基于经验模态分解的电能质量信号消噪新方法

《基于经验模态分解的电能质量信号消噪新方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第21卷第4期长沙电力学院学报(自然科学版)V01．21No．42006年11月J0URNALOFCHANGSHAUNIVERSITYOFEU￡c删CP0w_ER(NATURLSCIENCE)NOV．2006基于经验模态分解的电能质量信号消噪新方法黄浩，胡峰(三峡大学电气信息学院，湖北宜昌4430o2)摘要：基于EMD理论，采用一种电能质量信号消噪的新方法，即首先对电能质量信号进行EMD分解，得到一系列的IMF分量和一个剩余分量，根据噪声和信号在不同尺度的IMF

2、分量上的表现特性，分别将其进行阈值处理，再将消噪后的IMF分量重构，从而得到消噪后的电能质量信号．仿真结果表明，该方法的消噪效果较好．关键词：电能质量；信号消噪；经验模态分解；固有模态函数；阈值处理中图分类号：TM714文献标识码：A文章编号：1006—7140(2006)04—0027—04ANewMethodofthePowerQualitySignalDe-noisingBasedonEmpiricalModeDecompositionHUANGHao，HUFeng(CollegeofElectrica

3、lEngineeringandInformationScience，ChinaThreeGorgesUnlversty，Yichang443002，China)Abstract：BasedontheEmpiricalModeDecomposition(EMD)，thispaperemploysanewmethodtore—movenoiseofpowerqualitysignals．Firstly，analysisthepowerqualitydisturbancesignalsbyEMD，aseriesof

4、intrinsicmodefunctions(IMFs)．andaresiduearegained．ThentheIMFsa1threshold；nn~lythede—noisedsignalsareacquiredbyreconstructingthethresholdIMFs．Thesimulationindicatesthatthisnewmethodhastheexcellentabilityofde—noising；itcouldobtainwonderfulresultindealingthpow

5、erqu~itysignalde·noising．Keywords：powerquality；signalde—noising；empiricalmodedecomposition；intrinsicmodefunction；thresholddisposal随着大量电力电子设备和非线性负荷在电力系恶劣．准确的电能质量监测是治理前提条件，电能质统中的广泛使用，电能质量信号受到得扰动越来越量信号消噪问题越来越引起人们的关注．收稿日期．：2006—09—10作者简介：黄浩(1983一)，男，硕士研究生，主要从事电

6、力系统运行及控制研究．维普资讯http://www.cqvip.com长沙电力学院学报(自然科学版)2006年11月电力系统中不可避免的存在大量的电磁噪声，值m(t)都等于零，那它就是固有模态函数，否则把待分析或检测的电能质量信号会被大量的电磁噪声h(t)当作原序列，重复以上步骤，直至满足固有模态淹没，这会影响检测效果．当噪声强度很大时，还会函数的定义，求出固有模态函数为止．使检测失败．因此有效的去除噪声，能够保证检测准求出第一个固有模态函数c(t)，即：从原序列确、顺利地进行．小波分析由于具有良好的时频分析

7、中分解出第一个分量，然后用原序列减去c(t)，得能力，能将信号和噪声分解在不同的尺度上，然后对到剩余值序列r(t)，即不同的尺度分别进行阈值处理从而达到消噪的目r】(t)=(t)一C1(t)．的，已有不少研究将其用于电能质量信号的消噪至此，提取第1个内在模函数的过程全部完成．中H“】．然而，小波分析和F兀'一样，仍是一种基于然后把r(t)作为一个新的原序列，按照以上步骤，基函数的分析方法，分析的结果在很大程度上依赖依次提取第2，第3⋯⋯直至第个固有模态函数于基函数的选取，而基函数的选择在很大程度上依c(t)之

8、后，由于r(t)变成一个单调序列，再也没有赖设计者的经验．固有模态函数能被提取出来．如果把分解后的各分量合并起来，就得到原序为克服以上困难，本文采用将经验模态分解用列(t)，即于电能质量信号的消噪，根据噪声和信号在不同程度上IMF分量表现的特性，对不同的IMF分量进行(t)=∑Ci(t)+(t)．阈值处理．由于EMD分解是一种完全基于信号的自将信号进行EMD分解的过程实际上是一个对适应分解，不存在基