CN111444613A - 一种基于改进emd电力***谐波分析方法、装置及存储介质 - Google Patents

一种基于改进emd电力***谐波分析方法、装置及存储介质 Download PDF

Info

Publication number
CN111444613A
CN111444613A CN202010224045.2A CN202010224045A CN111444613A CN 111444613 A CN111444613 A CN 111444613A CN 202010224045 A CN202010224045 A CN 202010224045A CN 111444613 A CN111444613 A CN 111444613A
Authority
CN
China
Prior art keywords
signal
envelope
power system
emd
fitting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010224045.2A
Other languages
English (en)
Other versions
CN111444613B (zh
Inventor
李博
刘盎泱
曹敏
廖耀华
王恩
唐标
朱梦梦
韩彤
李毅
刘斯扬
陈叶
蒋婷婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202010224045.2A priority Critical patent/CN111444613B/zh
Publication of CN111444613A publication Critical patent/CN111444613A/zh
Application granted granted Critical
Publication of CN111444613B publication Critical patent/CN111444613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/40—Arrangements for reducing harmonics

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及电力谐波计量检测技术领域，具体而言，涉及一种基于改进EMD电力***谐波分析方法、装置及存储介质。所述方法包括以下步骤：采集电力***谐波的采样信号；使用端点截取方法得到采样信号的局部极大值点与局部极小值点；通过拟合工具对局部极大值点与局部极小值点进行拟合得到局部极大值包络曲线和局部极小值包络曲线；根据在上方的局部极大值包络与在下方的局部极小值包络截取中间原始信号的外露端点截取舍去，得到不包含包络外信号的包络信号的平均包络；根据EMD分解循环迭代的方法得到分解为所有IMF和剩余余波分量的本征模函数；对本征模函数进行希尔伯特变换得到信号的瞬时特征，从而实现采集信号的分析计算。

Description

一种基于改进EMD电力***谐波分析方法、装置及存储介质
技术领域
本申请涉及电力谐波计量检测技术领域，具体而言，涉及一种基于改进EMD电力***谐波分析方法、装置及存储介质。
背景技术
随着电力工业的大力发展，非线性负载的不断增加，电弧炉、电力机车、以及如今广泛发展的风电设施及太阳能设备，这些所带来的谐波问题也愈加愈烈。实际中的谐波信号并不是理想的线性平稳的，而是经常呈现出非线性非平稳性，并且谐波的变化大都难以预测，严重污染着电网的健康运行。
小近年来，各种各样的谐波分析方法被提出，有模拟滤波器法、傅利叶变换及其改进、小波变换法。在现有的谐波检测产品中，其中被广泛使用的是加窗快速傅利叶法以及小波变换的方法。
傅利叶算法在实际应用中已经发展的很成熟了，但随着谐波分析要求的提高，它的无法局部化分析劣势便凸显出来，并且它计算量大、计算次数多、耗费时间长，严重影响到谐波检测的实时性。小波变换分析算法在以后的应用中可能将要取代傅利叶方法成为主要的谐波分析方法，但小波变化在相邻的频带间会出现混叠效应发生，并且小波变换需要人为的选取基函数，基函数的不同会导致结果出现很大的差异。同时这两种方法非常使用于稳定的信号，但电网中的谐波信号大多数是非线性的，因此这两种方法便显得不适应
发明内容
本申请的目的在于提供一种基于改进EMD电力***谐波分析方法、装置及存储介质，通过运用改进的经验模态分解方法(EMD)对复杂非线性、非稳定的信号分解，进而对分解得到的本征模函数(IMF)进行希尔伯特变换(HT)得到信号的瞬时特征，从而可以精确的对原本复杂的信号分析计算。
本申请的实施例是这样实现的：
本申请实施例第一方面提供一种基于改进EMD电力***谐波分析方法，包括以下步骤：
通过频谱仪采集电力***谐波的采样信号x(t)；
基于所述采样信号得到所述采样信号的局部极大值点与局部极小值点；
通过MATLAB拟合工具的多项式拟合工具对所述局部极大值点与局部极小值点进行拟合得到局部极大值包络曲线和局部极小值包络曲线；
根据在上方的局部极大值包络与在下方的局部极小值包络截取中间原始信号的外露端点截取舍去，得到不包含包络外信号的包络信号；
基于所述局部极大值点包络曲线和局部极小值点包络曲线通过平均求值的方法得到平均包络；
基于所述不包含包络外信号的包络信号，根据EMD分解循环迭代的方法得到分解为所有IMF和剩余余波分量的本征模函数；
对分解出来的本征模函数进行希尔伯特变换得到信号的瞬时特征，从而实现对x(t)的分析计算。
可选地，所述外露端点截取舍去，包括步骤：对信号进行极大值极小值求包络；对信号进行两端截取，去除两端的外露端点；将分析原来信号变成分析较短截取信号。
可选地，通过MATLAB拟合工具的多项式拟合工具对所述局部极大值点与局部极小值点进行拟合得到局部极大值包络曲线和局部极小值包络曲线，包括步骤：多项式拟合可以使用MATLAB自带的拟合工具Curve Fitting工具实现拟合包络；通过选取不同的多项式次数可以直观的看出拟合的近似程度，由于MATLAB拟合时采用的是最小二乘的方法，因此误差平方和是MATLAB评价拟合程度的标准。
可选地，基于所述不包含包络外信号的包络信号，根据EMD分解循环迭代的方法得到分解为所有IMF和剩余余波分量的本征模函数，包括以下步骤：将信号x(t)与均值m(t)做差，求得剩余余波分量，即：h1(t)＝x(t)-m(t)；
确定h1(t)是否符合本征模函数的两个条件，如果不符合，将h1(t)作为新的信号，重复上述步骤，直到h1(t)满足条件，表示为：c1(t)＝h1(t)
c1(t)是从初始信号中分解出来的，将x(t)减去c1(t)，求出剩余的r1(t)，表示为：
r1(t)＝x(t)-c1(t)
将上述r1(t)作为新的信号重复以上步骤，循环操作得到不能再分解的余波rn(t)结束，分解终止，信号表示为：
Figure BDA0002427053590000031
可选地，所述EMD为处理非平稳信号的方法，用于将复杂信号分解为多个本征模函数和残余信号，表示为：原波＝∑IMFs+余波。
可选地，所述端点截取方法用于解决端点效应。
可选地，所述多个本征模函数，即多个IMF为不同单一频率的波；所述残余信号，即余波，为信号的趋势项，即频率低于设定阈值W的波，可以看成是基底，其他IMF都建立在所述余波上。
本申请实施例第二方面提供一种基于改进EMD电力***谐波分析的装置，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如本申请实施例第一方面提供一种基于改进EMD电力***谐波分析方法。
本申请实施例第三方面提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如本申请实施例第一方面提供一种基于改进EMD电力***谐波分析方法。
本申请实施例的有益效果包括：本发明与通常处理端点效应及求极大值极小值包络方法不同，首次提出采用端点截取及用多项式拟合的方法求取极大值，极小值包络，可以更优越的理论上减小结果的误差，对提升电表及检测设备和研究人员对电力***复杂谐波分析提供重要的理论意义及实际应用价值。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例一种基于改进EMD电力***谐波分析方法的流程示意图。
具体实施方式
现在将描述某些示例性实施方案，以从整体上理解本文所公开的装置和方法的结构、功能、制造和用途的原理。这些实施方案的一个或多个示例已在附图中示出。本领域的普通技术人员将会理解，在本文中具体描述并示出于附图中的装置和方法为非限制性的示例性实施方案，并且本申请的多个实施方案的范围仅由权利要求书限定。结合一个示例性实施方案示出或描述的特征可与其他实施方案的特征进行组合。这种修改和变型旨在包括在本申请的范围之内。
本说明书通篇提及的“多个实施例”、“一些实施例”、“一个实施例”或“实施例”等，意味着结合该实施例描述的具体特征、结构或特性包括在至少一个实施例中。因此，本说明书通篇出现的短语“在多个实施例中”、“在一些实施例中”、“在至少另一个实施例中”或“在实施例中”等并不一定都指相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以任何合适的方式进行组合。因此，在无限制的情形下，结合一个实施例示出或描述的具体特征、结构或特性可全部或部分地与一个或多个其他实施例的特征、结构或特性进行组合。这种修改和变型旨在包括在本申请的范围之内。
所述EMD(Empirical Mode Decomposition：经验模态分解法)，是一种新的处理非平稳信号的方法，基于EMD的时频分析方法既适合于非线性、非平稳信号的分析，也适合于线性、平稳信号的分析，并且对于线性、平稳信号的分析也比其他的时频分析方法更好地反映了信号的物理意义，其结果是将复杂信号分解为多个本征模函数和残余信号，可以表示为：
原波＝∑IMFs+余波
其中多个IMF为不同单一频率的波，分解留下的余波为信号的趋势项，即频率极低且低于设定阈值W(周期很长)的波，所述阈值可以根据实际情况进行设置，本申请不做限定。所述余波可以看成是基底，其他IMF都建筑在它之上。
上述所述的经验模态分解法(EMD)步骤如下：
首先，确定电流或功率信号的采样序列x(t)包络的极大值与极小值点，然后针对这两种极值点采用三样条差值的方法进行差值求出采样序列x(t)局部极大值与局部极小值的包络，在求出两个包络曲线的平均包络m(t)，将信号x(t)与均值m(t)做差，求得剩余分量。即：
h1(t)＝x(t)-m(t)
其次，确定h1(t)是否符合本征模函数的两个条件，如果不符合，将h1(t)作为新的信号，重复之前的操作，直到h1(t)满足条件，记：
c1(t)＝h1(t)
然后，c1(t)是从初始信号中分解出来的，将x(t)减去c1(t)，求出剩余的r1(t)。
r1(t)＝x(t)-c1(t)
最后，将r1(t)作为新的信号重复步骤(2)(3)，得到r2(t)。循环操作得到不能再分解的余波rn(t)结束，分解终止。信号表示为：
Figure BDA0002427053590000051
针对上述经典的经验模态分解方法会出现端点效应及求极大值，极小值包络线时插值算法的误差导致结果误差，因此本发明是建立在其之上并对其改进的一种经验模态分解改进方法。
端点效应是由于极值点和插值算法决定了包络均值，包络均值又决定了IMF,在做EMD分解时，端点的信号数据没有完全包络在包络曲线中，端点不一定是极值点，使得端点处的信号产生过冲或者欠冲现象。
图1示出了本申请实施例一种基于改进EMD电力***谐波分析方法的流程示意图。
在步骤S1中，对复杂信号进行计信号采集，得到采样信号x(t)。
在步骤S2中，对采样的到的信号x(t)求取其局部极大值点与局部极小值点。
确定电流或功率信号的采样序列x(t)包络的极大值与极小值点。
在步骤S3中，采用MATLAB拟合工具采用多项式拟合本别对局部极大值点和局部极小值点拟合出包络曲线，并根据评价标准对拟合包络进行优化处理。
针对在求极大值极小值包络中常采用的三次样差值算法会出现过冲或欠冲的问题，本申请采用多项式拟合的方法拟合出极大值和极小值包络，再求取均值包络，具体步骤包括：
在步骤S31中，多项式拟合可以使用MATLAB自带的拟合工具Curve Fitting工具实现拟合包络。
在步骤S32中，通过选取不同的多项式次数可以直观的看出拟合的近似程度，由于MATLAB拟合时采用的是最小二乘的方法，因此误差平方和是MATLAB评价拟合程度的标准。
在步骤S4中，根据求出来在上方的局部极大值包络与在下方的局部极小值包络截取中间原始信号的外露端点，解决端点效应问题。从而实现对包络外信号截取舍去。
本申请提出一种端点截取方法，即为了避免求出来的包络线不能包含信号端点，
在步骤S21中，对信号进行极大值极小值求包络。
在步骤S22中，对信号进行两端截取，去除两端的外露端点；
在步骤S23中，将分析原来信号变成分析较短截取信号。
上述方法可以解决端点效应的问题。
在步骤S5中，求取极大值包络与极小值包络的平均包络m(t)。
在步骤S6中，根据EMD分解循环迭代的方法得到所有IMF和剩余余波。
在步骤S61中，将信号x(t)与均值m(t)做差，求得剩余余波分量。即：
h1(t)＝x(t)-m(t)
在步骤S62中，确定h1(t)是否符合本征模函数的两个条件，如果不符合，将h1(t)作为新的信号，重复之前的操作，直到h1(t)满足条件，表示为：
c1(t)＝h1(t)
在步骤S63中，上述c1(t)是从初始信号中分解出来的，将x(t)减去c1(t)，求出剩余的r1(t)，表示为：
r1(t)＝x(t)-c1(t)
在步骤S64中，将上述r1(t)作为新的信号重复以上步骤，循环操作得到不能再分解的余波rn(t)结束，分解终止。信号表示为：
Figure BDA0002427053590000061
在步骤S7中，对分解出来的本征模函数进行希尔伯特变换(HT)得到信号的瞬时特征，从而可以精确的对原本复杂的x(t)信号分析计算。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“***”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行***、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)、或连接至外部计算机(例如通过因特网)、或在云计算环境中、或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的***组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的***。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

Claims (9)

1.一种基于改进EMD电力***谐波分析方法，其特征在于，包括以下步骤：
通过频谱仪采集电力***谐波的采样信号x(t)；
基于所述采样信号得到所述采样信号的局部极大值点与局部极小值点；
通过MATLAB拟合工具的多项式拟合工具对所述局部极大值点与局部极小值点进行拟合得到局部极大值包络曲线和局部极小值包络曲线；
根据在上方的局部极大值包络与在下方的局部极小值包络截取中间原始信号的外露端点截取舍去，得到不包含包络外信号的包络信号；
基于所述局部极大值点包络曲线和局部极小值点包络曲线通过平均求值的方法得到平均包络；
基于所述不包含包络外信号的包络信号，根据EMD分解循环迭代的方法得到分解为所有IMF和剩余余波分量的本征模函数；
对分解出来的本征模函数进行希尔伯特变换得到信号的瞬时特征，从而实现对x(t)的分析计算。
2.根据权利要求1所述的基于改进EMD电力***谐波分析方法，其特征在于，所述外露端点截取舍去，包括步骤：
对信号进行极大值极小值求包络；
对信号进行两端截取，去除两端的外露端点；
将分析原来信号变成分析较短截取信号。
3.根据权利要求1所述的基于改进EMD电力***谐波分析方法，其特征在于，通过MATLAB拟合工具的多项式拟合工具对所述局部极大值点与局部极小值点进行拟合得到局部极大值包络曲线和局部极小值包络曲线，包括步骤：
多项式拟合可以使用MATLAB自带的拟合工具Curve Fitting工具实现拟合包络；
通过选取不同的多项式次数可以直观的看出拟合的近似程度，由于MATLAB拟合时采用的是最小二乘的方法，因此误差平方和是MATLAB评价拟合程度的标准。
4.根据权利要求1所述的基于改进EMD电力***谐波分析方法，其特征在于，基于所述不包含包络外信号的包络信号，根据EMD分解循环迭代的方法得到分解为所有IMF和剩余余波分量的本征模函数，包括以下步骤：
将信号x(t)与均值m(t)做差，求得剩余余波分量，即：h1(t)＝x(t)-m(t)
确定h1(t)是否符合本征模函数的两个条件，如果不符合，将h1(t)作为新的信号，重复上述步骤，直到h1(t)满足条件，表示为：c1(t)＝h1(t)
c1(t)是从初始信号中分解出来的，将x(t)减去c1(t)，求出剩余的r1(t)，表示为：
r1(t)＝x(t)-c1(t)
将上述r1(t)作为新的信号重复以上步骤，循环操作得到不能再分解的余波rn(t)结束，分解终止，信号表示为：
Figure FDA0002427053580000021
5.根据权利要求1所述的基于改进EMD电力***谐波分析方法，其特征在于，所述EMD为处理非平稳信号的方法，用于将复杂信号分解为多个本征模函数和残余信号，表示为：
原波＝∑IMFs+余波。
6.根据权利要求2所述的基于改进EMD电力***谐波分析方法，其特征在于，所述端点截取方法用于解决端点效应。
7.根据权利要求5所述的基于改进EMD电力***谐波分析方法，其特征在于，所述多个本征模函数，即多个IMF为不同单一频率的波；所述残余信号，即余波，为信号的趋势项，即频率低于设定阈值W的波，可以看成是基底，其他IMF都建立在所述余波上。
8.一种基于改进EMD电力***谐波分析的装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1～7中任意一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，当所述计算机指令中的至少部分指令被处理器执行时，实现如权利要求1～7中任意一项所述的方法。
CN202010224045.2A 2020-03-26 2020-03-26 基于改进emd电力***谐波分析方法、装置及存储介质 Active CN111444613B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010224045.2A CN111444613B (zh) 2020-03-26 2020-03-26 基于改进emd电力***谐波分析方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010224045.2A CN111444613B (zh) 2020-03-26 2020-03-26 基于改进emd电力***谐波分析方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111444613A true CN111444613A (zh) 2020-07-24
CN111444613B CN111444613B (zh) 2023-09-08

Family

ID=71654741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010224045.2A Active CN111444613B (zh) 2020-03-26 2020-03-26 基于改进emd电力***谐波分析方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111444613B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446323A (zh) * 2020-11-24 2021-03-05 云南电网有限责任公司电力科学研究院 基于改进emd模态混叠和端点效应的hht谐波分析方法
CN116223905A (zh) * 2022-12-14 2023-06-06 广州汇电云联互联网科技有限公司 谐波频率检测***、方法、装置及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078160A1 (en) * 2002-10-11 2004-04-22 Frei Mark G. Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale
US20060177377A1 (en) * 2005-02-08 2006-08-10 Receptomon, Llc. Method for monitoring early treatment response
US7464006B1 (en) * 2003-10-09 2008-12-09 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Analyzing nonstationary financial time series via hilbert-huang transform (HHT)
CN101782895A (zh) * 2009-01-12 2010-07-21 财团法人工业技术研究院 结构化的经验模态分解的信号处理方法及其装置
CN102252748A (zh) * 2011-04-08 2011-11-23 东南大学 基于经验模态的空化噪声调制特征提取方法
CN102629243A (zh) * 2012-03-02 2012-08-08 燕山大学 基于神经网络集成和bs-emd的端点效应抑制方法
CN103941091A (zh) * 2014-04-25 2014-07-23 福州大学 基于改进emd端点效应的电力***hht谐波检测方法
CN105760347A (zh) * 2016-02-04 2016-07-13 福建工程学院 一种基于数据/极值联合对称延拓的hht端点效应抑制方法
CN106503366A (zh) * 2016-10-27 2017-03-15 石家庄铁道大学 抑制emd端点效应的方法
CN107357994A (zh) * 2017-07-14 2017-11-17 哈尔滨工业大学（威海） 一种分阶段的航空发动机性能衰退模式挖掘方法
CN109117775A (zh) * 2018-08-02 2019-01-01 南京邮电大学 基于多项式的改进emd算法
CN109270345A (zh) * 2018-07-20 2019-01-25 国网江苏省电力有限公司常州供电分公司 一种电网谐波信号的检测方法
US20190212378A1 (en) * 2016-09-19 2019-07-11 The University Of New Hampshire Techniques for Empirical Mode Decomposition (EMD)-Based Noise Estimation
CN110008627A (zh) * 2019-04-16 2019-07-12 陕西理工大学 一种用于高速铁路挡风墙结构的损伤预警方法
CN110096673A (zh) * 2019-04-29 2019-08-06 河北工业大学 一种适用于信号分解的emd改进方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040078160A1 (en) * 2002-10-11 2004-04-22 Frei Mark G. Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale
US7464006B1 (en) * 2003-10-09 2008-12-09 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Analyzing nonstationary financial time series via hilbert-huang transform (HHT)
US20060177377A1 (en) * 2005-02-08 2006-08-10 Receptomon, Llc. Method for monitoring early treatment response
CN101782895A (zh) * 2009-01-12 2010-07-21 财团法人工业技术研究院 结构化的经验模态分解的信号处理方法及其装置
CN102252748A (zh) * 2011-04-08 2011-11-23 东南大学 基于经验模态的空化噪声调制特征提取方法
CN102629243A (zh) * 2012-03-02 2012-08-08 燕山大学 基于神经网络集成和bs-emd的端点效应抑制方法
CN103941091A (zh) * 2014-04-25 2014-07-23 福州大学 基于改进emd端点效应的电力***hht谐波检测方法
CN105760347A (zh) * 2016-02-04 2016-07-13 福建工程学院 一种基于数据/极值联合对称延拓的hht端点效应抑制方法
US20190212378A1 (en) * 2016-09-19 2019-07-11 The University Of New Hampshire Techniques for Empirical Mode Decomposition (EMD)-Based Noise Estimation
CN106503366A (zh) * 2016-10-27 2017-03-15 石家庄铁道大学 抑制emd端点效应的方法
CN107357994A (zh) * 2017-07-14 2017-11-17 哈尔滨工业大学（威海） 一种分阶段的航空发动机性能衰退模式挖掘方法
CN109270345A (zh) * 2018-07-20 2019-01-25 国网江苏省电力有限公司常州供电分公司 一种电网谐波信号的检测方法
CN109117775A (zh) * 2018-08-02 2019-01-01 南京邮电大学 基于多项式的改进emd算法
CN110008627A (zh) * 2019-04-16 2019-07-12 陕西理工大学 一种用于高速铁路挡风墙结构的损伤预警方法
CN110096673A (zh) * 2019-04-29 2019-08-06 河北工业大学 一种适用于信号分解的emd改进方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
WEIHUA XIONG等: "Analysis of transformer core vibration characteristics using modified empirical mode decomposition", 《PROCEEDINGS OF THE 2009 INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND SOFTWARE ENGINEERING》, pages 4 *
ZHANG, QINGJIE等: "A New Method for Mitigation of End Effect in Empirical Mode Decomposition", 《INTERNATIONAL ASIA CONFERENCE ON INFORMATICS IN CONTROL AUTOMATION AND ROBOTICS》, pages 400 - 403 *
王红军等: "基于多项式拟合的EMD端点效应处理方法研究", 《机械设计与制造》, no. 10, pages 197 - 199 *
王龙强: "基于EMD的混合脑电特征提取算法研究及优化", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, pages 080 - 39 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446323A (zh) * 2020-11-24 2021-03-05 云南电网有限责任公司电力科学研究院 基于改进emd模态混叠和端点效应的hht谐波分析方法
CN112446323B (zh) * 2020-11-24 2023-01-24 云南电网有限责任公司电力科学研究院 基于改进emd模态混叠和端点效应的hht谐波分析方法
CN116223905A (zh) * 2022-12-14 2023-06-06 广州汇电云联互联网科技有限公司 谐波频率检测***、方法、装置及存储介质
CN116223905B (zh) * 2022-12-14 2023-12-08 广州市均能科技有限公司 谐波频率检测***、方法、装置及存储介质

Also Published As

Publication number Publication date
CN111444613B (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN111444613A (zh) 一种基于改进emd电力***谐波分析方法、装置及存储介质
CN107748734B (zh) 一种解析-经验模态分解方法
US8407268B2 (en) Method for determining an optimum sampling frequency, and a power analyzer performing the method
CN111222088B (zh) 一种改进的平顶自卷积窗加权电力谐波幅值估计方法
CN115575707A (zh) 基于改进fft算法与小波变换结合的谐波检测装置及方法
CN101701985B (zh) 定频变点电网谐波检测方法及其测量仪
Reisinger et al. The impact of a natural time change on the convergence of the Crank–Nicolson scheme
CN114077852A (zh) 一种强噪声光谱信号的智能去噪方法
CN115902396B (zh) 大型风电并网***的谐振检测方法和装置
CN101887405B (zh) 一种基于二进掩蔽信号技术的经验模态分解信号处理方法
CN115856429A (zh) 一种电流谐波检测方法、***及存储介质
CN105137183A (zh) 一种电力***谐波分析方法及***
CN109374977B (zh) 一种在线电阻快速检测设备***及在线电阻快速检测设备
CN115797318A (zh) 一种光谱数据预处理方法、装置、计算机设备及存储介质
CN106549652B (zh) 时域滤波中的滤波器系数更新
Cimbala Fourier Transforms, DFTs, and FFTs
CN109030942A (zh) 谐相角分析方法
CN105573237A (zh) 一种碳势计算方法
CN114859120B (zh) 谐波分析方法
Cui et al. Applying fast Fourier transform (FFT) to statistic quality control
Seeber et al. Analog and digital worlds: Part 1. Signal sampling and Fourier Transform
CN113884761B (zh) 一种提高测频精度的方法、装置、设备及介质
CN117169591B (zh) 电力***宽频测量方法、装置和计算机设备
CN111368440B (zh) 基于多谱线插值的指数衰减正弦信号参数估计方法及装置
Shao et al. A high-precision harmonic distortion measurement algorithm and its system design based on time-domain matrix operations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant