基于EEMD的HHT在电能质量多扰动分类识别中的应用

• 作者: 刘俊飞 曹玲芝 郑晓婉
• 来源期刊: 电气技术
• 关键词: 电能质量多扰动 希尔伯特-黄变换 聚类经验模态分解
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 研究与开发
• 页码范围: 66-70
• 页数: 5页
• 字数: 2366字
• 语种: 中文

摘要

现有的电能质量扰动分类识别方法对电能质量多扰动的分类准确性和识别能力较低,本文提出了将基于聚类经验模态分解(EEMD)的希尔伯特一黄变换(HHT)应用于电能质量多扰动的分类识别方法.它依据电能质量多扰动信号就是在电能基波上叠加不同频率和不同幅值波形的特性,首先利用EEMD对含扰动信号分解得到信号的固有模态函数(IMF),滤除残余噪声后,将得到的IMF分量作为特征值对扰动进行分类,再对IMF进行Hilbert变换得到其瞬时频率和瞬时幅值,瞬时频率的突变点反映电能质量扰动的起止时刻,瞬时幅值反映电能质量扰动的幅度,根据对突变点的观测实现对各个扰动的准确识别.Matlab仿真分析结果表明,该方法能够准确的对电能质量多扰动的扰动类型进行分类,并确定电能质量各个扰动信号的时间、幅值和频率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹玲芝		68	558	13.0	21.0
2	郑晓婉		19	33	3.0	4.0
3	刘俊飞		1	11	1.0	1.0