一種基於EEMD的諧波檢測方法與流程
2023-12-03 13:02:16 1
本發明屬於諧波檢測領域，特別涉及一種基於EEMD的諧波檢測方法。
背景技術：
近年來，由於非線性負載(如整流器、變頻器等)被大量使用，用戶側的電能質量問題日益嚴重，其中以諧波汙染為主。隨著智能電網建設的推進，各種分布式電源(如小型光伏/光熱發電、小型風力發電)、儲能設備(如鋰電池組、鉛酸蓄電池組等)和電動汽車充電站/樁開始出現，這些設備併網運行時，也給電網帶來一定的諧波影響。由於電網諧波受到隨機性、分布性和非平穩性等因素的影響，難以對其進行同步精確測量。為提高電能質量，必須首先準確檢測出各種情況下的諧波分量，才有可能補償這些諧波分量。因此，如何快速方便的檢測出電網中諧波分量，一直是個重要的研究問題。
技術實現要素：
針對現有技術的不足，本發明提供一種基於EEMD的諧波檢測方法，在檢測穩態信號時具有很好的精度，在檢測波動信號時也具有較好的動態特性，可以動提取視頻中運動目標，並消除運動背景帶來的幹擾，提取方式獨特且精度高。
結合經驗模態分解(EMD)和總體平均經驗模態分解(EEMD)理論，給出離線諧波檢測的具體過程，並在此基礎上，首先構造當前時刻採樣值始終處於中心位置的向量，然後計算總體諧波分量的在線檢測方法。另外，可以通過修改EEMD算法中的頻率計算條件實現對特定次數諧波分量的檢測。該方法對原始電流或電壓信號沒有要求，不需要電網同步角度，可用於單相、三相三線制或三相四線制系統中檢測諧波分量。
實現本發明目的的技術方案是
一種基於EEMD的諧波檢測方法，包括如下步驟:
1)通過給原始信號x(t)疊加一組高斯白噪聲信號w(t)獲得一個總體信號：
X(t)＝x(t)+w(t) (1)
其中，x(t)為原始信號，w(t)為高斯白噪聲信號。
2)對X(t)進行EMD分解，得到各階IMF分量：
3)給原始信號加入不同的白噪聲wi(t)，重複步驟1)和步驟2)。
4)利用高斯白噪聲頻譜的零均值原理，消除高斯白噪聲作為時域分布參考結構帶來的影響，原始信號對應的IMF分量cn(t)可表示為
EEMD中所加高斯白噪聲的次數服從統計規律
其中，N為總體的個數；ε為高斯白噪聲的幅度；εn為原始信號與由最終的IMF加和得到的信號之間的誤差。也就是說，在噪聲幅度一定的情況下，總體個數越多，最終分解得到的結果越接近真實值，對於所加噪聲的幅度，如果幅度過小，信噪比過高，噪聲將無法影響到極點的選取，進而失去補充尺度的作用，εn取0.2，N取100，為保證算法快速收斂並有效檢測，ε不應取得太小。
5)原始信號x(t)可分解為
6)將獲得的三相電流或單相電流作為原始信號，按照步驟進行計算。如果將一定時間長度的信號進行離線計算，求其諧波分量，直接利用步驟進行計算即可。如果需要進行在線計算，首先需要利用當前時刻數據構造出一定長度的信號，然後利用步驟進行計算。
7)初始化維數為2N的向量I2N
8)當前時刻的採樣值為ik，前面2N-1個時刻的數據分別為ik-(2N-1)、…、ik-1，將ik-(N-1)、…、ik-1賦值給向量I2N的前N-1個元素，ik-(2N-1)、…、ik-N賦值給向量I2N的後N個元素，使當前時刻採樣值ik始終處於向量I2N的中間位置。這樣，2N維向量I2N可表示為[ik-(2N-1)…ik-1,ik-(2N-1)…ik-N]
9)將上式中更新後的向量I2N作為原始信號，第一步～第五步進行計算，分解出各階IMF，並計算各階IMF的頻率，找到工頻附近的IMF分量cf，其中第N個元素即為k時刻的基波分量：ikf＝cf(N)
10)利用當前時刻的採樣值ik減掉基波分量ikf，即可得到信號中的總諧波分量：
ikh＝ik-ikf (6) 如果需要檢測特定次諧波，修改第九步中IMF的頻率即可求出對應的諧波分量ikh，得到EEMD的諧波。
本發明的有益效果一種基於EEMD的諧波檢測方法，可為視頻圖像提取提供一種計算簡單且精度高的方法,本發明提出了。該方法在能夠自動提取視頻中運動目標，並消除運動背景帶來的幹擾，提取方式獨特且精度高。
具體實施例
下面對本發明做進一步的闡述，但不是對本發明的限定。
實施例
一種基於EEMD的諧波檢測方法，包括如下步驟:
1)通過給原始信號x(t)疊加一組高斯白噪聲信號w(t)獲得一個總體信號：
X(t)＝x(t)+w(t) (1)
其中，x(t)為原始信號，w(t)為高斯白噪聲信號。
2)對X(t)進行EMD分解，得到各階IMF分量：
3)給原始信號加入不同的白噪聲wi(t)，重複步驟1)和步驟2)。
4)利用高斯白噪聲頻譜的零均值原理，消除高斯白噪聲作為時域分布參考結構帶來的影響，原始信號對應的IMF分量cn(t)可表示為
EEMD中所加高斯白噪聲的次數服從統計規律
其中，N為總體的個數；ε為高斯白噪聲的幅度；εn為原始信號與由最終的IMF加和得到的信號之間的誤差。也就是說，在噪聲幅度一定的情況下，總體個數越多，最終分解得到的結果越接近真實值，對於所加噪聲的幅度，如果幅度過小，信噪比過高，噪聲將無法影響到極點的選取，進而失去補充尺度的作用，εn取0.2，N取100，為保證算法快速收斂並有效 檢測，ε不應取得太小。
5)原始信號x(t)可分解為
6)將獲得的三相電流或單相電流作為原始信號，按照步驟進行計算。如果將一定時間長度的信號進行離線計算，求其諧波分量，直接利用步驟進行計算即可。如果需要進行在線計算，首先需要利用當前時刻數據構造出一定長度的信號，然後利用步驟進行計算。
7)初始化維數為2N的向量I2N
8)當前時刻的採樣值為ik，前面2N-1個時刻的數據分別為ik-(2N-1)、…、ik-1，將ik-(N-1)、…、ik-1賦值給向量I2N的前N-1個元素，ik-(2N-1)、…、ik-N賦值給向量I2N的後N個元素，使當前時刻採樣值ik始終處於向量I2N的中間位置。這樣，2N維向量I2N可表示為[ik-(2N-1)…ik-1,ik-(2N-1)…ik-N]
9)將上式中更新後的向量I2N作為原始信號，第一步～第五步進行計算，分解出各階IMF，並計算各階IMF的頻率，找到工頻附近的IMF分量cf，其中第N個元素即為k時刻的基波分量：ikf＝cf(N)
10)利用當前時刻的採樣值ik減掉基波分量ikf，即可得到信號中的總諧波分量：
ikh＝ik-ikf (6)
如果需要檢測特定次諧波，修改第九步中IMF的頻率即可求出對應的諧波分量ikh，得到EEMD的諧波。