EEMD分解在电力系统故障信号检测中的应用

《EEMD分解在电力系统故障信号检测中的应用》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、第27卷第3期计算机仿真2010年3月文章编号：1006—9348(2010)03—0263—04EEMD分解在电力系统故障信号检测中的应用陈可1，李野2，陈澜1(1．西北工业大学自动化学院，陕西西安710072；2．西北工业大学动力与能源学院，陕西西安710072)摘要：针对经验模态分解(EMD)的希尔伯特一黄变换(HIlT)在电力系统故障信号检测问题，应用存在的模态混叠会导致扰动信号检测失效，为此提出一种基于聚类经验模型分解(EEMD)的故障信号检测的方法。方法通过多次对目标数据加入随机白噪声序列以保证不同区域信号映射的完整性，并且克服了传统EMD分解造成的模态混叠问题，通过

2、EEMD方法提取信号的固有模态函数(IMF)，再进行Hilbert变换，利用Hilbert谱对故障暂态和扰动时刻进行检测，通过瞬时频率实现对故障暂态和扰动时刻的准确定位。通过数字仿真分析表明，方法是准确有效的。关键词：聚类经验模态分解；希尔伯特一黄变换；故障检测中图分类号：TM715文献标识码：BEnsembleEmpiricalModeDecompositionforPowerQualityDetectionApplicationsCHENKel。LIYe2。CHENLanl(1．CollegeofAutomation，NorthwesternPolytechniealUniv

3、ersity，Xi’anShanxi710072，China；2．CollegeofPowerandEnergy，NorthwesternPolytechnicalUniversity，Xi’anShanxi710072，China)ABSTRACT：Accordingtothemodemixingproblemcausedbyempiricalmodedecomposition(EMD)，theHilbert—HuangtransformbasedonEnsembleEmpiricalModeDecomposition(EEMD)isintroducedintofaultsig

4、naldetec-tionofpowersystem，itcanovercomethemodemixingproblemin?agreatextent，andensurethephysicalmeaningofsisnalcomponents．Thesi酬isfirstlydecomposedintointrinsicmodefunction(IMF)bytheEEMDmethod，thenHilbertspectrumisobtainedformHilberttransform．ThetransientanddisturbancesCanbeanalyzedanddetecte

5、date-curatelythroughtheHilbertspectrum．SimulationresultsshowthatthemethodCallbeappliedtofaultsignaldetectionofpowersystemeffectively．KEYWORDS：EEMD；Hilbert—Huangtransform；Faultdetectionl引言电力系统发生故障后，其故障信号中包含了大量的非基频暂态信号，且这种故障暂态分量随着时间、故障点位置、故障点过渡电阻以及系统工况的不同而变化，它是一种典型的非平稳随机过程。如何快速地检测出故障时刻，并准确地对故障信

6、号进行分析，如何实现故障暂态和扰动时刻的准确定位，从而确保电力系统保护装置的及时启动是一个亟待解决的检测问题。传统的傅立叶变换是一种全域变换，它不能反映非平稳信号统计量的时间特征，不能满足非平稳的电力故障信号检测；小波变换在时域和频域同时具有良好的局部化性质，已被广泛地应用到电力系统故障时刻检测、电能质量扰动、行波信号的奇异性检测等方面，但是小波变换的有效性依赖于小波基函数的选取，有时还存在随着尺度增大相应收稿日期：2008—12—16修回日期：2009-01—14正交基函数频谱局部性变差的缺陷，造成无法对信号进行精确的时频分析⋯。希尔伯特一黄变换(Hilbert—HuangTr

7、ansform，HHT)是继小波变换之后，于1998年提出的又一种主要用于非平稳信号分析的新方法旧j。HHT方法首先通过经验模态分解(EmpiricalModeDecomposition，EMD)对非线性、非平稳数据进行线性和平稳化处理，以得到固有模态函数(IntrinsicModeFunction，IMF)分量，再对数据进行Hilbert变换，计算各自的瞬时频率、瞬时振幅，得到信号的Hilbert谱，进而得到Hilbert边际谱。该方法既吸取了小波变换的多变分析优势，又避免了小