基于EEMD算法的电能质量扰动检测

发布时间：2017-09-22 08:04

  本文关键词：基于EEMD算法的电能质量扰动检测

  更多相关文章： 电能质量 检测 经验模态分解 模态混叠 去噪

【摘要】：目前,电网中非线性、波动性、冲击性、不平衡性负荷所占比重逐渐增大,导致电能质量问题日益突出。为提高电能质量,需要对电能质量扰动信号进行有效检测与分析。本文研究电能质量扰动信号的数字处理方法,对总体平均经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)算法进行改进,并将其应用于电能质量扰动检测。首先,介绍电能质量扰动检测的研究现状,阐述了EEMD算法原理及实现步骤,针对EEMD算法在电能质量扰动检测中的不足,探讨了其改进的可能性。其次,提出了基于去噪EEMD算法的电能质量扰动检测方法。针对电能质量扰动信号的特点,对EEMD算法进行改进,将添加的单一辅助噪声改为一对幅值相等的正负白噪声,提高分解的准确性；采用基于概率统计的参数自适应给定方法,解决了EEMD算法需要人为主观确定添加白噪声幅度和集成平均次数这两个参数的问题；对于分解得到的各个本征模态函数中噪声影响较大的分量,给出了自适应阈值去噪方法；将这三个过程结合得到去噪EEMD算法,并应用于电能质量扰动分析,实现了单一扰动及复合扰动的有效检测。最后,提出了基于自适应EEMD算法的电能质量扰动检测方法。现有EEMD算法在筛选各本征模态函数时添加的白噪声是相同的,由于高频成分与低频成分对噪声的敏感度不同,添加相同的白噪声可能会使分解出现模态混叠现象。针对这一问题,构造幅值随本征模态函数的频率自适应变化的辅助白噪声,将该白噪声代替EEMD算法中的高斯白噪声,结合去噪EEMD方法,得到自适应EEMD算法。将该方法应用于电能质量扰动信号分析,提高了扰动信号分解的自适应性和准确性,有利于准确获取电能质量扰动特征。构造谐波、电压暂降、暂升、振荡、脉冲等单一电能质量扰动信号,以及多种复合扰动信号,利用改进的EEMD算法进行扰动检测。仿真结果表明,去噪EEMD算法和自适应EEMD算法均能准确检测出各种类型扰动的起止时间和扰动幅度；自适应EEMD算法在筛选次数较少时比去噪EEMD算法具有更好的检测精度,因而检测结果较好。
【关键词】：电能质量 检测 经验模态分解 模态混叠 去噪
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM711
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-19
• 1.1 研究背景与意义10-11
• 1.2 电能质量概论11-14
• 1.2.1 电能质量概述11-12
• 1.2.2 电能质量分类12-14
• 1.3 电能质量扰动检测方法14-17
• 1.3.1 时域分析方法14-15
• 1.3.2 频域分析方法15
• 1.3.3 时频域分析方法15-17
• 1.4 本文研究的主要内容17-19
• 第2章 EEMD算法及其在电能质量扰动检测中的应用19-34
• 2.1 HHT变换19-27
• 2.1.1 EMD算法19-23
• 2.1.2 EMD算法的不足23-26
• 2.1.3 HHT的应用26-27
• 2.2 EEMD算法27-29
• 2.2.1 白噪声的EMD特征27-28
• 2.2.2 EEMD算法基本理论28-29
• 2.3 EEMD算法的两个参数讨论29-30
• 2.3.1 添加噪声的幅度29-30
• 2.3.2 集成平均次数30
• 2.4 EEMD算法在电能质量检测中的应用30-33
• 2.4.1 暂态扰动检测31-32
• 2.4.2 谐波检测32-33
• 2.5 本章小结33-34
• 第3章 基于去噪EEMD算法的电能质量扰动检测34-46
• 3.1 前言34
• 3.2 去噪EEMD算法34-39
• 3.2.1 添加不同白噪声的改进EEMD算法34-35
• 3.2.2 基于概率统计的改进EEMD算法35-36
• 3.2.3 EEMD算法去噪原理36-38
• 3.2.4 去噪EEMD算法38-39
• 3.3 去噪EEMD算法在电能质量扰动检测中的应用39-45
• 3.3.1 单一电能质量扰动检测39-44
• 3.3.2 复合扰动检测44-45
• 3.4 本章小结45-46
• 第4章 基于自适应EEMD算法的电能质量扰动检测46-59
• 4.1 自适应EEMD算法46-49
• 4.1.1 EEMD算法选取白噪声的不足46-47
• 4.1.2 自适应EEMD算法47-49
• 4.2 自适应EEMD算法在电能质量扰动检测中的应用49-58
• 4.2.1 单一电能质量扰动检测49-54
• 4.2.2 谐波检测54-56
• 4.2.3 复合扰动检测56-58
• 4.3 自适应EEMD算法在电能质量扰动检测中的特点58
• 4.4 本章小结58-59
• 结论59-61
• 参考文献61-65
• 致谢65-66
• 附录A 攻读学位期间所获成果66-67
• 附录B 攻读学位期间参加的科研项目67

【相似文献】

中国期刊全文数据库 前10条

1 刘守亮,肖先勇;基于S变换的短时电能质量扰动检测与分类[J];四川电力技术;2005年S1期

2 罗滇生;何洪英;姚建刚;;短时电能质量扰动分类方法研究[J];计算机工程与应用;2008年17期

3 唐轶;刘昊;方永丽;;基于时域特征分析的电能质量扰动分类[J];电力系统自动化;2008年17期

4 黄南天;徐殿国;刘晓胜;;基于改进多层前馈神经网络的电能质量扰动分类[J];电子测量与仪器学报;2009年10期

5 赖晓君;孙洪成;;一种新的电能质量扰动分类识别算法[J];电气开关;2011年02期

6 陈祥训;采用小波技术的几种电能质量扰动的测量与分类方法[J];中国电机工程学报;2002年10期

7 薛蕙,杨仁刚;基于小波包除噪的电能质量扰动检测方法[J];中国电机工程学报;2004年03期

8 束洪春,王晶,陈学允;动态电能质量扰动的多刻度形态学分析[J];中国电机工程学报;2004年04期

9 吕干云,丁屹峰,程浩忠;一种基于改进锁相环系统的电能质量扰动检测方法[J];电力系统及其自动化学报;2004年05期

10 潘洪湘,宗伟,刘连光;基于数字信号处理器的短时电能质量扰动检测算法[J];电网技术;2004年20期

中国重要会议论文全文数据库 前7条

1 曹立中;吴杰;苏春苑;;基于多方法的电能质量扰动研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

2 刘林;林涛;;基于连续小波变换和专家系统的电能质量扰动识别研究[A];中南七省（区）电力系统专业委员会第二十二届联合学术年会论文集[C];2007年

3 张东中;袁帅;佟为明;;基于复小波和神经网络的电能质量扰动识别与分类[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

4 陈春玲;许童羽;袁野;;基于多类分类SVM的电能质量扰动识别[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

5 耿云玲;王群;何怡刚;;典型电能质量扰动信号的小波检测[A];2004全国测控、计量与仪器仪表学术年会论文集（上册）[C];2004年

6 方群会;;基于LS_SVM的暂态电能质量扰动分类[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

7 张宇;李海维;;小波理论和网格分形在电能质量扰动检测中的应用[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

中国博士学位论文全文数据库 前10条

1 宋雪雷;基于小波变换和支持向量机的电能质量扰动分析方法[D];哈尔滨工业大学;2007年

2 陈春玲;电能质量扰动分析与监测研究[D];沈阳农业大学;2009年

3 舒泓;电能质量扰动检测和分类问题的研究[D];北京交通大学;2009年

4 胡为兵;电能质量扰动的自动识别和定位相关理论研究[D];华中科技大学;2008年

5 秦英林;电能质量扰动的自动识别和时刻定位研究[D];山东大学;2010年

6 易吉良;基于S变换的电能质量扰动分析[D];湖南大学;2010年

7 张明;电能质量扰动相关问题研究[D];华中科技大学;2010年

8 黄文清;电能质量扰动在线监测方法研究[D];湖南大学;2007年

9 单任仲;并联型复合电能质量扰动及补偿的控制方法与实现[D];华北电力大学（北京）;2010年

10 刘应梅;电能质量扰动检测和分析的研究[D];中国电力科学研究院;2003年

中国硕士学位论文全文数据库 前10条

1 潘冬寅;电能质量扰动信号降维及分类研究[D];南京林业大学;2012年

2 郝婉茹;基于原子分解快速算法的电能质量扰动检测与分类研究[D];燕山大学;2015年

3 邓为权;基于EEMD和SVM的电能质量扰动检测与分析研究[D];昆明理工大学;2015年

4 胡巧琳;风电并网的电能质量扰动检测方法研究[D];西南交通大学;2015年

5 朱玲;混合电能质量扰动的检测与分类[D];西南交通大学;2015年

6 薛文婷;暂态电能质量扰动检测分析与评估的研究[D];华北电力大学;2015年

7 韩刚;电能质量扰动检测与分类识别方法研究[D];中国矿业大学;2015年

8 章俊;电能质量扰动信号的检测与识别[D];南昌大学;2015年

9 张语R，

本文编号：899667