基于掩膜分量的改进HHT方法在电能质量扰动信号定位中的应用.pdf

《基于掩膜分量的改进HHT方法在电能质量扰动信号定位中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《电气自动化}2o13年第35卷第5期电力系统及其自动化PowerSystem＆Automation基于掩膜分量的改进HHT方法在电能质量扰动信号定位中的应用刘力，毕贵红，祖哲，陈仕龙(昆明理工大学电力工程学院，云南昆明650050)摘要：为克服EMD方法的缺点，提出了一种基于掩膜分量的改进HHT方法对电能质量进行检测。首先对信号进行神经网络预测延拓，并对延拓部分进行加窗处理，有效的抑制了端点效应在经验模态分解过程中带来的影响。然后用掩膜信号法对电能质量扰动信号进行分解，得到包含单一频率的精确的经验模态函数分量，再对各分量进行Hilbert变换，并对瞬时幅值求导就

2、能确定出电能质量扰动的起止点。仿真结果表明，基于掩膜的改进HHT方法能有效克服端点效应和模态混叠对信号分解的影响，适用于各种暂态扰动的分析。关键词：HHT；端点效应；模态混叠；掩膜信号法；扰动定位DOI：10．3969／j·issn．1000—3886．2013．05．020[中图分类号]TM764．1[文献标志码]A[文章编号]1000—3886(2013)05—0055—03ApplicationOfMaskComponent-basedRefinedHHTintheLocatingofPowerQualityDisturbanceSignalUULi，BIG

3、ui．hong。ZUZhe．CHENShi—long(CollegeofElectricalEngineering，KunmingUniversityofScienceandTechnology，KunmingYunnan650050，China)Abstract：ToovercometheshortcomingofEMD，thispaperpresentsamaskcomponent—basedrefined"Hilbert—Huangtransforms(HHT)tocheckpowerquality．First，thesignalsundergoextend

4、edforecastingintheneuralnetwork，andtheextendedpartundergoeswindowingprocessSOthattheendeffectissuppressedintheEMDprocess．Afterthat，thepowerqualitydisturbancesignalisdecomposedinthemasksignalingmethodtoobtainaccurateintrinsicmodefunction(IMF)containingsinglefrequency，beforeHilberttrans

5、formationisperformedandthestartandendpointsofpowerqualitydisturbancearedeterminedthroughderivationoftheinstantaneousamplitude．Thesimulationresultsindicatethatthemask—basedrefinedHHTcaneffectivelyovercometheaffectionoftheendeffectandmodemixingonsignaldecomposition，andissuitableforanaly

6、sisofinstantaneousdisturbances．Keywords：HHT(Hilbert—Huangtransforms)；endeffect；modemixing；masksignaling；disturbancelocating0引言论表明EEMD对电能质量的检测比EMD更具有优势。文献[11]将EEMD方法用于单一及复合电能质量扰动的检测中，同随着科学技术和国民经济的飞速发展，电力系统的规模在不时指出EEMD虽然对改善模态混叠现象有一定的优势，但其自身断扩大，大量非线性和大功率负荷投运所带来的一系列电能质量也存在一些不足之处，如运算量大，分解时

7、间较长，尤其对谐波和问题直接影响了供电的可靠性和安全性，因此对电能质量扰动信间谐波的分解上仍然不能完全避免模态混叠。号的检测已经成为国内外近年来的一个研究热点。为了能对非平稳信号进行精确的模态分量分解，国内外学者近年来发展起来的希尔伯特一黄(Hilbert—HuangTransform，做了大量研究。文献[12]提出的掩膜信号法能有效的解决这一HHT)能有效的处理非平稳和非线性信号，HHT方法首先对信现象，文献[13—14]对此方法进行了进一步的探讨，总结出掩膜号进行经验模态分解(EmpiricalModeDecomposition，EMD)，得到信号法的适用范围

8、及分解过程