经验模态分解中的频域分辨率及其改进方法

经验模态分解(EMD)的主要目的是提供满足Hilbert变换要求的单组分或窄带信号.针对EMD中由于模式混淆以及信号间相互作用带来的单个本征模态函数带宽过大的不足,对单次EMD分解结果本征模态函数的带宽进行了研究,计算了其瞬时频率分辨率,以此为依据提出了经验模态分解中限制当前信号带宽的改进屏蔽信号方法.此方法完全解决了模式混淆的问题,尽可能地减少了经验模态分解中信号相互作用的不利影响,有效地提高了本征模态函数经H ilbert变换后其瞬时频率表达的频域分辨率.     

基于Hilbert-Huang变换的电力系统故障检测

电力系统发生故障时,其暂态信号多为非线性非平稳信号。希尔伯特-黄变换可从此类信号出发,自适应分解为有限个本征模式函数之和,通过选取IMF并对其进行Hilbert变换,提取出IMF分量的瞬时频率和瞬时幅度。利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析。仿真结果表明,希尔伯特-黄变换在电力系统故障检测中非常有效。     

希尔伯特-黄变换方法边界问题的处理

在研究基于经验模态分解（EMD）算法的基础上,本文提出了一种处理EMD边界问题的新方法——拟正弦边界延拓法,并通过仿真试验,与采用特征波法的分解结果进行比较。对比表明,拟正弦边界延拓法能有效地抑制EMD分解出的固有模态函数两个端点处的摆动,从而提高时频分辨率,应用拟正弦边界延拓法处理EMD的端点效应具有一定的优越性,值得推广应用。     

Hilbert变换处理实窄带信号的问题研究

介绍了Hilbert变换的定义,论述了如何通过Hilbert变换实现实窄带信号解析表示,分析了用Hilbert变换正确求取瞬时参数时对信号的要求。     

基于HHT的高压直流输电故障测距算法的研究与仿真

本文介绍了用希尔伯特黄变换(HHT)对直流输电线路进行故障测距的方法。首先对测得的故障电流行波信号进行经验模态分解(EMD)得到一系列对应固有模态函数(IMF),对IMF进行希尔伯特(Hilbert)变换得到其时频图。根据时频图中的频率突变点得出故障行波到达两侧测量点的时间,并且根据其对应时刻的瞬时频率和具体线路的参数计算出其波速度。用改进的双端测距理论对直流线路进行测距。并对测得误差总体趋势和误差因子进行详细分析。相关仿真分析用EMTDC环境进行,仿真结果证实了所提方法的有效性。     

基于瞬时能量密度谱的航空发动机双发差异信号监测

针对非线性、非平稳航空发动机双发差异信号,提出利用瞬时能量密度谱凸显微波动信号这一方法获得双发差异波动值出现的时间。通过总体平均经验模式分解(EEMD)结合希尔伯变换(HT)求解信号的HT谱与瞬时能量密度水平,从频率、幅值与时间三方面给出信号特征。以燃油流量为例,分析了航空发动机气路参数差值在巡航段的波动情况。结果表明：在2095s、3600s左右发动机燃油流量差值(ΔFF)出现微弱波动,且后者波动幅值为前者的1/5,频率范围集中在0-0.2Hz之间。2095s信号波动是由飞机飞行高度、航向变化及加速度变化引起的,3600s信号波动是加速度变化导致的。由瞬时能量密度谱获得航空发动机参数微波动发生的精确时间,并与QAR记录的同时刻其他相关数据进行对比,追溯发动机FF变化的原因,判断航空发动机是否存在故障。     

多个经验模态分解对振动信号作用的对比

经振动传感器采集到的信号是非线性、非稳定的,这种信号无论是在时域还是频域上都不易分析。所以通过经验模态分解将原始信号分解成为多个本质模态函数（IntrinsicMode Function,IMF）,之后对其进行特征提取等进一步处理。但是经验模态分解存在模态混叠与端点效应的问题,所以文章采用互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposision,CEEMD）。CEEMD是在进行经验模态分解之前加入多组符号相反的白噪声,这不仅减少了模态混叠,分解出的IMF分量还更精进。这种互补集合经验模态分解有效地处理了所采集的非线性、非稳定性的振动信号。     

缝类缺陷对Lamb波的影响研究

为了对金属薄板中缝缺陷进行Lamb波无损检测,采用短时傅里叶变换(STFT)和经验模态分解(EMD)方法,对ST12冷轧板中有无缺陷时采用一发一收方式激励出的Lamb波时域信号进行研究.结果表明,时频分析方法可有效地识别Lamb波模式以及模式转换现象,并且与Lamb波信号相关系数最高的固有模态信号(IMF)的平均瞬时频率的变化量和缺陷程度(缝深和缝长)也有较好的对应关系.     

基于多普勒效应的单声源速率测定算法研究

应用多普勒效应原理,实现了对固定频率、匀速运动的单声源的速率测定.利用MATLAB拟合了固定传感器接收到的该声源运动时的声音信号,用Hilbert变换得到了该信号的瞬时频率,并以离散时间域的多普勒效应为目标函数,采用非线性最小二乘拟合得到其速率.算法采用小波分析及经验模态分解(EMD)方法分别对原始声音信号和瞬时频率进行去噪.实验结果表明,该算法精度较高,是一种可行的方法.     

Hilbert-Huang 变换在爆破震动信号分析中的应用

介绍了Hilbert-Huang变换(HHT)法的原理、内容和优越性, 并用仿真信号进行实例分析, 以验证其关键技术经验模态分解(EMD)的高效性、自适应性, 以及其时频图能定量地描述时间与瞬时频率的关系. 用HHT法对爆破震动信号进行分析与处理. 研究结果表明: EMD能很好地按不同的时间尺度对信号进行分解, 分解后的固有模态函数能反映信号本身所固有的特性;能将Hilbert能量谱中的信号能量清晰地表示在时间-频率-能量的分布图上;HHT法能有效地提取爆破震动信号的时频特征;HHT法比小波分析更具适应性, 为爆破震动信号的分析与处理提供了新的研究思路与方向.     

电力消费与经济增长关系的实证分析

电力消费在推动国民经济增长的过程中扮演着重要角色,而电力消费与经济增长之间的关系一直是学术界的重要议题。通过对电力消费和经济增长的数据进行实证分析,选用格兰杰因果检验的方法,对两者之间的关系进行研究,结果显示电力消费和经济增长是单向的因果关系,也就是说,电力消费的变化会影响经济增长,而经济增长对电力消费不会产生影响。针对以上研究结论,提出了相应的优化策略。     

基于数据的建筑能耗分析与建模

对建筑能耗数据进行深入分析,提出了建立建筑电力能耗模型的方法.首先对建筑能耗进行了分项计量,统计了建筑逐时照明能耗数据,办公设备能耗数据以及办公人数,同时调查了建筑管理控制方式.经过分析可知,办公设备能耗数据与办公人数线性相关,而照明能耗数据与办公人数以及太阳辐射强度相关,但为非线性关系.根据不同类型数据的特点,分别建立了线性回归模型以及决策树模型.该模型可以预测建筑能耗并评估建筑管理方式对能耗的影响.     

山东省电力消费和经济发展关系的协整分析

通过协整理论等现代计量经济学分析方法,利用软件Eviews3.0检验出山东省电力消费和经济发展之间存在长期均衡关系,并依据分析结果给出山东省电力工业的发展相对经济发展具有先导性和超前性,提出山东省电力工业发展需要充分考虑可再生资源的利用,做好电力需求的精确预测,处理好供需矛盾.     

基于消费形态条件下的电力运营定价模型

提出在电力运营部门定价过程中,首要的问题是选择指定的用户类型及用户消费形态,并且在自选择约束条件下达到福利优化的目的．运用计量经济学的方法建立了电力运营定价模型,在模型中,通过确定用户目标函数对电力运营部门的供给状况、福利最大化问题、需求函数原则和有效的电价条件进行了分析,并就如何确定正常的消费形态和相应的电力价格以及自选择约束条件进行了实证分析．结果表明,在基于消费形态的定价模型中,问题的关键是价格形态应同时对不同用户群达到有效、可行和公平的目的     

电力发展与高耗能的规范

我国去年出现了多年不见的严重电力短缺，其重要原因之一是发展预测背离经济社会和电力发展的规律。本文根据国外电力发展的情况和我国未来经济发展与电力消费增长的展望，提出规范高耗能企业的发展，使电力发展有序进行。     

中国用电量需求模型的建立及需求预测

讨论了我国用电量及其影响因素问题。取国内生产总值(GDP)、人口总数和原煤产量3个变量作为解释变量,分析它们对用电总量的影响程度。得出以下结论:(1)通过F检验,得出这3个自变量与用电量有显著线性关系,通过t检验,得出人口总数对用电量没有显著性影响,并通过回归诊断,得出线性回归方程。(2)预测了国家2012~2016年的用电量分别为26 533.66亿千瓦时,28 914.31亿千瓦时,31 083.88亿千瓦时,33 157.45亿千瓦时,35 054.74亿千瓦时,这些研究结果为我国电力建设和社会发展规划提供了定量科学依据。     

基于WEB远程监控在企业用电控制中的应用

远程监控是工业自动化的一个趋势。通过使用WEB技术,使得企业工作人员可以对设备进行远程检测和控制。本文给出了一个结合了Profibus现场总线和WEB技术的监控系统。     

Hybrid Model Based on Wavelet Decomposition for Electricity Consumption Prediction

The effective supply of electricity is the basis of ensuring economic development and people's normal life. It is difficult to store electricity, as leading to the production and consumption must be completed simultaneously. Therefore, it is of great significance to accurately predict the demand for electricity consumption for the production planning of electricity and the normal operation of the society. In this paper, a hybrid model is constructed to predict the electricity consumption in China. The structural breaks test of monthly electricity consumption in China from January 2010 to December 2016 is carried out by using the structural breaks unit root test. Based on the existence of structura breaks, the electricity consumption data are decomposed into low-frequency and high-frequency components by wavelet model, and the separated low frequency signal and high frequency signal are predicted by autoregressive integrated moving average(ARIMA) and nonlinear autoregressive neural network(NAR), respectively. Therefore the wavelet-ARIMA-NAR hybrid model is constructed. In order to compare the effect of the hybrid model, the structural time series(STS) model is applied to predicting the electricity consumption. The results of prediction error test show that the hybrid model is more accurate for electricity consumption prediction.     

基于逻辑回归的增量式异常用电行为检测方法

用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。     

超过指数增长速度的年度用电量曲线拟合预测

为有效预测超过指数增长速度的年度用电量,选用超阶乘、二重指数等可线性化的函数,对年度用电量进行曲线直接拟合外推预测．采用这些新的数学函数预测北京年度用电量,拟合平均相对误差绝对值小于4．2%,2006年校验误差小于1．9％．超阶乘、二重指数函数不仅可用于超过指数增长的负荷预测,还可用于纠正线性回归、指数平滑和移动平均等方法对增长负荷预测值偏小的系统误差