基于CEEMDAN和小波软阈值的电能质量扰动信号去噪新方法

为了有效降低噪声对电能质量扰动信号检测的影响,文中提出基于自适应加噪的完备集合经验模态分解(CEEMDAN)和小波软阈值相结合的去噪新方法。该方法利用CEEMDAN将含噪信号分解成为多个频率由高到低的固有模态分量(IMF),采用BP神经网络对含噪信号两端进行延拓来抑制端点效应,通过计算各IMF的多尺度排列熵(MPE)的均值来确定高频含噪分量和低频扰动信号分量,然后使用小波软阈值对高频分量进行去噪,最后将去噪后的IMF与低频IMF进行信号重构,这样既保留了高频分量的有效信息又滤除了噪声。仿真实验表明,利用所选定的新方法去噪效果相对于小波硬阈值去噪、小波软阈值等传统方法有一定的优势,去噪后的信号能够真实地反映电能质量扰动信号的特征,所得结果合理、有效。