谐波和间谐波三参数识别的SSI-LS方法

为精确检测谐波和间谐波的三参数,提出了基于随机子空间辨识(Stochastic Subspace Identification,SSI)与最小二乘(Least Square)法的谐波和间谐波三参数检测方法。运用奇异值差值法确定SSI-LS算法的阶数;利用SSI算法直接对原始含噪信号精确检测出各谐波和间谐波分量的频率;当信噪比大于20dB时,应用最小二乘法对各谐波和间谐波分量进行幅值和相位的估计,从而实现了谐波和间谐波的三参数识别。分别针对含有噪声和直流分量的谐波和间谐波数值仿真信号和频率相近且幅值相差百倍的谐波和间谐波信号作谐波和间谐波的三参数识别。仿真分析表明该方法抗噪声能力强、检测精度高、计算速度快,尤其是对信号中各谐波和间谐波分量的相位检测精度高、对频率相近且幅值相差百倍的谐波和间谐波信号具有较高的分辨率,为电力系统谐波和间谐波的精确检测提供了新的思路与方法。

基于SSI-LS的次同步谐振参数检测新方法

为精确检测出次同步谐振(SSR)参数,提出了基于随机子空间辨识(SSI)与最小二乘(Least Square)法的次同步谐振参数检测新方法。首先运用奇异值差值法确定次同步谐振模型信号的阶数;再利用SSI算法直接对量测信号精确检测出次同步谐振的频率;最后应用最小二乘法对各次同步频率分量进行幅值和相位的估计,从而实现了次同步谐振参数的检测。分别针对含有基波、高次谐波和次同步频率分量的信号以及含有噪声的上述信号进行参数检测,仿真分析表明该方法抗噪能力强、检测精度高、计算速度快,尤其是对频率相近的次同步频率信号具有较高的分辨率。

特征系统实现算法中的模型定阶方法研究

特征系统实现算法中,模型定阶是最关键的一步,在研究了现有工作模态定阶方法的基础上,提出了奇异值差值法的模型定阶方法。通过两个试验对该模型定阶方法进行了验证,结果证明该方法是有效的、可行的。

基于EEMD和负熵准则的变压器振动信号盲分离

变压器油箱表面测得的振动信号是各个振源的混合信号,直接加以分析,不能确定不同部件的运行状况。而传统盲源分离方法难以解决信号分析中相关源信号盲分离、欠定盲分离等问题。鉴于此,提出基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)与负熵准则的欠定盲源分离算法。首先,利用EEMD方法对变压器振动信号进行分解,得到若干本征模态函数(Intrinsic Mode Function,IMF),并采用邻近奇异值差值法估计混合信号中源信号个数;然后,根据负熵准则选取独立性较好的IMF分量,组成新的测量信号;最后,对新的测量信号进行盲分离。利用实测变压器振动信号对该算法进行了验证。

基于EMD的单通道变压器振动信号盲分离

针对工程应用中测量通道数小于源信号数的问题,提出欠定盲源分离方法分离单通道混合信号。首先,利用经验模式分解(EMD)将单通道变压器振动信号分解成一系列本征模态函数(IMF),并采用邻近奇异值差值法估计源信号个数。然后,根据估计出的源信号数进行虚拟信号重组,将欠定盲源分离问题转化为适定盲源分离问题。最后,经独立分量分析(ICA)得到分离后的变压器振动信号,并分别进行频谱分析。通过与快速ICA算法的分离结果进行对比,验证了该方法的有效性。