基于经验模态分解和希尔伯特变换的电压跌落检测方法
【专利摘要】本发明公开了基于总体平均经验模态分解和希尔伯特变换的电压跌落检测方法，包括以下步骤：获取电网的线电压；利用总体平均经验模态分解法处理电网线电压得到一系列固有模态函数；对所获取的每个固有模态函数均做希尔伯特变换得到对应的幅值谱；在幅值谱上根据设定的阈值即可识别出电压跌落特征。本发明在电压信号的时频图可以非常直观地识别出电压跌落特征，并得到电压跌落精确的起止时间，与其他检测方法相比，极大地提高了检测的精确性。
【专利说明】
基于经验模态分解和希尔伯特变换的电压跌落检测方法
技术领域
[0001] 本发明涉及电压跌落检测领域，具体涉及一种基于经验模态分解和希尔伯特变换 的电压跌落检测方法。
【背景技术】
[0002] 近年来，随着电力系统中敏感性负荷比例的快速增加及电力用户对电能质量要求 的不断提高，电压跌落己成为供电企业和用户最为关心的电能质量问题之一。据统计，在用 户投诉的电能质量问题中90%是由于电压跌落引起的。
[0003] 近年来随着风电、光伏发电等新能源的大规模应用，在电压跌落背景下的低电压 穿越等问题成为研究的热点，风电、光伏发电的动态无功控制要求在电压跌落出现后的 30ms内快速响应，因此精确的电压跌落时刻检测是风力发电系统实施快速有效低电压穿越 控制的关键环节。为适应大型风力发电场的发展，需要对风电场提出强制性要求，使其具备 低电压穿越能力，以保证风力发电系统并网点电压跌落时风力发电机组继续保持并网，为 电网恢复提供无功功率支撑。德国电网经营商E.ON Nets制定的低电压穿越要求：当并网点 电压跌落到15%~45%时，则要求风力发电系统一直提供无功支持，应能保持至少625ms的 并网时间；当在并网点电压跌落到90%以上时，则要求风力发电系统一直保持并网。
【发明内容】
[0004] 为解决现有技术存在的不足，本发明公开了基于总体平均经验模态分解和希尔伯 特变换的电压跌落检测方法，本发明为提高电压跌落时刻检测精度，降低检测算法的复杂 度，提出利用总体平均经验模态分解和希尔伯特变换进行电压跌落检测的方法，通过对电 网线电压的处理实现对电压跌落起止时间的精确检测。
[0005] 为实现上述目的，本发明的具体方案如下：
[0006] 基于经验模态分解和希尔伯特变换的电压跌落检测方法，包括以下步骤：
[0007] 步骤一:设定分解次数，提取电网线电压原始信号；
[0008] 步骤二:在电网线电压原始信号中注入一组高斯白噪声信号：
[0009] 步骤三:对注入一组高斯白噪声信号后的电网线电压信号进行经验模态分解，获 得一组本征模函数分量，残余分量表示信号的平均趋势；
[0010]步骤四：在电网线电压原始信号中注入不同的高斯白噪声信号，返回步骤三，直至 达到预定分解次数；
[0011]步骤五:利用零均值原理，消除高斯白噪声的影响，电网线电压原始信号进行经验 模态分解；
[0012]步骤六:对步骤五中的电网线电压信号的本征模函数分量进行希尔伯特变换，获 得信号的复数解析形式；
[0013]步骤七:根据步骤六中的信号的复数解析形式，获得信号的希尔伯特边际能量谱： 对固有模态函数作希尔伯特变换得到希尔伯特幅值谱；
[0014] 步骤八：当步骤七中信号的幅值谱超过设定的阈值时，即可判断为电压跌落特征 点，包括电压跌落起始点和电压跌落结束点，电压跌落起始点与电压跌落结束点之间的时 间为电压跌落时间。
[0015] 进一步的，在步骤二中，在电网线电压原始信号x(t)中注入一组高斯白噪声信号 ω (t)后的电网线电压信号X(t)为：
[0016] X(t) =x(t)+ ω (t) 〇
[0017] 进一步的，在步骤三中的经验模态分解如下：
[0019] 其中，Cj(t)为信号的第j次本征模函数分量，rn(t)为加入高斯白噪声信号的电网 线电压信号残余分量。
[0020] 进一步的，所述步骤四中，在电网线电压原始信号中注入不同的高斯白噪声信号 时，进行经验模态分解，对应的公式：
[0022] 其中，Xi(t)为第i次注入高斯白噪声信号后对应的电网线电压信号，Clj(t)第i次 注入高斯白噪声信号后的第j次本征模函数分量，r in(t)为第i次注入高斯白噪声信号后的 残余分量。
[0023] 进一步的，在步骤五中，电网线电压原始信号进行经验模态分解公式为；
[0025] cn(t)电网线电压原始信号的第m次本征模函数分量，rm(t)电网线电压原始信号对 应的残余分量。
[0026] 进一步的，所述步骤六中，电网线电压信号的本征模函数分量进行希尔伯特变换 公式为：
[0027] h(t) = c(t)+jH[c(t) ] = a(t)ej0⑴
[0029] c(t)为电网线电压信号的本征模函数分量，h(t)固有模态函数。
[0030] 进一步的，所述步骤七中，固有模态函数作希尔伯特变换得到希尔伯特幅值谱；
[0031] Η(ω，t)=ReEa(t)ejlGJ⑴dt。
[0032] 总体平均经验模态分解可以有效消除模态混叠现象，它从高频成分向低频成分依 次分解，分解出的前几个本征模函数分量集中了原始信号中最显著、最重要的信息。由于各 本征模函数分量的幅值谱各不相同，为了便于判断，需要反复实验合理确定判断阈值，当信 号的幅值谱超过设定的阈值时，即可判断为电压跌落特征点，包括电压跌落起始点和电压 跌落结束点，电压跌落起始点与电压跌落结束点之间的时间为电压跌落时间。
[0033]本发明的有益效果：
[0034]本发明在电压信号的时频图可以非常直观地识别出电压跌落特征，并得到电压跌 落精确的起止时间，与其他检测方法相比，极大地提高了检测的精确性。
【附图说明】
[0035] 图1电网线电压UAB;
[0036] 图2电网电压总体平均经验模态分解-希尔伯特分解结果；
[0037] 图3本征模函数頂F5瞬时频率图；
[0038]图4电压跌落检测原理图。
【具体实施方式】：
[0039] 下面结合附图对本发明进行详细说明：
[0040] 如图4所示，利用集合经验模态分解法处理电网线电压得到一系列固有模态函数， 然后对这些函数做希尔伯特变换得到对应的瞬时频率，最后在瞬时频率图上识别电压跌落 特征。在这个过程中由于集合经验模态分解的基函数是在分解过程中依据信号的局部时间 尺度得到的，具有高度的自适应性，不存在基函数选择的问题;相应得到的瞬时频率是局部 性的，不受海森堡不确定性原理的影响，在时域和频域内均具有很高的分辨率和精度，使得 到的固有模态函数更能反映原始信号的本质特征。
[0041 ](一)总体平均经验模态分解
[0042]总体平均经验模态分解的核心思想是在原信号中多次叠加白噪声进行经验模态 分解，具体过程是：
[0043] (1)向原始信号中加入白噪声N(t);
[0044] (2)利用经验模态分解方法处理带有白噪声的信号，得到一系列固有模态函数；
[0045] (3)加入不同的白噪声，重复以上步骤到达预先确定的次数A;
[0046] (4)求取A次分解得到固有模态函数的平均值。
[0047](二)希尔伯特变换
[0048]利用集合经验模态分解获得固有模态函数后，对每个固有模态函数应用希尔伯特 变换。
[0049] (5)对信号的本征模函数分量c(t)进行希尔伯特变换，获得信号的复数解析形式：
[0050] h(t) = c(t)+jH[c(t) ] = a(t)ej0⑴
[0052] (6)获得信号的希尔伯特边际能量谱：
[0053] 对固有模态函数作希尔伯特变换得到希尔伯特幅值谱：
[0054] Η(ω ,t)=ReEa(t)ejjM(t)dt
[0055] (三)仿真实验
[0056] 设电网A相电压从t = 1000ms时开始跌落55%，到t = 1100ms时恢复到原值，电压跌 落持续时间为100ms。选取A、B两相之间线电压作为电压跌落的检测信号，线电压UAB波形如 图1所示。
[0057] 对线电压UAB做集合经验模态分解得到14个固有模态函数分量以及剩余分量，分解 结果如图2所不。
[0058] 然后对固有模态函数分量做希尔伯特变换获取对应的瞬时频率，表现其特征的第 五个固有模态函数分量頂F5的瞬时频率如图3所示。
[0059] 由图可知，在设置的电压跌落开始和结束时刻瞬时频率幅值急剧变化，形成明显 的尖峰形状，尖峰所对应的时间与所设置的电压跌落开始结束时间极其吻合，本方法检测 结果误差小于0.1%，表明在电压信号的时频图可以非常直观地识别出电压跌落特征，并得 到电压跌落精确的起止时间，与其他检测方法相比，极大地提高了检测的精确性。
[0060] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
【主权项】
1. 基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特征是，包括W下步骤： 步骤一:设定分解次数，提取电网线电压原始信号； 步骤二:在电网线电压原始信号中注入一组高斯白噪声信号： 步骤Ξ:对注入一组高斯白噪声信号后的电网线电压信号进行经验模态分解，获得一 组本征模函数分量，残余分量表示信号的平均趋势； 步骤四：在电网线电压原始信号中注入不同的高斯白噪声信号，返回步骤Ξ，直至达到 预定分解次数； 步骤五:利用零均值原理，消除高斯白噪声的影响，电网线电压原始信号进行经验模态 分解； 步骤六:对步骤五中的电网线电压信号的本征模函数分量进行希尔伯特变换，获得信 号的复数解析形式； 步骤屯:根据步骤六中的信号的复数解析形式，获得信号的希尔伯特边际能量谱:对固 有模态函数作希尔伯特变换得到希尔伯特幅值谱； 步骤八：当步骤屯中信号的幅值谱超过设定的阔值时，即可判断为电压跌落特征点，包 括电压跌落起始点和电压跌落结束点，电压跌落起始点与电压跌落结束点之间的时间为电 压跌落时间。2. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，在步骤二中，在电网线电压原始信号x(t)中注入一组高斯白噪声信号w(t)后的电网 线电压信号X(t)为： Χ(?)=χ(?)+ω (t)〇3. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，在步骤Ξ中的经验模态分解如下：其中，c^t)为信号的第j次本征模函数分量，rn(t)为加入高斯白噪声信号的电网线电 压信号残余分量。4. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，所述步骤四中，在电网线电压原始信号中注入不同的高斯白噪声信号时，进行经验模 态分解，对应的公式：其中，Xi(t)为第i次注入高斯白噪声信号后对应的电网线电压信号，cu(t)第i次注入 高斯白噪声信号后的第j次本征模函数分量，rin(t)为第i次注入高斯白噪声信号后的残余 分量。5. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，在步骤五中，电网线电压原始信号进行经验模态分解公式为；Cn(t)电网线电压原始信号的第m次本征模函数分量，rm(t)电网线电压原始信号对应的 残余分量。6. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，所述步骤六中，电网线电压信号的本征模函数分量进行希尔伯特变换公式为：c(t)为电网线电压信号的本征模函数分量，h(t)固有模态函数。7. 如权利要求1所述的基于经验模态分解和希尔伯特变换的电压跌落检测方法，其特 征是，所述步骤屯中，固有模态函数作希尔伯特变换得到希尔伯特幅值谱；
【文档编号】G01R19/165GK106093541SQ201610392135
【公开日】2016年11月9日
【申请日】2016年6月2日 公开号201610392135.6, CN 106093541 A, CN 106093541A, CN 201610392135, CN-A-106093541, CN106093541 A, CN106093541A, CN201610392135, CN201610392135.6
【发明人】李伟明, 冯维华, 姚博文, 杜坤坤, 曾振, 王备贝, 杨保, 唐广庆, 杨卫国, 李新玲
【申请人】国网山东省电力公司济宁供电公司, 国家电网公司