基于經驗模態分解的電力系統受擾軌跡去噪方法

林 虹 陳 琳

（南京化工職業技術學院，南京 210048）

隨著電網互聯規模的擴大，高放大倍數快速勵磁技術的廣泛采用等，電網的運行更加接近穩定極限，多地出現低頻振蕩。因此，低頻振蕩模式識別方法得到了廣泛地關注。

在振動測試過程中，采集到的振動信號數據由于放大器零點漂移、傳感器范圍外低頻性能不穩定以及環境干擾往往會偏離基線，甚至偏離大小還會隨時間變化（趨勢項）。趨勢項的存在，會使時域中的相關分析和頻率中的功率譜分析產生大的誤差，甚至使低頻譜完全失去真實性。因此測試信號分析中常要消除趨勢項，這也是信號預處理中一個重要步驟。

為提高電力系統低頻振蕩主導模式識別的抗噪性，提出一種基于經驗模態分解的消除電力系統受擾軌跡非平穩趨勢項方法，為有效辨識系統振蕩模態參數提供很好的基礎。

1 經驗模態分解（EMD）

經驗模態分解算法（EMD）可以對一個信號同時將不同尺度（頻率）的波動或趨勢逐級分解開來，產生一系列具有不同特征尺度的數據序列稱為本征模函數（Intrinsic Mode Function，IMF），是一種全新的處理非平穩數據序列的方法，每個IMF分量具有如下特征：

1）從全局特性上看，極值點數必須和過零點數一致或者至多相差一個。

2）在某一個局部點，極大值包絡和極小值包絡在該點的值的算術平均和是零。

EMD分解的本質是一個“篩選”的過程，對信號x(t)進行EMD分解的步驟如下：

1）找原始信號序列x(t)的極大值點和極小值點。

2）對極值點運用插值算法進行插值并構造上下包絡線emax(t)和emin(t)。

3）求上下包絡曲線的均值em(t)

4）從原始信號序列中減去包絡均值em(t)，得到h(t)

5）判斷h(t)是否滿足IMF的兩個條件，若不滿足則轉到步驟 1），并將步驟 4）得到的結果h(t)作為新的輸入序列，重復操作以上步驟；否則將步驟4）得到的h(t)作為一個IMF，轉入步驟6）。

6）從原始信號序列x(t)中減去h(t)得到剩余項rm(t)

判斷是否滿足終止條件：

若滿足,則算法終止，否則，進入步驟7）。

7）把剩余項rm(t)作為新的輸入信號，轉入步驟（1），最后得到一維信號序列的 EMD分解表達式：

2 仿真實例

2.1 四機2區域系統

以四機2區域為例，其系統結構如圖1所示。

圖1 四機2區域系統結構圖

使用小干擾穩定分析軟件 SSAT計算得到系統的區域振蕩頻率為 0.7Hz，局部振蕩頻率為 1.3Hz左右。

設置擾動：t=0s，線路8-9的首端發生瞬時三相短路，tC=0.55s故障清除，系統恢復至原狀態。本例以發電機端的電壓幅值，頻率信號為研究對象，進行經驗模態分解，去除非平穩趨勢項，畫出頻譜圖，如圖2所示，其中虛線代表原始信號頻譜，實線代表去除趨勢項后的信號頻譜。其中頻譜的局部最大處對應的頻率如表1所示。

圖2 去除非平穩趨勢項前、后信號頻譜

表1 頻譜局部最大處對應的頻率

從圖表中可以看出，去除非平穩項后，頻譜的低頻部分消失，但系統的區域振蕩頻率和局部振蕩頻率部分基本重合，有利于辨識系統振蕩模式。

2.2 十機39節點系統

十機39節點為例，其系統結構如圖3所示。

圖3 十機39節點系統結構圖

擾動設置不變，分析記錄其39，34,30處的IMF分量模態參數，如表2、表3和表4所示。

表2 39信號IMF分量模態參數

表3 34信號IMF分量模態參數

表4 30信號IMF分量模態參數

從表2至表4中數據可以驗證，EMD算法能夠有效提取系統主導振蕩模態參數，在參與程度最小的機組的受擾軌線上提取的振蕩模式信息，其誤差也較大。因此，在提取系統的振蕩模式時，有必要選擇可觀性強的軌線進行模式提取。

3 結論

本文基于經驗模態，依據數據自身的時間尺度特征來進行信號分解，無須預先設定任何基函數，消除電力系統受擾信號中低頻非平穩趨勢項，并以4機2區域系統和10機39節點系統為例，其仿真分析說明了該方法的有效性，為有效辨識系統振蕩模態參數提供很好的基礎。

[1]HUANG N E.The empirical mode decomposition and Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings of the Royal Society of London Series A, 1998,454(1971):903-995.

[2]經驗模態分解方法及其實現[J].計算機工程與應用,2006(32):44-47.

[3]陳偉,王尚旭,啜曉宇.基于經驗模態分解的屬性優化方法[J].石油地球物理勘探,2013(1):121-127.

[4]王焱,朱善安.基于經驗模態分解的軸承故障診斷[J].機電工程,2007,24(10):77-78,90.

[5]穆鋼,史坤鵬,安軍.結合經驗模態分解的信號能量法及其在低頻振蕩研究中的作用[J].中國電機工程學報,2008,28(19):36-41.

[6]徐千茹,文一宇,張旭航,等.電力系統低頻振蕩綜述[J].電力與能源,2014(01):38-42.