基于快速本征模态分解的电力系统短期负荷预测

预测技术是负荷预测精度的关键影响因素之一,通过分析提出将快速本征模态分解(fast intrinsic mode decomposition,FIMD)算法应用于电力系统短期负荷预测。所提短期负荷预测方法的实施步骤是:对所选用的样本负荷数据进行快速本征模态分解,分解后将得到若干个具有单一模态的平稳本征模态分量;然后,对分解所得不同频段的负荷分量分别利用基因表达式程序设计算法进行分时预测建模;最后通过对各分量的预测模型进行重构来得到最终的负荷预测模型。进行的大量虚拟预测测试结果表明,同基于经验模态分解方法的短期负荷预测相比本文所提基于FIMD的预测方法具有更高的预测精度。

快速滤波本征模态函数分解中的边界处理

针对快速滤波分解信号为本征模态函数(IMF)所产生的边界效应问题,提出了一种抑制这种边界效应的方法。即利用快速滤波先将原信号分解为本征模态函数,然后在信号内部截取适当的两段分别延拓到原信号两端,经快速滤波得到分解结果后,再截去延拓的部分,保留原信号长度的分解结果。通过实例验证了该方法的有效性。

基于双端行波原理的多端输电线路故障定位新方法

针对已有多端输电线路故障定位方法误差大的缺陷,将双端行波法应用于多端输电线路的故障定位,提出一种基于快速本征模态分解(fast intrinsic mode decomposition,FIMD)和Teager能量算子(Teager energy operator,TEO)的多端输电线路行波故障定位新方法。首先对各测量点的电流线模分量进行FIMD分解,然后利用TEO计算分解所得IMF1分量的瞬时能量,根据首个能量突变点来确定故障初始行波的到达时刻。其次,利用双端行波定位原理和初始行波到达时刻形成文章所提故障支路判定矩阵,利用该矩阵元素特征判定出故障支路。最后,选择能够经过故障点形成双端支路最多的母线作为初始端,计算自初始端经故障点到其他各节点的双端支路的故障距离,将这几个故障距离的均值作为最终故障距离。结果表明,利用所提方法能够准确快速地检测出故障初始行波的到达时刻和确定出故障支路,并进而准确定位出故障点。

基于FIMD和Hilbert变换的线路行波故障诊断

由于传统方法未能考虑到对线路行波信号进行分解与频谱分析,导致线路行波故障诊断精度低、延时以及费用增加,现提出一种基于FIMD和Hilbert变换的线路行波故障诊断方法。通过快速本征模态分解算法FIMD对线路行波信号进行分解,获取多个唯一的固有模态分量和一个残余分量。根据信号分解结果采用Hilbert变换进行线路行波信号频谱分析,获取信号的瞬时频率,通过瞬时频率计算行波到达的准确时间,最终实现线路行波故障诊断。实验结果表明,所提方法能够有效提升线路行波故障诊断精度,降低诊断延时与故障诊断费用,实际应用效果好。