✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知,求助可私信。
🔥 内容介绍
传统时频分析方法在处理复杂的故障信号时存在一定的局限性,已经不能满足电力系统发生故障和复杂扰动时的电力信号的实时分析的需要。本文应用Hilbert-Huang变换(HHT)进行电能质量暂态多扰动信号的分析与研究。
Hilbert-Huang变换(HHT)是一种新的非平稳信号处理技术,该方法由经验模态 分解(EMD)与Hilbert谱分析两部分组成。任意的非平稳信号首先经过EMD方法处理后被分解为一系列具有不同特征尺度的数据序列,每一个序列称为一个固有模态函数(IMF),然后对每个IMF分量进行Hilbert谱分析得到相应分量的Hilbert谱,汇总所有Hilbert谱就得到了原信号的谱图。该方法从本质上讲是对非平稳信号进行平稳化处理,将信号中真实存在的不同尺度波动或趋势逐级分解出来,最终用瞬时频率和能量来表征原信号的频率含量。
本文研究了基于HHT的暂态电能质量扰动检测方法,介绍了HHT的基本原理和利用HHT检测电能质量多扰动信号的实现方法。仿真试验表明该方法可以实时检测扰动的起止时刻,持续时间和扰动幅度,适用于电能质量多扰动的监测和辨识系统。
1.1课题研究背景及意义
电能作为一种人们广泛使用的能源,其应用程度是一个国家发展水平和综合国力的主要标志之,电能又是一种由电力部门向电力用户提供并由双方共同保证质量的特殊产品。因此电能具有其它工业产品相同的基本特征,尤其重要的是质量问题。电能的质量是伴随着电力系统的产生和发展的。在早期,电力系统简单地由线性负荷组成,衡量电能质量(Power Quality)只有频率偏差和电压偏差两项主要指标【1】,电压的扰动甚至停电对人们的生活、生产的影响不大,造成的损失也不特别严重。但是自上世纪八十年代以来,随着国民经济的高速发展,电能质量的问题越来越受到人们密切关注。一方面,电弧炉、轧钢机、电力机车及家用电器等非线性、冲击性、不对称性负荷大量地投入使用,使得电网的非线性、非对称性和波动性日趋严重,从而可能引起变压器过热、网损增加、计量仪表误差增大、对通信干扰增大、导致各种保护误动作等。同时在现代工业中为了实行节能和能量转换,各行各业广泛采用了各种电力电子装置,给电力系统造成了严重“污染”,成为电力系统新的主要谐波源【2】。另一方面,供电质量的恶化,严重影响人们的生活,造成了巨大经济损失。家用电器因电能质量的恶化不能正常工作,甚至会造成损坏。工业和制造业影响尤为严重【3】。例如,马钢曾因谐波问题造成设备损坏和大面积停电,经济损失近千万元;宝钢也曾因电能质量问题使电炉停产近一年,经济损失在5亿元人民币以上;陕西安康地区由于电网中持续的5次谐波谐振,致使年损失电能量达166万kWh;山西省晋东南电网的太焦线电气铁道的谐波和负序干扰,引起10个变电站全部停产,造成数亿元的经济损失:我国西南地区的电气化铁路引起电能质量下降,对某卫星基地的设备正常运转造成严重的威胁,在卫星发射期间,电力部门不得不暂时改变电气化铁路供电系统的运行方式。另外,据美国官方统计:近20年来,全球范围内每年因电能质量扰动和电气环境污染引起的国民经济损失高达300亿美元。现代科学技术的高速发展促使工业生产过程高度自动化和智能化,这些高新技术工业对供电质量要求很高。低质量的供电将恶化产品质量,特别对于一些特殊的企业,供电的突然中断将会带来巨大的经济损失,甚至灾难性的后果【4】。如柔性制造系统(FMS)和计算机综合制造系统(CIMS)对各种电能扰动尤为敏感,几分之一秒的不正常供电就可能引起制造系统的混乱。
为了保证电网和电气设备的安全、可靠、经济运行,必须采取一定的控制、补偿技术,来提高和改善电力系统电能质量,这些控制和改善措施得以充分发挥其作用的首要条件是及时获得各种扰动源的准确信息。而暂态电能质量扰动的种类繁多、特征复杂,扰动的特征边缘可能重叠,现有的电能质量监测、分析仪器对门槛阈值的设定依赖性极强【5】,造成门槛阈值难以设置恰当,加上监测设备的数据容量有限,使得记录到的数据是局部和片面的,真正有用的信息往往难以捕捉到。针对随着信息技术的飞速发展而暴露的日益严重的暂态电能质量问题,需要寻求新的定位、检测、分析、压缩、识别等方法,制定新的适应暂态电能质量评估的各项指标,因此对暂态电能质量及扰动检测问题的研究,在理论和应用方面具有重要的意义。
1.2电能质量及其多扰动
1.2.1电能质量
从普遍意义上讲,电能质量是指优质供电。但是迄今为止,人们对电能质量的技术含义却存在着不同的认识,这是因为人们对电能质量的技术含义存在着不同的认知,看问题的角度也不尽相同,IEEE标准化协调委员会已正式采用“power quality”(电能质量)这一术语,并且给出了相应的技术含义:合格电能质量的概念是指给敏感设备提供的电力和设置的接地系统是均适合于该设备正常工作的电能,但是IEC并没有采用“power quality”(电能质量)这一术语,而是提出了使用“EMC”(电磁兼容)术语,指出和强调设备之间的相互作用和影响,以及电源和设各之间的相互作用与影响【6】。电能质量问题的研究是由电力用户的生产需求驱动的,用户的衡量标准应占有优先的位置。电能质量除了保证额定电压和额定频率下的正弦波形外,还包括所有的瞬变现象,如冲击脉冲、衰减振荡等。自电能作为一种消费品进入人类的生活开始,就存在了电能质量这一问题,随着电能使用范围的扩展和现代化工业水平的迅猛发展,电能质量的问题日渐为人们所关注,电能质量问题也日趋复杂,究其原因大概可以分为以下几类:
(1) 用电负荷日趋复杂化和多样化,半导体整流和逆变装置以及变频调速装置等电力电子设备的应用,这些具有非线性、谐波丰富、冲击性和不平衡特征的负荷会影响到供电电网,给电能质量提出了新的问题。
(2) 负荷设备对电能质量变化更加敏感,许多新型负荷装置都含有基于微处理器的控件和电力电子器件,这些控件和器件对于多种扰动都很敏感,如大型的集成芯片生产厂,如果其供电中断超过几个工频周波就会造成芯片被毁。
(3) 终端用户越来越了解断电、电压骤降以及开关暂态等电能质量问题,他们将督促电力部门提高供电质量。
(4) 电力系统的各个部分的联系日益紧密,也就意味着供用电双方的相互影响越来越紧密。
电能质量研究的另一个方向是研究电能质量监测分析系统,对电能质量进行精确的分析、评估。电能质量监测分析具有如下现实意义:
(1) 改善电能质量必须采取合理的措施,而合理措施的制定往往依赖于电能质量的分析和评估。
(2) 电能质量的好坏不仅仅取决于电力生产企业,全面保障电能质量既是电力企业的责任,也是用户(干扰性负荷)应尽的义务,对电能质量进行监测分析是获得电能质量信息的直接途径,是约束发、供、用三方共同遵守国家电能质量标准的前提条件。
1.2.2 电能质量多扰动
电能质量暂态信号分析是电力系统故障诊断及暂态保护的基础和依据。电力系统涉及的各种暂态信号大多属于非平稳信号,并且由于负载的复杂多样性和随机性,以及外部干扰等因素,这些非平稳的暂态信号往往交织叠加形成多扰动信号作用于正常的电力信号【7】,对这种暂态多扰动信号进行分析成为研究动态电能质量的一个重要方面。近年来,国内外学者对电能质量多扰动问题进行的研究主要集中在电能质量多扰动检测和定位、电能质量多扰动信号压缩、电能质量多扰动识别等方面【8】。此外,电能质量扰动信号消噪、暂态扰动建模和分析、电压暂降分析和特征提取方面的研究也是电能质量研究的热点问题。而本文研究的电能质量多扰动问题主要为电能质量多扰动信号的起止时间定位,幅值及频率检测。
1.3 HHT及其研究现状
近年来,随着电力电子装置以及非线性、冲击性负荷的广泛应用,对电能质量的污染越来越严重,其中电压凹陷、电压暂升、瞬态振荡、瞬态脉冲等暂态电能质量扰动影响尤为明显,而计算机、微电子、通信许多敏感用户对电能质量提出了很高的要求。对暂态电能质量扰动进行有效、快速、准确检测和定位,将有助于电力系统的工作人员明确供、用电双方的责任,是动态电压补偿、电网故障分析和电能质量辩识的前提,有助于电能质量综合评估,对改善和提高电能质量有重要意义【9】。
针对上述问题国内外有大量的电力工作者和研究人员在此方面作了大量研究,传统的Fourier变换法、小波变换算法、多分辨率分析、瞬时无功理论以及S变换等许多方法均已用于电能质量扰动的检测。
自十九世纪J.Fourier首次提出傅立叶变换至今,它一直是信号处理领域中最完善、最经典、应用最广泛的一种分析手段。1965年,Cooley和Tukey提出了FFT算法,从而使傅立叶分析在实际工程领域得到了更广的应用。但是,傅立叶变换有其局限性,它是一种整体或全局变换,即对信号的表征要么完全在时域,要么完全在频域,作为频域表示的频谱或功率谱并不能说明其中的某种频率分量出现在什么时候及其变化情况,无法获得信号各频率分量随时间变化的规律【10】,而且被分析系统必须是线性的,信号必须是严格周期或者平稳的,否则分析结果无物理意义。也就意味着传统的Fourier变换由于其全局变换特性,无法反映这些信号的时变特征,也就不能准确地描述和提取出所需的信息,不适合用于分析这类非平稳的暂态信号,需要用在时域和频域都有较高分辨率的时变信号分析方法来提取相关信息。
而近年来研究和应用较多的小波变换理论,能够在时域和频域内同时得到较高的分辨率,但其本质上是一种窗口可调的傅立叶变换,小波变换的基函数是预先确定的,分解的效果取决于基函数的选择,仍未根本摆脱傅立叶变换的局限性,所以不能保证最优的分解效果【11】。
1998年,美籍华人科学家Norden.E.Huang等人提出了一种新的信号处理方法Hilbert—Huang变换(简称HHT),其中最关键的是经验模态分解(Empirical Mode Decomposition),简称EMD方法,该方法从本质上讲是对一个信号进行平稳化处理,其结果是将信号中真实存在的不同尺度波动或趋势逐级分解出来,产生一系列具有不同特征尺度的数据序列。Huang把这种逐级分解的过程称为“筛”过程【12】,每一个序列称为一个固有模态函数(Intrinsic Mode Function),简称IMF分量,然后对每一个IMF进行Hilbert变换,得到时间频率联合分布的Hilbert谱。把EMD方法与Hilbert变换相结合是一种全新的信号处理方法。它的最大特点在于引入IMF分量,并赋予了复杂数据信号的每个振动模式的瞬时频率这一物理意义,通过求取瞬时频率,能够清楚地定义波间与波内频率调制,这两种频率调制在傅立叶分析中很难分辨,在小波分析中也只有波间频率调制可以模糊地分辨出来。波间与波内频率调制的提出,对非平稳与非线性系统给出了更深的认识,因此,在EMD分析方法的基础上结合其它方法的研究可能为信号处理与分析开辟新的途径【13】。
Norden E.Huang在初次提出HHT时,对潮汐波动信号、海啸波信号、海洋表面高度变化数据等自然数据进行了试验,证明了它的优越性,后来,他还将此法运用到地震数据的分析中,并有许多其他学者将其应用在地震工程领域的研究中,地球物理领域,HHT在分析大气中的地心引力波、沸水堆中子检测信号等许多方面得到应用【14】。结构分析领域,HHT已应用到桥梁的监测,结构的辨识和模态响应分析,结构破坏检测等研究中。在天体物理学领域,有学者将其用于太阳辐射变化等问题的分析中。在生物医学方面的应用研究也越来越多,有学者将此法用于非平稳条件下心率变化数据、肺部血压的分析中,显示了其分离不同频率信号的良好特性;还有学者用HHT来去除胃动电流图中不同的干扰信号。随着HHT在国外研究和应用工作的不断开展,该方法也引起了国内理论工作者和工程技术人员越来越多的关注和重视,目前已有地球物理、机械故障诊断等方面的报道。
应用于电力领域,采用希尔伯特一黄(Hilbert-Huang)变换对电力信号进行分析,通过对采集的信号进行EMD分解及Hilbert变换求取瞬时频率和幅值实现了电力系统中谐波和其他暂态信号的提取和区分;它依据数据自身的时间尺度特征来进行信号分解,无须预先设定任何基函数,这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的区别,正是由于这样的特点,EMD分解方法在理论上可以应用于任何类型的信号的分解,因而在处理非平稳及非线性数据上具有非常明显的优势【15】。
1.4本论文主要工作
本课题主要研究基于HHT的暂态电能质量多扰动检测算法,然而HHT从根本上不同于传统的分析方法,虽然表现出良好的特性,但依旧可能存在一些问题,所以在本课题中需要做的主要研究工作如下:
1.确定暂态电能质量多扰动信号检测的研究范围,深入分析暂态电能质量的意义,电能扰动对人们生活的影响及准确检测电能质量多扰动课题的意义。
2.研究HHT分析方法的具体实现过程。通过多种类型的仿真信号实例分析,显示出该分析方法在对非平稳信号分析具有的独特的优越性。经EMD分解非平稳信号得到各IMF分量,对其进行Hilbert变换得到的Hilbert谱,从Hilbert谱图上,分析看到高分辨率的波内频率调制现象,找出信号的瞬时频率特征,从结果中分析了HHT方法的性质及特点。
3.通过使用Matlab等工具进行编程,实现基于HHT的暂态电能质量多扰动检测算法。
4.根据IEEE标准,利用Matlab产生0.5周波~30周波内暂态电能质量多类多扰动波形(瞬时中断+短时谐波、瞬时跌落+短时谐波、瞬时升高+短时谐波),验证该算法程序的正确性和有效性。
📣 部分代码
x = transpose(x(:)); %转置
imf = [];
while ~ismonotonic(x) %当x不是单调函数,分解终止条件
x1 = x;
sd = Inf; %直到x1满足IMF条件,得c1
while (sd > 0.1) || ~isimf(x1) %当标准偏差系数sd大于0.1或x1不是固有模态函数时,分量终止条件
s1 = getspline(x1); %上包络线
s2 = -getspline(-x1); %下包络线
x2 = x1-(s1+s2)/2;
sd = sum((x1-x2).^2)/sum(x1.^2);
x1 = x2;
end
imf{end+1} = x1;
x = x-x1;
end
imf{end+1} = x;
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🎁 私信完整代码和数据获取及论文数模仿真定制
擅长领域:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇