一种基于经验模态分解的电压异常特征识别方法技术

本发明专利技术涉及电力系统电能质量监测分析领域，具体是涉及一种基于经验模态分解的电压异常特征识别方法。该方法包括：信号处理器对电力系统电压信号设定采样周期为T，并进行实时采样和量化得到原始信号v(t)；对原始信号v(t)采用经验模态分解得到各阶IMF模态分量；对原始信号v(t)的第一个IMF模态分量采用希尔伯特-黄变换得到瞬时频率图和瞬时幅值图；依据希尔伯特-黄变换图中的突变点、幅值变化、瞬时频率走势特征信息对电压异常信号进行检测和识别。该方法可以针对电力系统非线性、非平稳信号进行处理，从希尔伯特-黄变换图谱中可以清晰辨析出信号的不同特征，实现了从海量电压扰动信号中自动提取并正确分类电能质量检测分析问题。

【技术实现步骤摘要】

本专利技术涉及电力系统电能质量监测分析领域，具体是涉及一种基于经验模态分解的电压异常特征识别方法。
技术介绍
在现代电力系统中，电力电子设备的应用日益广泛，随之带来各种随机性、非线性、冲击性、波动性以及暂态性的电力信号，电力系统电能质量日益遭受越来越为严重的污染。鉴于此，负载端(用户端)对供电可靠性和电能质量分析的要求也日趋增加。另一方面，电压异常信号的存在，给电力系统带来严重的不良影响。例如：伺服电机的不正常运行，减少电力设备的使用寿命，增加电能损耗，严重时可能导致供电故障等。针对电力系统电压异常扰动信号问题，国内外对此进行了深入细致的研究工作，提出了众多提取特征信息的方法，如：傅里叶变换法、小波变换法、加窗傅里叶变换、S变换等，取得了一些效果的同时也存在一定不足之处。例如：基于傅里叶变换及其一系列改进的分析方法，存在一定的频谱泄漏现象和栅栏效应，只能分析平稳信号，对暂态和突变扰动信号往往采用加窗算法对其进行修正，然而窗函数的选取需要依据信号特点，窗函数选取的不适当可能会造成信号失真；基于小波变换的分析方法，在电能质量扰动处理方面得到较为广泛的应用，然而其极易受信号噪声影响，不适应对时域变化为主的扰动信号；S变换是一种新型的时频域分析方法，近年来在电力信号特征信息提取方面取得长足发展，然而其算法结构复杂，分析长信号时对系统硬件要求高。
技术实现思路
为解决上述技术问题，本专利技术提供了一种基于经验模态分解的电压异常特征识别方法，为实现从海量电压扰动信号中自动提取并正确分类电能质量检测分析。为实现上述目的，本专利技术采用了以下技术方案：一种基于经验模态分解的电压异常特征识别方法，包括以下步骤：步骤A：信号处理器对电力系统电压信号设定采样周期为T，并进行实时采样和量化得到原始信号v(t)，其中t＝1、2、3…m，所述m根据实际设备采样率设定，所述采样周期单位为s，所述电压信号单位为V；步骤B：对原始信号v(t)采用经验模态分解得到各阶IMF模态分量；步骤C：对原始信号v(t)的第一个IMF模态分量采用希尔伯特-黄变换得到瞬时频率图和瞬时幅值图。进一步的，在步骤C后面设有步骤D，其中：步骤D：依据希尔伯特-黄变换图中的突变点、幅值变化、瞬时频率走势特征信息对电压异常信号进行检测和识别。进一步的技术方案：所述步骤B：对原始信号v(t)采用经验模态分解得到各阶IMF模态分量的具体步骤为：S101：第1次筛选：对原始信号v(t)所有局部极大值点和所有局部极小值点用三次样条函数进行插值，并拟合上、下包络线；S102：求取上、下包络线的平均值曲线M1(t)，则原始信号v(t)与M1(t)之差即为P1(t)，所述P1(t)＝v(t)-M1(t)；S103：如果P1(t)同时满足下述IMF模态分量的两个条件，则其为第一个IMF模态分量，否则将其作为新的原始信号重复步骤S101到S102，得到P11(t)，所述P11(t)＝P1(t)-M11(t)，其中：M11(t)为P1(t)的上、下包络线的平均曲线；所述IMF模态分量满足的两个条件为：(1)整个时间历程内，穿越零点次数与极值点数相等或至多相差1；(2)且信号上任意一点，由局部极大值定义的上包络线和局部极小值点定义的下包络线的均值为0，即信号关于时间轴局部对称；S104：重复上述步骤筛选，直到第k次筛选时由式(1)得到的P1k(t)满足IMF模态分量的两个条件：P1k(t)＝P1(1-k)(t)-M1k(t)(1)；S105：在实际计算时可以通过式(2)求取门限值SD来判断每次筛选结果是否为IMF模态分量：SD=Σt=0m|P1(k-1)(t)-P1k(t)P21(k-1)(t)|---(2);]]>其中：m为电力系统信号的采样点数，门限值SD取0.2到0.3；S106：令C1(t)＝P1k(t)，则C1(t)即为第一个IMF模态分量，其包含了原始信号v(t)中周期最短的IMF模态分量；将C1(t)从v(t)中分离出来，得到R1(t)，所述R1(t)＝v(t)-C1(t)；S107：将R1(t)作为新的原始信号重复以上步骤S101至S105n次，可获得原始信号v(t)的n个IMF分量Ci(t),i＝1,2,3…n，且有公式Rn(t)＝Rn-1(t)-Cn(t)；S108：当Rn(t)为单调函数从原始信号v(t)不能再分解出其他分量时，整个分解过程结束，此时有如下公式：v[t]=Σi=1nCi(t)+Rn(t).]]>进一步的技术方案：所述步骤C：对原始信号v(t)的第一个IMF模态分量采用希尔伯特-黄变换得到瞬时频率图和瞬时幅值图的具体步骤为：S109：将通过经验模态分解后获得的所有IMF模态分量Ci(t)进行希尔伯特-黄变换，其中i＝1,2,3…n，给定C(t)的希尔伯特-黄变换形式为：其中，λ为积分变量，C(t)为所有IMF模态分量Ci(t)的统称；S110：构造一个解析信号Z(t)：Z(t)＝C(t)+iH(t)＝A(t)eiθ(t)，其中i为单位虚数，i2＝-1。上式中：幅值函数：所述幅值单位为V；幅角函数：所述幅角单位为rad；即可得到，瞬时频率：所述频率单位为Hz。进一步的技术方案：所述步骤D：依据希尔伯特-黄变换图中的突变点、幅值变化、瞬时频率走势特征信息对电压异常信号进行检测和识别的具体步骤为：S111：对电力系统中电压异常信号进行分类，所述电压异常信号包括电压骤降、电压骤升、电压骤停、电压谐波、电压脉冲、电压暂态；S112：依据希尔伯特-黄变换图中针对不同的电压异常信号的突变点、幅值变化以及瞬时频率走势的特性信息不同，分类识别出电力系统中电压发生的异常情况，具体识别方法为：正常时刻电压瞬时频率维持在50Hz，若电压瞬时频率经历先上升再下降后维持一段平稳时间，然后再上升再下降；相对应的，电压幅值先上升后经历同样一段平稳时间过程再下降，由此表明此种异常信号为电压骤降；正常时刻电压瞬时频率维持在50Hz，若电压瞬时频率经历先下降再上升后维持一段平稳时间，然后再下降再上升；相对应的，电压幅值先下降后经历同样一段平稳时间再上升，由此表明此种异常信号为电压骤升；电压骤停异常信号与电压骤降异常信号特征信息相似，区别在于无论是电压瞬时频率还是电压幅值异常曲线变化是否收敛到零，电压骤停异常瞬时频率和电压本文档来自技高网...

【技术保护点】
一种基于经验模态分解的电压异常特征识别方法，其特征在于，包括以下步骤：步骤A：信号处理器对电力系统电压信号设定采样周期为T，并进行实时采样和量化得到原始信号v(t)，其中t＝1、2、3…m，所述m根据实际设备采样率设定，所述采样周期单位为s，所述电压信号单位为V；步骤B：对原始信号v(t)采用经验模态分解得到各阶IMF模态分量；步骤C：对原始信号v(t)的第一个IMF模态分量采用希尔伯特‑黄变换得到瞬时频率图和瞬时幅值图。

【技术特征摘要】
1.一种基于经验模态分解的电压异常特征识别方法，其特征在于，包括
以下步骤：
步骤A：信号处理器对电力系统电压信号设定采样周期为T，并进行实
时采样和量化得到原始信号v(t)，其中t＝1、2、3…m，所述m根据实际设备
采样率设定，所述采样周期单位为s，所述电压信号单位为V；
步骤B：对原始信号v(t)采用经验模态分解得到各阶IMF模态分量；
步骤C：对原始信号v(t)的第一个IMF模态分量采用希尔伯特-黄变换得
到瞬时频率图和瞬时幅值图。
2.根据权利要求1所述的一种基于经验模态分解的电压异常特征识别
方法，其特征在于在步骤C后面设有步骤D，其中：
步骤D：依据希尔伯特-黄变换图中的突变点、幅值变化、瞬时频率走势
特征信息对电压异常信号进行检测和识别。
3.根据权利要求2所述的一种基于经验模态分解的电压异常特征识别
方法，其特征在于，所述步骤B：对原始信号v(t)采用经验模态分解得到各阶
IMF模态分量的具体步骤为：
S101：第1次筛选：对原始信号v(t)所有局部极大值点和所有局部极小
值点用三次样条函数进行插值，并拟合上、下包络线；
S102：求取上、下包络线的平均值曲线M1(t)，则原始信号v(t)与M1(t)之
差即为P1(t)，所述P1(t)＝v(t)-M1(t)；
S103：如果P1(t)同时满足下述IMF模态分量的两个条件，则其为第一个
IMF模态分量，否则将其作为新的原始信号重复步骤S101到S102，得到P11(t)，
所述P11(t)＝P1(t)-M11(t)，其中：M11(t)为P1(t)的上、下包络线的平均曲线；
所述IMF模态分量满足的两个条件为：(1)整个时间历程内，穿越零
点次数与极值点数相等或至多相差1；(2)且信号上任意一点，由局部极大
值定义的上包络线和局部极小值点定义的下包络线的均值为0，即信号关于
时间轴局部对称；
S104：重复上述步骤筛选，直到第k次筛选时由式(1)得到的P1k(t)满足
IMF模态分量的两个条件：
P1k(t)＝P1(1-k)(t)-M1k(t)(1)；
S105：在实际计算时可以通过式(2)求取门限值SD来判断每次筛选结
果是否为IMF模态分量：
SD=Σt=0m|P1(k-1)(t)-P1k(t)P21(k-1)(t)|---(2);]]>其中：m为电力系统信号的采样点数，门限值SD取0.2到0.3；
S106：令C1(t)＝P1k(t)，则C1(t)即为第一个IMF模态分量，其包含了原始
信号v(t)中周期最短的IMF模态分量；将C1(t)从v(t)中分离出来，得到R1(t)，
所述R1(t)＝v(t)-C1(t)；
S107：将R1(t)作为新的原始信号重复以上步骤S101至S105n次，可获
得原始信号v(t)的n个IMF分量Ci(t),i＝1,2,3…n，且有公式
Rn(t)＝Rn-1(t)-Cn(t)；
S108：当Rn(t)为单调函数从原始信号v(t)不能再分解出其他分量时，整
个分解过程结束，此时有如下公式：...

【专利技术属性】
技术研发人员：陈波，陈浩，储昭碧，李华，张斌斌，孔艳，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34