基于CEEMD和GG聚类的电能质量扰动识别

• 作者: 乔永静 姚家琛 姜安琦 张淑清 张立国 穆勇 金梅
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 电能质量 扰动识别 总体经验模态分解 互近似熵 GG聚类
• 年，卷（期）: 2019,（1）
• 页码范围: 49-57
• 页数: 9页
• 分类号: TB971
• 字数: 3864字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2019.01.08

摘要

提出一种基于完备总体经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和GG(gath-geva)聚类的电能质量扰动识别方法.CEEMD是一种对EEMD(ensemble empirical mode decomposition)的改进算法,其特点是向原始信号中以正负成对的形式加入白噪声,有利于减少重构信号中残余的辅助噪声;且在分解的每一个阶段都加入特殊噪声,计算一个唯一残差以得到每个IMF,因此分解的结果是完整的,优于EEMD.CEEMD不仅有效解决了EEMD的模态混叠的问题,同时也保留了EEMD处理非平稳信号的优势,再将CEEMD分解的IMF分量的互近似熵值作为特征向量输入到GG模糊分类器中进行电能扰动的分类识别.为了验证该方法的有效性,进行了仿真和实测实验,结果表明,该方法有较好的频谱分离效果,且仅需要较少的迭代次数,减轻了计算成本.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清	燕山大学电气工程学院	81	1525	21.0	36.0
2	张立国	燕山大学电气工程学院	42	349	10.0	17.0
3	穆勇		6	98	2.0	6.0
4	姜安琦	燕山大学电气工程学院	2	6	1.0	2.0
5	金梅	燕山大学电气工程学院	20	82	6.0	7.0
6	姚家琛		3	6	1.0	2.0
7	乔永静	燕山大学电气工程学院	5	34	5.0	5.0