基于遗传算法的EMD电力信号去噪

• 作者: 夏书银 舒勤 董丽梅
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 经验模态分解 固有模态分量 遗传算法 信噪比
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 能源领域仿真
• 页码范围: 123-127
• 页数: 5页
• 分类号: TP301.6
• 字数: 3526字
• 语种: 中文

摘要

由于电网负荷波动较大,系统随机运行性强,系统中非线性设备都会引起严重的电力信号噪声.传统的EMD去噪方法是结合能量极小值寻找噪声信号和有用信号的分界点,主要适应于信噪比较高的信号中,在信噪比较低时会出现误判.因此提出了一种适合电力信号的基于遗传算法的EMD去噪方法.新方法基于电力信号与噪声信号的不同频带分布,对含噪的电力信号进行EMD分解得到多组IMF分量,并在数学排列组合的启发下重构电力信号,然后将遗传算法运用到寻找最优IMF分量组合中.仿真结果表明,采用遗传算法的EMD电力去噪方法无论在信噪比还是均方误差方面均具有一定的改善和提高,保证了电力供电的可靠性,提高了电力信号的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	舒勤	四川大学电气信息学院	106	655	15.0	20.0
2	董丽梅	四川大学电气信息学院	6	9	2.0	3.0
3	夏书银	重庆大学信息与网络管理中心	2	2	1.0	1.0