System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及波头识别,具体涉及一种基于hilbert-huang变换和变分模态分解的波头识别方法及系统。
技术介绍
1、利用输电线路故障时线路上产生的暂态行波可以实现故障定位及行波保护技术,行波波头的识别是暂态行波特征提取的关键环节,波头检测的任务是识别和定位信号或数据中的波峰或波谷,这些波峰或波谷通常对应于某种特定的频率成分或事件发生的时间点,是信号或数据中非常重要的特征。
2、目前,波头识别过程中存在着的核心问题是波头特征的提取和选择、波头定位的精确性和对噪声干扰的鲁棒性;在实际工程中,受到过渡电阻和故障距离等因素影响,行波可能出现严重的衰减,量测点检测到的行波波头比较平缓,奇异性特征不明显,再考虑到噪声的干扰,严重影响到行波波头识别的精度;因此,需要设计一种基于hilbert-huang变换和变分模态分解的波头识别方法及系统。
技术实现思路
1、本专利技术的目的是克服现有技术的不足,为更好的有效解决目前波头识别过程中存在着的波头特征的提取和选择、波头定位的精确性和对噪声干扰的鲁棒性的问题,提供了一种基于hilbert-huang变换和变分模态分解的波头识别方法及系统,其实现了具有在处理复杂行波上效果较好的功能,提高了波头识别的稳定性和可靠性,通过使用综合评测方法选取最佳的波头识别结果使得波头定位结果更加准确可靠,识别过程更准确高效,同时波头定位精度高,且能适应不同类型的行波波头检测。
2、为了达到上述目的,本专利技术所采用的技术方案是:
4、步骤(a),采集行波波形数据,并对行波波形数据进行预处理,得到预处理数据;
5、步骤(b),基于得到的预处理数据,对信号进行经验模态分解处理并得到imf分量,再使用希尔伯特变换将imf分量变换成用瞬时频率表征的模态;
6、步骤(c),根据瞬时频率表征的模态得到瞬时频率幅值,并得到希尔伯特谱,再对希尔伯特谱进行检测,得到波头到达点;
7、步骤(d),基于得到的预处理数据,对信号进行变分模态分解处理并得到bimf分量;
8、步骤(e),通过teager能量算子计算bimf分量进行能量突变点的提取,并得到teager能量值曲线,再选择最佳结果波形,得到波头到达监测点时刻;
9、步骤(f),基于步骤(c)中得到的波头到达点和步骤(e)中得到的波头到达监测点时刻,根据模态分解结果的时频定位能力和模态能量的稳定性得到最终波头识别结果。
10、前述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,步骤(a),采集行波波形数据,并对行波波形数据进行预处理,得到预处理数据,其中预处理包含异常数据处理、数据清洗和数据格式转换,具体步骤如下,
11、步骤(a1),异常数据处理,其中具体是删除显著错误的波形,所述显著错误的波形包含不符合所有标签的波形数据、全零值波形数据和震荡波形数据,
12、步骤(a2),数据清洗,其中具体是对重复波形数据进行筛选处理,对多条重复波形只保留一条有效波形数据,且对数据中存在数据点缺失的地方进行插值处理;
13、步骤(a3),数据格式转换,其中具体是对错误标签数据进行标签修改,并将数据文件中不标准的波形数据标签统一标签格式。
14、前述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,步骤(b),基于得到的预处理数据,对信号进行经验模态分解处理并得到imf分量,再使用希尔伯特变换将imf分量变换成用瞬时频率表征的模态,其中经验模态分解和希尔伯特变换组成了hilbert-huang变换,所述imf分量的imf要求为单分量的频率信号且在每个时刻只有单一频率成分,并满足信号数据的局部平均值为零,同时极值点个数与过零点个数必须相等或至多相差一个,具体步骤如下,
15、步骤(b1),基于得到的预处理数据,对信号进行经验模态分解处理并得到imf分量,具体步骤如下,
16、步骤(b11),设t时刻的行波信号为x(t),并对行波信号x(t)采用包络线平均法分离,其中包络线平均法分离具体是确定t时刻的行波信号x(t)局部极大值和局部极小值,并利用三次样条插值函数将局部极大值连接成上包络线,再将局部极小值连接成下包络线,接着根据上包络线和下包络线求得平均值s1(t)和残量w1(t),如公式(1)所示,
17、w1(t)=x(t)-s1(t) (1)
18、其中,x(t)表示行波信号,s1(t)表示平均值,w1(t)表示残量,若残量w1(t)满足imf要求,则将残量w1(t)作为分离得到的第一个imf分量,若残量w1(t)不满足imf要求,则将w1(t)作为原始信号,并按照包络线平均法继续分离,直到残量w1(t)满足imf要求并得到第一个imf分量;
19、步骤(b12),计算第一个imf分量cimf1(t)的信号残量r1(t),如公式(2)所示,
20、r1(t)=x(t)-cimf1(t) (2)
21、其中,r1(t)表示信号残量,cimf1(t)表示第一个imf分量;;
22、步骤(b13),对信号残量r1(t)重复n次步骤(b11)和步骤(b12),并逐渐分离出n个imf分量,直到信号残量为一个趋势函数且无法再继续分离出imf分量,且行波信号x(t)能表示为各个imf分量与趋势函数的和,如公式(3)所示,
23、
24、其中,cimfi(t)表示第i个imf分量,rn(t)表示趋势函数;
25、步骤(b14),将各个imf分量表示不同特征频率分别对应的幅值,其中第一个imf分量cimf1(t)是信号的最高频率成分,并表证了故障行波的高频暂态信息;
26、步骤(b2),使用希尔伯特变换将imf分量变换成用瞬时频率表征的模态,如公式(4)所示,
27、
28、其中,hi(t)表示第i个imf分量的希尔伯特变换值,δ表示希尔伯特变换过程中与第i个imf分量进行卷积的信号在卷积变换时的时域表征。
29、前述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,步骤(c),根据瞬时频率表征的模态得到瞬时频率幅值,并得到希尔伯特谱,再对希尔伯特谱进行检测,得到波头到达点,具体步骤如下,
30、步骤(c1),根据瞬时频率表征的模态得到瞬时频率幅值,如公式(5)所示,
31、
32、其中,zi(t)表示第i个imf分量的瞬时频率表达式,ai(t)表示瞬时频率幅值,θi(t)表示瞬时频率相位,j表示虚数单位;
33、步骤(c2),根据瞬时频率幅值得到希尔伯特谱,如公式(6)所示,
34、
35、其中,h(ω,t)表示希尔伯特谱;
本文档来自技高网...【技术保护点】
1.一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:包括以下步骤,
2.根据权利要求1所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:步骤(A),采集行波波形数据,并对行波波形数据进行预处理,得到预处理数据,其中预处理包含异常数据处理、数据清洗和数据格式转换,具体步骤如下,
3.根据权利要求2所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:步骤(B),基于得到的预处理数据,对信号进行经验模态分解处理并得到IMF分量,再使用希尔伯特变换将IMF分量变换成用瞬时频率表征的模态,其中经验模态分解和希尔伯特变换组成了Hilbert-Huang变换,所述IMF分量的IMF要求为单分量的频率信号且在每个时刻只有单一频率成分,并满足信号数据的局部平均值为零,同时极值点个数与过零点个数必须相等或至多相差一个,具体步骤如下,
4.根据权利要求3所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:步骤(C),根据瞬时频率表征
5.根据权利要求4所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:步骤(D),基于得到的预处理数据,对信号进行变分模态分解处理并得到BIMF分量,具体步骤如下,
6.根据权利要求5所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别方法,其特征在于:步骤(E),通过Teager能量算子计算BIMF分量进行能量突变点的提取,并得到Teager能量值曲线,再选择最佳结果波形,得到波头到达监测点时刻,具体步骤如下,
7.一种基于Hilbert-Huang变换和变分模态分解的波头识别系统,所述波头识别系统的运行过程采用基于权利要求1-6任一项所述的方法,其特征在于:包括预处理模块、Hilbert-Huang变换处理模块、希尔伯特谱处理模块、变分模态分解处理模块、Teager能量算子计算模块和波头识别结果输出模块,所述预处理模块用于采集行波波形数据,并对行波波形数据进行预处理,得到预处理数据;
8.根据权利要求7所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别系统,其特征在于:所述预处理模块中的预处理具体内容包含异常数据处理、数据清洗和数据格式转换。
9.根据权利要求7所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别系统,其特征在于:所述Hilbert-Huang变换处理模块中的经验模态分解和希尔伯特变换组成了Hilbert-Huang变换。
10.根据权利要求7所述的一种基于Hilbert-Huang变换和变分模态分解的波头识别系统,其特征在于:所述波头识别结果输出模块中的波头到达点和波头到达监测点时刻分别利用希尔伯特谱处理模块和Teager能量算子计算模块得到。
...【技术特征摘要】
1.一种基于hilbert-huang变换和变分模态分解的波头识别方法,其特征在于:包括以下步骤,
2.根据权利要求1所述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,其特征在于:步骤(a),采集行波波形数据,并对行波波形数据进行预处理,得到预处理数据,其中预处理包含异常数据处理、数据清洗和数据格式转换,具体步骤如下,
3.根据权利要求2所述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,其特征在于:步骤(b),基于得到的预处理数据,对信号进行经验模态分解处理并得到imf分量,再使用希尔伯特变换将imf分量变换成用瞬时频率表征的模态,其中经验模态分解和希尔伯特变换组成了hilbert-huang变换,所述imf分量的imf要求为单分量的频率信号且在每个时刻只有单一频率成分,并满足信号数据的局部平均值为零,同时极值点个数与过零点个数必须相等或至多相差一个,具体步骤如下,
4.根据权利要求3所述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,其特征在于:步骤(c),根据瞬时频率表征的模态得到瞬时频率幅值,并得到希尔伯特谱,再对希尔伯特谱进行检测,得到波头到达点,具体步骤如下,
5.根据权利要求4所述的一种基于hilbert-huang变换和变分模态分解的波头识别方法,其特征在于:步骤(d),基于得到的预处理数据,对信号进行变分模态分解处理并得到bimf分量,具体步骤如下,
6...
【专利技术属性】
技术研发人员:张廼龙,邱刚,吴强,谭笑,黄新宇,陈杰,孙蓉,杨景刚,高超,李鸿泽,高嵩,
申请(专利权)人:国网江苏省电力有限公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。