基于改进变分模态分解和小波阈值法的单相接地故障电流降噪.pdf
《基于改进变分模态分解和小波阈值法的单相接地故障电流降噪.pdf》由会员分享,可在线阅读,更多相关《基于改进变分模态分解和小波阈值法的单相接地故障电流降噪.pdf(11页珍藏版)》请在咨信网上搜索。
1、投稿网址:2023 年 第23 卷 第29 期2023,23(29):12556-11科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T引用格式:王孔贤,邵英,王黎明.基于改进变分模态分解和小波阈值法的单相接地故障电流降噪J.科学技术与工程,2023,23(29):12556-12566.Wang Kongxian,Shao Ying,Wang Liming.Denoising of single-phase grounding fault current based on improved VMD a
2、nd wavelet thresholdJ.Science Technology and Engineering,2023,23(29):12556-12566.基于改进变分模态分解和小波阈值法的单相接地故障电流降噪王孔贤,邵英,王黎明(海军工程大学电气工程学院,武汉 430033)摘 要 针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进变分模态分解(variational mode de-composition,VMD)和小波阈值法联合的单相接地故障的零序电流降噪
3、方法,通过北方苍鹰优化算法优化改进 VMD 对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统 VMD 降噪算法信噪比提高了 5.52%35.99%,均方根误差降低了 12.78%30.88%,与小波阈值降噪方法、经验模态分解(ensemble empirical mode decomposition,EEMD)-小波阈值降噪方法、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise
4、,CEEMDAN)-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号 Heavy Sine 信号和 Bumps 信号中进行实验,验证了算法的适用性。关键词 单相接地故障;零序电流降噪;北方苍鹰优化算法;变分模态分解;小波阈值法中图法分类号 TM726;文献标志码 A收稿日期:2022-11-14;修订日期:2023-06-29基金项目:国家自然科学基金(41974005);国家优秀青年科学基金(42122025)第一作者:王孔贤(1998),男,汉族,湖北襄阳人,硕士研究生。研究方向:智能控制方法及其应用、电力系统保护。E-mail:。通信作者:王黎明(1978),男,汉族,山东烟台
5、人,博士,教授。研究方向:电力信息检测、智能控制。E-mail:。Denoising of Single-phase Grounding Fault Current Based onImproved VMD and Wavelet ThresholdWANG Kong-xian,SHAO Ying,WANG Li-ming(School of Electrical and Electronic Engineering,Naval University of Engineering,Wuhan 430033,China)Abstract When a single-phase grounding
6、 fault occurs in power system transmission and distribution lines,the electromagnetic en-vironment between electrical equipment is complex,and the severe field environmental interference causes a lot of noise in the fault ze-ro-sequence current signal collected by the fault recorder,which affects th
7、e accuracy of subsequent line selection.A denoising methodfor single-phase grounding fault zero sequence current based on improved variational mode decomposition(VMD)and wavelet thresholdmethod was proposed.By optimizing and improving VMD for zero sequence current signal decomposition through the no
8、rthern eagle op-timization algorithm,adaptive correlation thresholds were introduced to filter the decomposed components,and wavelet threshold meth-od was used to denoise the noise components.Finally,the signal was reconstructed.By building a model to conduct simulation experi-ments,the proposed alg
9、orithm improves the signal-to-noise ratio by 5.52%35.99%,and reduces the root mean square error by12.78%30.88%compared with the traditional VMD denoising algorithm.Compared with the wavelet threshold denoising method,ensemble empirical mode decomposition(EEMD)wavelet threshold denoising method,and c
10、omplete ensemble empirical mode decom-position with adaptive noise(CEEMDAN)wavelet threshold denoising method,the proposed algorithm also has obvious advantages,andthe algorithms applicability is verified by experiments in standard test signals Heavy Sine signal and Bumps signal.Keywordssingle-phase
11、 grounding fault;zero-sequence current denoising;northern goshawk optimization algorithm;variationalmodal decomposition;wavelet threshold method 根据电力系统运行的经验表明,单相接地故障是电力系统输配电线路最频发的故障,现有的许多单相接地故障选线方法都是基于零序电流信号来实现的,这是由于单相接地故障发生后,故障线路与正常线路的零序电流信号的幅值和相位在暂态和稳态都存在很大的差异。吴春阳等1运用动态投稿网址:2023,23(29)王孔贤,等:基于改进变分
12、模态分解和小波阈值法的单相接地故障电流降噪12557时间弯曲(dynamic time warping,DTW)规划原理,获得线路零序电流波形间的动态模式匹配距离矩阵,最后利用模糊 C 均值聚类算法,实现单相接地选线。文献2利用 Hausdorff 距离算法比较线路间的零序电流信号主要高频分量的波形差异进行故障选线。由此可见零序电流信号在故障选线过程中的重要性,但是在实际环境中由于电气设备间的电磁环境复杂,现场环境干扰严重等情况会导致故障录波装置采集到的故障零序电流信号噪声干扰严重,进而影响后续的故障选线,因此对含噪声零序电流信号进行降噪对提高后续故障选线准确率尤为重要。现有的应用于零序电流信
13、号降噪的算法主要都是采用经验模态分解3及其改进算法,缺乏扎实的理论基础,且鲁棒性较差。Dragomiretskiy 等4在2014 年提出了变分模态分解(variational mode de-composition,VMD)这一全新的非递归、自适应的信号处理方法,该方法克服了传统分解算法的不足,具有扎实的理论基础和更好的鲁棒性,可以抑制或避免模态混叠现象,适用于处理故障零序电流信号这种非线性、非平稳信号,但其在使用过程中需要对分解层数 K 和惩罚因子 这两个参数进行预先设置,否则会导致模态的过分解和欠分解,中心频率法5-6、瞬时频率均值法7-8、频谱峰值点法9都可以用来确定 VMD 参数,但
14、是这些方法在 K 选取上并未考虑 K 和 间可能存在的相互影响,存在较大主观臆测性,且选取速度慢。而采用智能算法对VMD 进行参数寻优10-11可以在一定程度上克服由于人的主观经验导致的误差。现提出采用北方苍鹰优化算法12(northern goshawk optimization,NGO)对 VMD 算法进行改进优化。在对故障零序电流信号进行降噪时,分解算法得到的模态成分比较复杂,需要重新筛选和处理后才能进行重构,现有的筛选方法主要采用给定相关系数阈值3,13或者利用各分量熵值大小排序14进行选取,前者的适用性较差,在某些噪声含量很大,各分量相关性很小的时候造成大量有用信号被直接剔除的问题,
15、后者在完成熵值排序后,一般人为主观地筛选前几个分量进行重构,缺乏可靠性。现引入自适应相关阈值对分解后的分量进行筛选,对相关性小的噪声分量通过小波阈值降噪进一步提取其中的有用部分,最大限度地在含噪声零序电流信号中提取出有用信号。现提出一种改进 VMD 和小波阈值法的单相接地故障零序电流信号联合降噪方法,首先,通过 NGO 优化算法对 VMD 分解的两个参数 K 与 进行优化选取,提高分解效果,对分解得到的 IMF 分量利用自适应相关阈值进行筛选,将 IMF 分量与原信号相关系数大于阈值的分量作为有效分量直接保留,将 IMF 分量与原信号相关系数小于阈值的模态分量进一步利用小波阈值法进行降噪,最后
16、进行重构,通过搭建模型进行实验,并与小波阈值降噪方法、经验模态分解(ensemble empirical mode decomposition,EEMD)-小波阈值降噪方法、完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition withadaptive noise,CEEMDAN)-小波阈值降噪方法以及定参数 VMD 小波阈值降噪方法进行对比,说明改进VMD 和小波阈值法联合降噪方法的有效性,并且在标准测试信号 Heavy Sine 信号和 Bumps 信号中进行实验验证算法适用性。1 基本理论1.1 VMD 原理VMD
17、的原理是将非平稳信号 f 分解为 K 个模态分量子信号 uk,且每个分量有一个确定的有限带宽和中心频率 k。变分问题就可以表示为寻求 K 个模态函数 uk(t),使得每个模态的估计带宽之和最小,约束条件为各模态分量之和为输入信号 f,构造过程中,首先对各个模态函数分量 uk(t)进行 Hil-bert 变换,获得其解析信号,其次将各个模态函数分量的解析信号与 e-jkt进行混合,将每个模态分量的频谱调制到相应的预估基频带,计算平移后信号梯度的 L2范数平方来估计带宽15。整个变分问题的构造过程最终得到的表达式为minuk,kKk=1t(t)+jt()uk(t)e-jkt22s.t.Kk=1uk
18、=f(1)式(1)中:uk=u1,u2,uK、k=1,2,K 分别为所有模态及其中心频率;t为对t 求偏导数;(t)为狄拉克分布;表示卷积。为了求解式(1),引入二次惩罚因子 和拉格朗日乘法算子 将式(1)转换为非约束变分问题,其中 可以在高斯噪声存在的情况下保证信号的重构精度,拉格朗日算子使得约束条件保持严格性,增广拉格朗日函数表达式为L(uk,k,)=Kk=1t(t)+jt()uk(t)e-jkt22+f(t)-Kk=1uk(t)22+(t),f(t)-Kk=1uk(t)(2)投稿网址:12558科 学 技 术 与 工 程Science Technology and Engineering
19、2023,23(29)利用交替乘子算法(alternate direction method ofmultipliers,ADMM)交替更新 un+1k、n+1k和 n+1求解式(2)的最优解,由此可得模态分量 uk、中心频率k和 的求解公式为un+1k()=f()-l kunl()+n()21+2(-nk)2(3)n+1k=?0un+1k()2d?0un+1k()2d(4)n+1()=n()+f()-Kk=1un+1k()(5)式中:f()、unl()、n()和 un+1k()分别为 f(t)、unl(t)、n(t)和 un+1k(t)的傅里叶变换;为更新参数;n 为迭代次数。VMD 算法的
20、具体计算过程如下。(1)设置最大分解层数 K 值,令 n=0,初始化un+1k、n+1k和 n+1为 u1k、1k、1。(2)根据式(3)式(5)不断迭代更新 un+1k、n+1k和 n+1。(3)判断是否满足式(6)的迭代停止条件,满足则迭代停止,得到最终模态分量 uk及中心频率 k。Kk=1un+1k-unk22unk22 1(6)式(6)中:1为预设定的收敛误差。1.2 NGO 原理北方苍鹰优化算法12通过模拟北方苍鹰在猎物狩猎过程中的行为对参数进行优化,下面对算法原理进行介绍,主要分为两个阶段,分别是识别猎物及攻击猎物阶段和追逐及逃生阶段,每个阶段的数学模型如下。(1)识别猎物及攻击猎
21、物阶段。这个阶段北苍鹰随机选择一个猎物,然后迅速攻击它,由于搜索空间中猎物的随机选择,该阶段增加了算法的搜索能力。该阶段是全局搜索,目的是识别最优区域,这一阶段的数学模型公式如式(7)式(9)所示。Pi=Xki=1,2,Nk=1,2,i-1,i+1,N(7)xnew,P1i,j=xi,j+r(pi,j-Ixi,j),FPi Fixi,j+r(xi,j-pi,j),FPi Fi(8)Xi=Xnew,P1i,Fnew,P1i FiXi,Fnew,P1i Fi(9)式中:Pi为第 i 只北方苍鹰的猎物位置;FPi为其目标函数值;k 为区间1,N 中的随机自然数;Xnew,P1i为第 i 个解的新状态
22、;xnew,P1i,j为其第 j 维;Fnew,P1i为第一阶段的目标函数值;r 为区间0,1 中的随机数;I 为 一个随机数,可以是1 或2;参数 r 和 I 是用于在搜索和更新中生成随机行为的随机数。(2)追逐及逃生阶段。在北苍鹰攻击猎物后,猎物试图逃跑。因此,在一个追尾过程中,北方苍鹰继续追逐猎物,由于北苍鹰的高速飞行,它们几乎可以在任何情况下追逐猎物并最终狩猎,对这种行为的模拟提高了算法对搜索空间局部搜索的能力,该阶段是局部搜索,目的是找到最优解,这一阶段的数学模型公式如式(10)式(12)所示。xnew,P2i,j=xi,j+R(2r-1)xi,j(10)R=0.02 1-tT()(
23、11)Xi=Xnew,P2i,Fnew,P2i FiXi,Fnew,P2i Fi(12)式中:t 为迭代次数;T 为最大迭代次数;Xnew,P2i为第 i 个解的新状态;xnew,P2i,j为其第 j 维;Fnew,P2i为第二阶段的目标函数值。在根据上述 NGO 算法数学模型更新所有种群参数后,完成算法的迭代,此时确定了所有种群参数值、目标函数以及当前最优解,然后算法进入下一次迭代,种群成员根据式(7)式(12)继续更新,直到完成最后一次迭代,整个迭代过程中获得的最优解作为给定优化问题的解。1.3 IMF 筛选VMD 分解后,各模态函数分量 IMF 所包含的频带是不同的,噪声主导的分量中存在
24、较多异常信号会导致与原信号之间的相关性降低,二者之间的相关系数会变小,而有用信号成分主导的分量与原信号相关性较好,二者之间的相关系数会较大,因此原信号与各分量信号之间的相关系数大小能够作为有效分量选取的依据,两种成分主导的分量之间存在一个相关系数的临界阈值16-17,如果相关系数高于该阈值,则认为该分量中包含的是有用信号成分,如果互相关系数低于该阈值,则认为该分量中包含的是噪声或者异常成分,阈值 rthr的计算公式如下。ri=Ni=1(Xi-X-)(Yi-Y-)Ni=1(Xi-X-)2(Yi-Y-)2(13)投稿网址:2023,23(29)王孔贤,等:基于改进变分模态分解和小波阈值法的单相接地
25、故障电流降噪12559rthr=max(ri)10max(ri)-3(14)式中:ri为第 i 个 IMF 分量与原信号的相关系数值;Xi和 Yi分别为 IMF 分量和原始信号;X 和Y 分别为IMF 分量数据点均值和原始信号数据点均值;N 为信号长度;将相关系数 ri大于 rthr的模态分量视为有效分量,相关系数 ri小于 rthr的模态分量视为噪声分量,需要进一步处理。1.4 小波阈值法小波阈值法降噪的本质是对信号的滤波,将含噪声信号小波分解后得到原始信号和噪声的分解系数,且原始信号的分解系数大于噪声的分解系数,此时需要选取合理的阈值,通过阈值处理筛选出噪声并过滤掉噪声,将分解系数大于阈值
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 变分模态 分解 阈值 单相 接地 故障 电流
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。