论文部分内容阅读
新世纪以来,以电力电子元件为代表的非线性负荷的使用量急剧增长,给人们生产生活带来便利的同时,也向电网注入了大量谐波。为降低谐波带来的影响,研究谐波信号的检测与识别是所有工作的基础。针对传统Prony算法对于噪声敏感、且难以估计出信号成分的缺点,本文提出了一种联合经验小波变换(EWT)的Prony谐波检测辨识算法。本文的主要内容及创新点如下:分析了传统时频分析方法在谐波信号检测中的优势与局限性,比较经验模态分解和经验小波变换这两种算法的信号分解原理,验证了经验小波变换的抗模态混叠特性。结合经验小波变换和Prony算法各自的特点,将他们同时应用在谐波信号的检测识别中,提出了一种基于经验小波变换的改进Prony算法。该算法首先对于带噪谐波信号,利用EWT算法对其进行分解,得出一系列信号分量,从中筛选出噪声分量并去除该噪声分量信号,然后对其他信号成分分量信号实施软阈值小波降噪处理实现谐波信号的降噪增强,并得出准确的信号成分数量,利用成分数量确定Prony算法的维数范围,再对降噪后的谐波信号进行振动模式的各项参数辨识。设定复合信号,分别利用EMD算法与EWT算法对复合信号进行成分分析。仿真结果指出,EWT算法分解结果同仿真条件相符合,相较于EMD算法生成了虚假的信号成分,EWT无模态叠现象,分解结果与信号复合前一致,验证了算法分解复合信号的可行性与有效性。设定加噪电信号,分别使用EMD降噪方法与EWT联合小波降噪的方法,比较两种方法的噪声抑制效果。从降噪处理效果图可以看出,EMD算法不能完全去除噪声,存在噪声残余量过大的不足;EWT联合小波降噪的方法能抑制大多数噪声成分,使信号不至于出现明显的失真情况,能够达到有效去噪的目的。在不同的噪声模式下,对比验证了传统Prony算法、EMD联合Prony算法和本文采用的EWT联合Prony算法的信号辨识精度。辨识结果表明,本文算法优于传统Prony算法、EMD联合Prony算法,具有精确的分解结果,降噪失真较小,辨识精度稳定且较高。利用仿真软件搭建了符合IEEE标准的WSCC三机九节点系统来对算法进行检验,实验结果表明,相比于传统Prony算法和联合EMD的Prony算法,本文所提出的算法由于EWT分解的抗模态混叠特性,具有准确的分解结果,降噪失真较小,辨识精度稳定且较高,适用于三机九节点系统的谐波信号识别。