基于HHT的電能質量暫態擾動信號檢測技術

紀萍，吳靜妹，陳玲

(河海大學文天學院電氣信息工程系，安徽 馬鞍山 243000)

基于HHT的電能質量暫態擾動信號檢測技術

紀萍，吳靜妹，陳玲

(河海大學文天學院電氣信息工程系，安徽 馬鞍山 243000)

針對電網中暫態擾動信號難以檢測這一難題，提出了一種利用HHT(希爾伯特-黃變換)進行處理的新方法。HHT通過經驗模態分解法(EMD)和Hilbert變換，在檢測非平穩信號的起止時間，頻率和幅值有較好的效果。利用HHT分別對暫態諧波、電壓中斷、電壓暫降和電壓暫升4類典型的暫態擾動及其復合組合信號進行仿真驗證，結果表明該方法可以較準確的實現對電能質量非平穩信號的分析和處理。該研究為電能質量信號的檢測提供了新方法，為電網的治理開辟了新思路。

電能質量；暫態擾動信號；希爾伯特-黃變換；經驗模態分解法

電力系統大功率設備以及非線性、沖擊性負荷的廣泛應用，嚴重污染了電網，影響了電能質量，其中電壓中斷、電壓暫升、電壓暫降等暫態電能質量擾動影響最為突出。而隨著計算機、微電子、通信等高科技領域的敏感設備增多，人們對電能質量提出了更高的要求。通過有效方法對電網中的暫態擾動數據進行準確的檢測和定位，為電力部門分析電能質量問題所在，明確供、用電雙方的義務和責任，為電網的綜合治理提供了依據，同時為分析動態電壓補償，綜合評價電網質量的優劣都有很大的幫助。近幾年比較常用的擾動信號檢測技術主要是傅里葉變換(FFT)和小波變換。傅里葉變換在分析線性時不變系統具有優勢，但是對于非平穩暫態數據的分析，在提取信號的時頻域特征時，劣勢明顯，因此用傅里葉變換分析電網暫態數據很不實用[1]。目前，分析非平穩數據使用較多的是小波變換，在時頻域都具有局部化分析的特征，但是由于其數據的檢測精度取決于小波基的選擇。因此，也有其局限性[2,3]。小波基的選擇是在檢測系統設計的時候就確定了，不能隨著擾動信號的類型做隨時變換。因此小波變換的分解效果可能對部分信號效果較高，而檢測信號發生變換，不能保證較優的提取效果。為了精確檢測電能質量暫態擾動這類非平穩信號，這就要求檢測方法在時域和頻域都具有較好的局部特性。

希爾伯特-黃變換(Hilbert-Huang Transform，HHT)是美藉華人N.E.Huang等[4]于1998年提出的一種處理非平穩信號的處理方法。該方法克服了FFT及小波變換的不足，在多個領域(如生物醫學、地球物理學等[5,6])都取得了較好的效果。下面，筆者將HHT引入電力系統，用來對電能質量的擾動信號進行檢測和定位，并通過MATLAB仿真驗證該方法對電力系統非平穩擾動信號檢測的效果。

1 HHT變換

HHT由經驗模態分解法(Empirical Mode Decomposition，EMD)和Hilbert變換2個關鍵部分組成，其核心部分為EMD。HHT技術利用EMD對非線性、非平穩信號進行線性和平穩化處理，以此獲得固有模態函數分量(Intrinsic Mode Function，IMF)，通過利用IMF進行Hilbert變換，獲得各個特征分量的瞬時頻率和幅值。

1.1EMD

EMD在處理信號過程不受到任何基函數的限制，可以根據信號自身的局部特性，進行特征提取。因此，用EMD處理電能質量的暫態數據，優勢較為突出。利用EMD進行暫態擾動信號進行分析，需要滿足以下要求[4]：①待檢測數據的極值點不低于2個，至少1個極大值，1個極小值；②待檢測數據相鄰的極大值和極小值的時間間隔，可以唯一確定信號的局部特征；③部分檢測數據不滿足①的要求，但是存在拐點，也可以進行分解，先利用微分求出數據的極值點，再積分即可。

EMD分解的主要依據是特征時間尺度，根據其大小依次篩選。首先把特征時間尺度最小的取出來，隨后原本特征時間尺度較大的分量變為剩余數據中特征時間尺度最小的分量，再對其提取出來，依次類推，最后把特征時間尺度最大的分量取出來。假設待檢測的擾動信號為x(t),采用EMD方法通過下面的步驟對任何信號進行分解[7]：

1)找出分析信號x(t)的最大值和最小值；

2)構造最大值分量和最小值分量的包絡線，即為上包絡線Xmax(t)和下包絡線Xmin(t)；

3)求解上下包絡線的平均值m(t)=[Xmax-Xmin(t)]/2；

4)用原始數據減去包絡線的平均值m(t)，得到另一新的數據，即h(t)=x(t)-m(t);

5)判斷h(t)是否為IMF函數，即h(t)是否滿足上述3個條件:如果h(t)是IMF函數，則篩選結束，記為c(t)；如果不滿足，則把h(t)當做原始檢測數據x(t)，重復上述工作，依次得到各階IMF分量，直到所有滿足條件的分量全部提取出來，則終止篩選。

6)待檢測數據x(t)由n個IMF和一個不能再次分解的剩余量r(t)組成：

(1)

實際篩選過程中，通常采用由“篩選”前后結果的標準差SD來決定迭代次數：

(2)

迭代閾值SD設為0.2～0.3比較合適。

1.2Hilbert變換

Hilbert-Huang變換根據分解信號的特性時間尺度的進行層層解析，將待檢測信號分解為n個IMF，進而求得各個IMF分量的瞬時頻率和瞬時幅值。對式(1)中的每個ci(t)進行Hilbert變換可以得到：

(3)

構造解析信號:

zi(t)=ci(t)+jHi(t)=ai(t)ejφi(t)

(4)

于是得到幅值函數和相位函數：

(5)

(6)

進一步可以求出瞬時頻率：

(7)

這樣，每個IMF進行Hilbert變換，可得到幅度譜為：

(8)

其中,Re表示取實部；Hilbert邊際譜的定義為：

(9)

2 仿真結果與分析

電能質量暫態擾動信號具有隨機性強，持續時間短，危害性大的特征，并且產生原因多樣化：電網結構、負載類型以及用電環境等都會成為干擾因素，這不僅造成暫態信號檢測難度大，還嚴重影響電力系統的正常運轉。針對典型的電能質量擾動信號，筆者參照文獻[8～10]，采用MATLAB軟件生成的擾動信號模型，主要是單一擾動信號模型，包括諧波、電壓中斷、電壓暫升和電壓暫降以及以上幾種擾動信號結合生成的復合擾動信號模型，利用HHT技術對信號進行檢測和定位。諧波是指電網基波的整數倍，諧波容易導致設備老化，壽命縮短，電能計量的不準確性。電力系統的奇數次諧波較為突出，仿真諧波信號是三次諧波和五次諧波。電壓中斷為一種較短時間內電壓缺失的現象，持續時間較短，通常發生在1min以內。電壓中斷的危害突出，會導致系統故障、用點設備故障或者控制失靈等。

2.1典型單一擾動信號仿真

圖1～圖3分別為對暫態諧波、電壓中斷和電壓暫降信號進行仿真的圖形。由于電壓暫升和電壓暫降的數據處理過程基本相似，就不給出電壓暫升的仿真圖形，仿真數據會在表格中給出。

從仿真的圖形可看出，對于典型的電壓擾動信號，HHT可以自適應的根據擾動信號類型，進行EMD分解，有效提出不同類型的信號特征數據。

圖1 諧波信號及其分析結果

圖2 電壓中斷及其分析結果

圖3 電壓暫降及其分析結果

2.2單一擾動仿真數據分析

表1給出各種擾動信號的起止時刻，表中的暫態諧波是三次和五次諧波數據。從表1的數據可以得出，HHT可以有效準確檢測電能質量暫態信號的起止時刻，檢測精度很高，誤差都在0.003范圍內。表2和表3分別給出了各類數據的幅值和頻率數據，誤差基本保持在0.04%范圍，僅在檢測數據中斷時，誤差相對大一些，一般認為電壓降低到0.1倍額定電壓以下，就認為是電壓中斷。利用HHT對電能質量典型的單一擾動信號的檢測檢測結果較為準確，說明該方法在電力系統可以得到很好應用。

表1HHT起止時刻數據分析

表2HHT幅值數據分析

表3HHT頻率數據分析

2.3復雜擾動信號仿真

電力系統的擾動信號除了單一信號形式，還會以復合擾動信號的形式出現。在這里給出了各擾動信號復合的形式，并通過HHT技術進行檢測。分別仿真了短暫諧波和間諧波的復合諧波信號(短暫諧波采用的是基波和三次諧波，其中間諧波采用的是52Hz的五次間諧波)、復合中斷信號(由基波、三次諧波和中斷信號組成)、復合暫降信號(由基波、三次諧波和暫降信號組成)，結果如圖4～圖6所示。由于暫升和暫降信號在數據組成很相似，在這里只給出了仿真數據。

2.4復合擾動仿真數據分析

表3給出復合擾動信號的起止時刻，表4給出復合擾動信號經過HHT處理后信號幅值，表5給出HHT提出的復合信號的頻率數據。從表4中可以看出，在復合擾動的起止時刻的計算中，誤差跟前面的單一擾動擾動檢測的誤差相似，保持在0.003的誤差范圍，檢測精度較高。在檢測復合信號的幅值過程中，從表5的檢測數據可以發現，復合擾動信號的檢測精度較單一信號有所下降，其中對復合中斷的檢測中，誤差最大，其他復合擾動的檢查基本保持的在10-1數量，在檢測誤差范圍內。

信號的頻率檢測數據參見表6，在電壓中斷、暫升和暫降的情況下，無論在復合還是單一的數據處理中，檢測數據的精度基本一致。在復合諧波的情況下，融合了基波、三次諧波和五次間諧波，數據顯示，間諧波的檢測效果相對差一些，誤差值為0.15，誤差率為0.05%，相對的其他復合信號的誤差率也基本保持在一個數量級別上。

通過對單一和復合擾動信號的仿真及其數據分析可以看出，HHT可以有效的對電能質量擾動信號的關鍵數據進行檢測，并且檢測數據精度較高，相對復合擾動信號，單一擾動的精度稍微高一些。

圖4 復合諧波仿真結果

圖5 復合中斷仿真結果

表4HHT提取復合擾動信號的起止時刻數據分析

表5HHT提取復合擾動信號的幅值數據分析

表6HHT提取復合擾動信號的頻率數據分析

3 結論

1)對電能質量典型的擾動信號建立模型，利用HHT對電能質量擾動數據進行分析，分別對暫態諧波、電壓中斷、電壓暫升和電壓暫降4類比較典型的暫態擾動及其復合擾動組合信號進行仿真檢測。

2)HHT能夠比較準確地檢測出影響電能質量的典型擾動信號起止時間、頻率和幅值信息，并且能達到較為滿意的精確度。

3)該驗證結果為電能質量的暫態數據的檢測提供了新思路，為生產實踐和工程應用開辟了新途徑。

[1]卡米賽提·拉姆莫漢·饒.快速傅里葉變換:算法與應用[M].北京：機械工業出版社,2016.

[2]Santoso S,Powers J,Grady W M,et al.Power quality assessment via wavelet transform analysis[J].IEEE Transactions on Power Delivery,1996,11(2):924～930.

[3]Angrisni L,Daponte P,Dapuzzo M,et al.A measurement method based on the wavelet transform for power quality analysis[J].IEEE Transactions on Power Delivery,1998,13(4):990～998.

[4]陳娟.Hilbert-Huang變換及其在信號處理中的應用[D].大連:大連理工大學,2006.

[5] Huang W, Shen Z, Huang N E,et al.Use of intrinsic modes in biology: examples of indicial response of pulmonary blood pressure to step hypoxia[J].PNAS,1998(95):12766～12771.

[6]Huang N E,Chern C C,Huang K,et al.A new spectral representation of earthquake data: hilbert spectral analysis of station tcu129 [J].Bulletin of the Seismological Society of America,2001,91(5):1310～1338.

[7]Olhede S,Wald A T.The hilbert spectrum via wavelet projections[J].Proc R Soc A,2004(460):955～975.

[8]Gargoom A M, Ertugrul N, Soong W L. Automatic classification and characterization of power quality events [J]. IEEE Transactions on Power Delivery, 2008, 23(4): 2417～2425.

[9] 張全明, 劉會金. 最小二乘支持向量機在電能質量擾動分類中的應用[J]. 中國電機工程學報, 2008, 28(1): 106～110.

[10] Uyar M, Yildirim S, Gencoglu M T. An expert system based on S-transform and neural network for automatic classification of power quality disturbances [J]. Expert Systems with Applications, 2009, 36: 5962～5975.

[編輯] 洪云飛

TM711

A

1673-1409(2017)17-0053-07

2017-06-18

安徽省高等學校省級質量工程項目(2016jxtd104)。

紀萍(1980-)，女，碩士，講師，現主要從事電力系統信號控制檢測處理等方面的教學與研究工作,471374754@qq.com。

[引著格式]紀萍，吳靜妹，陳玲.基于HHT的電能質量暫態擾動信號檢測技術[J].長江大學學報(自科版)，2017,14(17)：53～59,80.