并行EEMD算法及其在局部放电信号特征提取中的应用

• 作者: 朱永利 王刘旺
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 集合经验模态分解 并行计算 Spark 局部放电 波形信号处理
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 电力系统
• 页码范围: 2508-2519
• 页数: 12页
• 分类号: TM76
• 字数: 8128字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.170488

摘要

波形信号是电力设备监测中常见的数据形式,波形信号处理在大数据背景下成为计算和数据双重密集型问题.集合经验模态分解(EEMD)的自适应性在分析非线性、非平稳信号时具有优势,但高计算量限制了其应用.通过对EEMD算法处理波形信号时的并行性分析,在Spark计算平台下设计并实现了波形分段并行与经验模态分解(EMD)过程并行这两种不同结构的并行EEMD算法.波形分段并行适用于较长的波形信号,但结果存在部分误差,而EMD过程并行能获得与原算法一致的结果,但对内存的需求更大,适于数据量不大的波形信号.将并行EEMD算法用于局部放电(PD)波形信号的特征提取,计算固有模态分量的能量参数与样本熵作为特征量.实验结果表明,利用所提特征量能有效区分多种PD类型,所提并行EEMD算法与现有EEMD算法相比计算效率更高,减少了特征提取过程的耗时.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱永利	华北电力大学控制与计算机工程学院	268	5516	39.0	62.0
2	王刘旺	国网浙江省电力有限公司电力科学研究院	3	54	2.0	3.0