态混叠。
为验证本算法用于实测信号分析时的抗噪性能,分别在无噪以及30dB信噪比下采用本发明方法对该扰动进行分析,以验证本发明算法用于实测信号分析时的抗噪性能,并将结果与无噪环境下由IEC推荐的基于加窗Fourier变换的谐波测量方法所得结果进行对比,结果如表2所示。从中可知,本发明方法检测结果与IEC标准结果十分接近,幅值和频率平均检测误差分别为0.68%和0.07%,具有良好的检测精度,同时也表明,较强的噪声耐受性能使得该方法即使在噪声干扰下也能对实测扰动进行准确分析。
表2实测谐波检测结果
Claims (9)
1.一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,包括如下步骤:
S1:对电能质量扰动信号频谱进行尺度空间表示,依据尺度空间表示结果的动态测度大小确定扰动信号的特征频点;
S2:在原有频带边界的基础上对边界进行延拓,根据获取的扰动信号的特征频点,在延拓后的频带边界基础上构造经验小波;
S3:运用改进后的经验小波变换将电能质量扰动信号分解为若干调幅-调频分量;
S4:根据调幅-调频分量,获取扰动信号的检测结果。
2.根据权利要求1所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤S1具体包括如下步骤:
A1:设含有N个特征频点的电能质量扰动信号为f(t),对其实施快速Fourier变换,结果为F(ω);
A2:定义F(ω)的尺度空间表示的离散形式;
A3:采用动态测度对尺度空间表示中的极大值点进行去趋势评价,确定扰动信号的特征频点。
4.根据权利要求3所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤A3具体为:设xu为L(ω,n)中的某一极大值点,若L(ω,n)中存在比xu更高的点,则xu的动态测度Dyn(xu)等于其到所有等高点路径中最小路径的动态测度,即:
Dyn(xu)={inf{Dyn[l(xu,xv)]};halt(xu)=halt(xv)}
式中:l(xu,xv)表示xu通向等高点xv的路径;inf{·}表示下确界;halt(·)表示高度;此时,若Dyn(xu)大于判别阈值Td,即可判定xu为特征频点。
6.根据权利要求5所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤B1中根据信号频谱中特征频点的数目,将电能质量扰动分为单频扰动和多频扰动;对于单频电能质量扰动,设置λ=(π/2-ΩN)/(ΩN-ωN-1),即定义区间ΛN+1=[π/2,π],以获取扰动信号频谱中蕴含的高频畸变信息;当扰动信号中混有噪声干扰时,考虑到扰动分量频谱在频域关于峰值点对称,令λ=1可以在保留扰动信号频域特征的同时,使最高频分量完全落入上下截止频率分别为ωN-1和ωN的带通滤波器内,从而免受高频噪声的污染。
7.根据权利要求1所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤S3中电能质量扰动信号为电压信号或电流信号。
8.根据权利要求1所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤S4具体为:对各扰动分量实施标准希尔伯特变换求取其瞬时幅值与瞬时频率,从而获取扰动信号的时频谱图以及扰动幅值、扰动频率和扰动起止时刻参数。
9.根据权利要求8所述的一种基于改进经验小波变换的电能质量扰动信号检测方法,其特征在于,所述步骤S4中扰动分量的瞬时幅值与瞬时频率的求取方法为:
C1:采用三次样条函数对|x(t)|的极大值点进行拟合,获取经验包络函数a(t),并依据下式对单分量信号x(t)进行标准化:
x1(t)=x(t)/a(t)
C2:求取标准化后所得信号|x1(t)|的经验包络函数a1(t),将上述步骤迭代进行n次,直至an(t)≤1;至此,单分量x(t)已被分解为调幅与调频部分乘积的形式,标准化所得信号xn(t)即为调频信号,调幅部分A(t)则定义为:
A(t)=x(t)/xn(t)=a(t)a1(t)…an(t)
C3:此时,xn(t)已为近似纯调频信号,直接通过希尔伯特变换获取其瞬时频率函数F(t):
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464981.5A CN113176460A (zh) | 2021-04-28 | 2021-04-28 | 一种基于改进经验小波变换的电能质量扰动信号检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464981.5A CN113176460A (zh) | 2021-04-28 | 2021-04-28 | 一种基于改进经验小波变换的电能质量扰动信号检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113176460A true CN113176460A (zh) | 2021-07-27 |
Family
ID=76926965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110464981.5A Pending CN113176460A (zh) | 2021-04-28 | 2021-04-28 | 一种基于改进经验小波变换的电能质量扰动信号检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113176460A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115048957A (zh) * | 2022-06-08 | 2022-09-13 | 福州大学 | 基于isvmd-ht的复合电能质量扰动参数辨识方法 |
CN116539333A (zh) * | 2023-06-16 | 2023-08-04 | 中国汽车工程研究院股份有限公司 | 基于车用冲击传感器的碰撞测量信号预处理方法及装置 |
CN116701822A (zh) * | 2023-08-07 | 2023-09-05 | 云南电网有限责任公司 | 基于麻雀搜索算法与变分模态分解的负荷电能计量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732440A (zh) * | 2018-04-17 | 2018-11-02 | 北京理工大学 | 一种暂态电能质量检测方法及系统 |
CN108921082A (zh) * | 2018-06-28 | 2018-11-30 | 哈尔滨工程大学 | 基于经验小波和希尔伯特变换的柴油机燃烧共振频率提取方法 |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
CN111141520A (zh) * | 2020-02-24 | 2020-05-12 | 江南大学 | 一种基于改进经验小波变换的滚动轴承故障诊断方法 |
CN111623982A (zh) * | 2020-06-15 | 2020-09-04 | 大连理工大学 | 一种基于apewt和imomeda的行星齿轮箱早期故障诊断方法 |
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 |
-
2021
- 2021-04-28 CN CN202110464981.5A patent/CN113176460A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732440A (zh) * | 2018-04-17 | 2018-11-02 | 北京理工大学 | 一种暂态电能质量检测方法及系统 |
CN108921082A (zh) * | 2018-06-28 | 2018-11-30 | 哈尔滨工程大学 | 基于经验小波和希尔伯特变换的柴油机燃烧共振频率提取方法 |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
CN111141520A (zh) * | 2020-02-24 | 2020-05-12 | 江南大学 | 一种基于改进经验小波变换的滚动轴承故障诊断方法 |
CN111623982A (zh) * | 2020-06-15 | 2020-09-04 | 大连理工大学 | 一种基于apewt和imomeda的行星齿轮箱早期故障诊断方法 |
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 |
Non-Patent Citations (1)
Title |
---|
吴建章 等: ""基于改进经验小波变换的电能质量扰动检测新方法"", 《电力自动化设备》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115048957A (zh) * | 2022-06-08 | 2022-09-13 | 福州大学 | 基于isvmd-ht的复合电能质量扰动参数辨识方法 |
CN116539333A (zh) * | 2023-06-16 | 2023-08-04 | 中国汽车工程研究院股份有限公司 | 基于车用冲击传感器的碰撞测量信号预处理方法及装置 |
CN116701822A (zh) * | 2023-08-07 | 2023-09-05 | 云南电网有限责任公司 | 基于麻雀搜索算法与变分模态分解的负荷电能计量方法 |
CN116701822B (zh) * | 2023-08-07 | 2023-11-28 | 云南电网有限责任公司 | 基于麻雀搜索算法与变分模态分解的负荷电能计量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113176460A (zh) | 一种基于改进经验小波变换的电能质量扰动信号检测方法 | |
CN103245832B (zh) | 基于快速s变换的谐波时频特性参数估计方法及分析仪 | |
CN108152674B (zh) | 一种基于特征点辨识和线性插值的故障行波滤波方法 | |
CN107543962B (zh) | 主导间谐波频谱分布的计算方法 | |
Yao et al. | Fast S-transform for time-varying voltage flicker analysis | |
CN111693775A (zh) | 一种输电网的谐波检测方法、装置和介质 | |
CN113325277A (zh) | 一种局部放电处理方法 | |
Huda et al. | Power quality signals detection using S-transform | |
CN116865269B (zh) | 一种风电机组高谐波补偿方法及系统 | |
CN113032716A (zh) | 基于加窗插值和Prony算法的谐波与间谐波分析方法 | |
Abidullah et al. | Real-time power quality signals monitoring system | |
Chang et al. | A synchrosqueezing transform-based hybrid method for voltage fluctuations assessment | |
Gupta et al. | Estimation of instantaneous frequencies using iterative empirical mode decomposition | |
CN110095691B (zh) | 基于全波形主频分量的初始行波波头提取方法和装置 | |
Hochbrückner et al. | Digital filtering methods for interferences on partial discharges under DC voltage | |
Abdullah et al. | Bilinear time-frequency analysis techniques for power quality signals | |
CN106872777B (zh) | 一种谐波和间谐波分离分析方法 | |
CN114487589A (zh) | 电网宽频信号自适应测量方法、装置及系统 | |
Xin et al. | De-noising of GIS UHF Partial Discharge monitoring based on wavelet method | |
CN114184838A (zh) | 基于sn互卷积窗的电力系统谐波检测方法、系统及介质 | |
Ramos et al. | DSP based power quality analyzer using new signal processing algorithms for detection and classification of disturbances in a single-phase power system | |
Xiao | A new wavelet coefficients correlation denoising method applied in fault detection | |
Khan | Signal processing techniques used in power quality monitoring | |
CN113092850B (zh) | 一种简化s变换的时频谱分析方法及系统 | |
CN112034253B (zh) | 一种moa在线监测方法 |
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: 20210727 |