基于EEMD算法的電能質(zhì)量擾動(dòng)檢測.pdf

1、目前，電網(wǎng)中非線性、波動(dòng)性、沖擊性、不平衡性負(fù)荷所占比重逐漸增大，導(dǎo)致電能質(zhì)量問題日益突出。為提高電能質(zhì)量，需要對(duì)電能質(zhì)量擾動(dòng)信號(hào)進(jìn)行有效檢測與分析。本文研究電能質(zhì)量擾動(dòng)信號(hào)的數(shù)字處理方法，對(duì)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解(EnsembleEmpirical Mode Decomposition，EEMD)算法進(jìn)行改進(jìn)，并將其應(yīng)用于電能質(zhì)量擾動(dòng)檢測。
　　首先，介紹電能質(zhì)量擾動(dòng)檢測的研究現(xiàn)狀，闡述了EEMD算法原理及實(shí)現(xiàn)步驟，針對(duì)EEMD算

2、法在電能質(zhì)量擾動(dòng)檢測中的不足，探討了其改進(jìn)的可能性。
　　其次，提出了基于去噪EEMD算法的電能質(zhì)量擾動(dòng)檢測方法。針對(duì)電能質(zhì)量擾動(dòng)信號(hào)的特點(diǎn)，對(duì)EEMD算法進(jìn)行改進(jìn)，將添加的單一輔助噪聲改為一對(duì)幅值相等的正負(fù)白噪聲，提高分解的準(zhǔn)確性;采用基于概率統(tǒng)計(jì)的參數(shù)自適應(yīng)給定方法，解決了EEMD算法需要人為主觀確定添加白噪聲幅度和集成平均次數(shù)這兩個(gè)參數(shù)的問題;對(duì)于分解得到的各個(gè)本征模態(tài)函數(shù)中噪聲影響較大的分量，給出了自適應(yīng)閾值去噪方法;將這

3、三個(gè)過程結(jié)合得到去噪EEMD算法，并應(yīng)用于電能質(zhì)量擾動(dòng)分析，實(shí)現(xiàn)了單一擾動(dòng)及復(fù)合擾動(dòng)的有效檢測。
　　最后，提出了基于自適應(yīng)EEMD算法的電能質(zhì)量擾動(dòng)檢測方法?，F(xiàn)有EEMD算法在篩選各本征模態(tài)函數(shù)時(shí)添加的白噪聲是相同的，由于高頻成分與低頻成分對(duì)噪聲的敏感度不同，添加相同的白噪聲可能會(huì)使分解出現(xiàn)模態(tài)混疊現(xiàn)象。針對(duì)這一問題，構(gòu)造幅值隨本征模態(tài)函數(shù)的頻率自適應(yīng)變化的輔助白噪聲，將該白噪聲代替EEMD算法中的高斯白噪聲，結(jié)合去噪EEMD方

4、法，得到自適應(yīng)EEMD算法。將該方法應(yīng)用于電能質(zhì)量擾動(dòng)信號(hào)分析，提高了擾動(dòng)信號(hào)分解的自適應(yīng)性和準(zhǔn)確性，有利于準(zhǔn)確獲取電能質(zhì)量擾動(dòng)特征。
　　構(gòu)造諧波、電壓暫降、暫升、振蕩、脈沖等單一電能質(zhì)量擾動(dòng)信號(hào)，以及多種復(fù)合擾動(dòng)信號(hào)，利用改進(jìn)的EEMD算法進(jìn)行擾動(dòng)檢測。仿真結(jié)果表明，去噪EEMD算法和自適應(yīng)EEMD算法均能準(zhǔn)確檢測出各種類型擾動(dòng)的起止時(shí)間和擾動(dòng)幅度;自適應(yīng)EEMD算法在篩選次數(shù)較少時(shí)比去噪EEMD算法具有更好的檢測精度，因而檢