【电能信号质量检测】基于HHT暂态电能质量多扰动信号检测(简单中断)附Matlab代码

✅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。

⛳️ 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

🌿 往期回顾可以关注主页,点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:

🌈 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

👇

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值