基于Hilbert - Huang变换的电力线路过电压识别研究：方法、应用与展望

基于Hilbert-Huang变换的电力线路过电压识别研究：方法、应用与展望一、引言1.1研究背景与意义在现代社会中，电力供应已经成为人们生产生活不可或缺的一部分，电力系统的安全稳定运行至关重要。而电力线路过电压现象，对电力系统的安全稳定运行构成了严重威胁。过电压是指电气设备或电力系统中电压超过其额定值的情况，其成因复杂多样，主要包括雷电过电压、操作过电压和暂态过电压等。其中，雷电过电压通常由雷电击中电力线路或设备引起，瞬间电压急剧上升，可达极高幅值，可能导致设备绝缘击穿，造成设备损坏。操作过电压则是在电力系统进行开关操作、短路或其他故障时产生的电压波动，其持续时间虽短，但也可能对设备造成损害。暂态过电压多由电气设备的开关操作或故障引发，会引起瞬时电压升高，影响设备的正常运行。这些过电压一旦发生，往往会造成绝缘材料的击穿，导致设备损坏，如变压器、断路器等关键设备受损，进而引发短路或设备烧毁，严重时甚至可能引发火灾。此外，过电压还会影响设备的正常运行，导致设备性能下降，缩短使用寿命，例如使电机发热、振动，降低其稳定性和可靠性。在严重情况下，过电压可能对电力系统的安全性造成威胁，导致系统不稳定，甚至引发大规模停电事故，给社会经济带来巨大损失。准确识别电力线路过电压对于保障电力系统的安全稳定运行具有极其重要的意义。一方面，通过及时准确地识别过电压，可以采取针对性的防护措施，避免设备因过电压而损坏，提高电力系统的可靠性和稳定性。另一方面，过电压识别有助于及时发现电力系统中的潜在故障隐患，为电力系统的维护和检修提供依据，降低电力系统的运维成本。此外，在电力系统的规划和设计阶段，过电压识别的研究成果也可为合理选择设备和制定防护策略提供参考，提高电力系统的经济性和安全性。随着电力系统的不断发展和电压等级的不断提高，对过电压识别的准确性和可靠性提出了更高的要求。传统的过电压识别方法存在一定的局限性，难以满足现代电力系统的需求。Hilbert-Huang变换作为一种新兴的时频分析方法，能够自适应地处理非线性非平稳信号，为电力线路过电压识别提供了新的思路和方法。因此，研究基于Hilbert-Huang变换的电力线路过电压识别具有重要的理论意义和实际应用价值。1.2国内外研究现状长期以来，国内外众多学者围绕电力线路过电压识别方法展开了深入研究。在早期，傅里叶变换或短时傅里叶变换被应用于过电压识别。傅里叶变换能将时域信号转换为频域信号，便于分析信号的频率成分。然而，傅里叶变换基于平稳信号假设，要求信号在整个分析时间内具有稳定的频率特性，这使其在处理非平稳信号时存在局限，无法准确反映信号频率随时间的变化情况。例如，在电力线路过电压信号中，其频率成分往往随时间快速变化，傅里叶变换难以捕捉到这些动态变化，限制了它在过电压识别领域的应用。短时傅里叶变换虽然通过加窗函数对信号进行分段处理，一定程度上改善了对非平稳信号的分析能力，但由于窗函数的大小和形状固定，缺乏自适应性，对于不同特征的过电压信号，难以选择合适的窗函数来准确分析其局部特性。为克服傅里叶理论的不足，小波和小波包分析被引入过电压识别中。小波分析具有多分辨率分析的特点，能够在不同尺度下对信号进行分解，从而有效提取信号的局部特征。小波包分析则进一步对小波分解得到的高频和低频部分都进行分解，提供了更精细的信号分析。但是，小波和小波包分析存在一个关键问题，即需要选取最优小波基。不同的小波基具有不同的时域和频域特性，对于特定的过电压信号，选择合适的小波基至关重要。然而，目前并没有通用的方法来确定最优小波基，往往需要根据经验或大量的试验来选择，这使得小波和小波包分析在实际应用中缺乏自适应性，增加了应用的难度和复杂性。1998年，NordenEHuang提出了希尔伯特黄变换（HHT），它是一种全新的时频分析理论，能够自适应地处理非线性非平稳信号，为电力线路过电压识别带来了新的契机。HHT主要由经验模态分解（EMD）和希尔伯特变换两部分组成。EMD的核心思想是将复杂信号自适应地分解为若干个本征模态函数（IMFs），每个IMF代表原始信号中不同时间尺度的局部特征。这种自适应分解方式能够很好地适应电力线路过电压信号的非平稳特性，无需像小波分析那样预先选择基函数。在获得IMF后，对每个IMF进行希尔伯特变换以获取其瞬时频率和幅值信息，进而构建希尔伯特时频谱，直观地观察信号的能量分布随时间和频率的变化情况。在国外，许多学者将HHT应用于电力系统的多个方面，包括过电压识别。例如，有研究将HHT用于分析电力系统中的电压骤降、谐波、瞬态扰动等电能质量事件，通过对采集到的电压信号进行EMD分解，分析各IMF的时间特性，识别出与电能质量事件相关的IMF分量，再对相关IMF进行希尔伯特变换，提取其瞬时频率和幅值变化，从而准确判断事件的发生时刻及其持续时间。在过电压识别方面，通过对不同类型过电压信号进行HHT分析，提取特征量来区分不同类型的过电压。在国内，HHT在电力线路过电压识别领域也得到了广泛研究和应用。一些学者通过建立输电线路模型，利用ATP-EMTP等软件仿真不同情况下的暂态过电压、电流行波信号，再基于MATLAB软件对这些信号进行HHT分析，从小波能量比、小波模极大值等方面提取特征量，进而对过电压类型进行识别。还有研究针对HHT在处理信号时存在的一些问题，如EMD分解过程中的模态混叠等，提出改进方法，以提高HHT在过电压识别中的准确性和可靠性。尽管国内外在基于Hilbert-Huang变换的电力线路过电压识别方面取得了一定的研究成果，但仍存在一些不足之处。例如，HHT算法本身计算复杂度较高，在实际应用中可能需要较长的计算时间，影响实时监测和快速响应。此外，对于复杂的电力系统环境，干扰因素较多，如何进一步提高HHT在过电压识别中的抗干扰能力，以及如何更准确地提取能够有效区分不同类型过电压的特征量，仍然是需要深入研究的问题。同时，将HHT与其他技术相结合，如人工智能算法，以进一步提高过电压识别的性能，也是未来研究的一个重要方向。1.3研究目标与内容本研究旨在利用Hilbert-Huang变换实现电力线路过电压的准确识别，具体研究内容如下：Hilbert-Huang变换理论研究：深入研究Hilbert-Huang变换的基本原理，包括经验模态分解（EMD）和希尔伯特变换的具体过程。详细分析EMD将复杂信号自适应分解为若干个本征模态函数（IMFs）的核心思想和步骤，以及希尔伯特变换如何对IMF进行处理以获取瞬时频率和幅值信息，为后续在电力线路过电压识别中的应用奠定理论基础。电力线路过电压信号特性分析：对电力线路过电压信号的特性进行深入分析，包括雷电过电压、操作过电压和暂态过电压等不同类型过电压信号的时域和频域特征。通过建立输电线路模型，利用仿真软件模拟不同情况下的过电压信号，分析其波形特点、频率分布等，为基于Hilbert-Huang变换的特征提取提供依据。基于Hilbert-Huang变换的特征提取：根据Hilbert-Huang变换的原理和电力线路过电压信号的特性，研究如何从过电压信号的Hilbert-Huang变换结果中提取有效的特征量。例如，分析IMF的能量分布、瞬时频率变化等特征，确定能够准确区分不同类型过电压的特征参数，为后续的过电压识别提供数据支持。过电压识别方法研究：基于提取的特征量，研究构建有效的过电压识别方法。可以采用模式识别算法，如支持向量机、人工神经网络等，将提取的特征量作为输入，训练分类模型，实现对不同类型过电压的准确识别。同时，对识别方法的性能进行评估，包括准确率、召回率、误报率等指标，不断优化识别方法，提高识别性能。仿真实验与案例验证：利用MATLAB等软件搭建仿真平台，对不同类型的电力线路过电压进行仿真，获取大量的过电压信号数据。运用研究的Hilbert-Huang变换和过电压识别方法对仿真数据进行处理和分析，验证方法的有效性和准确性。此外，收集实际电力系统中的过电压案例数据，对所提出的方法进行实际验证，进一步评估其在实际工程中的应用效果。1.4研究方法与技术路线本研究采用理论分析、仿真实验、案例验证相结合的方法。首先，通过理论分析深入研究Hilbert-Huang变换的原理以及电力线路过电压信号的特性，为后续研究提供理论依据。其次，利用仿真软件搭建电力线路模型，模拟不同类型的过电压情况，获取大量的过电压信号数据，运用Hilbert-Huang变换和相关识别方法对仿真数据进行处理和分析，通过调整参数、优化算法等方式不断改进和完善方法。最后，收集实际电力系统中的过电压案例数据，对研究方法进行实际验证，评估其在实际工程中的可行性和有效性。技术路线如图1所示：文献调研与理论学习：广泛查阅国内外相关文献，深入学习Hilbert-Huang变换理论、电力线路过电压的产生机制和特性等知识，了解当前研究现状和存在的问题，为本研究提供理论基础和研究思路。信号仿真与采集：利用MATLAB、ATP-EMTP等仿真软件搭建电力线路模型，设置不同的过电压条件，如雷击位置、操作方式等，仿真生成各种类型的过电压信号。同时，收集实际电力系统中的过电压监测数据，为后续的分析和验证提供数据支持。Hilbert-Huang变换处理：对仿真和实际采集到的过电压信号进行Hilbert-Huang变换，运用EMD将信号分解为多个IMF，再对IMF进行希尔伯特变换，获取信号的瞬时频率和幅值信息，构建希尔伯特时频谱，分析信号的时频特性。特征提取与选择：从Hilbert-Huang变换结果中提取能够有效区分不同类型过电压的特征量，如IMF的能量、频率、幅值等。通过特征选择算法，筛选出最具代表性和分类能力的特征，减少特征维度，提高识别效率。识别模型构建与训练：选择合适的模式识别算法，如支持向量机、人工神经网络等，以提取的特征量为输入，构建过电压识别模型。利用仿真数据对模型进行训练，调整模型参数，优化模型性能，使其能够准确识别不同类型的过电压。模型评估与验证：使用测试数据对训练好的识别模型进行评估，计算准确率、召回率、误报率等指标，评估模型的性能。同时，利用实际电力系统中的过电压案例数据对模型进行验证，进一步检验模型的可靠性和实用性。结果分析与总结：对仿真实验和案例验证的结果进行分析，总结研究成果，探讨研究中存在的问题和不足，提出改进方向和建议，为电力线路过电压识别提供有效的方法和技术支持。[此处插入技术路线图]二、电力线路过电压相关理论基础2.1过电压的类型电力系统在运行过程中，会受到各种因素的影响而产生过电压现象，过电压的类型多样，不同类型的过电压具有不同的产生机制、特征及危害。准确理解这些过电压类型，对于电力系统的安全稳定运行至关重要。2.1.1大气过电压大气过电压，也被称为雷电过电压或外部过电压，主要是由雷击电气设备所引发。其产生机制主要源于雷电的两种作用形式：直击雷和感应雷。直击雷过电压是当雷电直接击中电气设备、线路或建筑物时产生的。强大的雷电流通过被击物流入大地，由于雷电流幅值极高，在被击物上会产生较高的电位降，从而形成直击雷过电压。当雷云直接对地面建筑物或人放电时，若雷云很低且周围没有带异性电荷的雷云，地面凸出物上会感应出异性电荷，在雷云与大地之间形成很大的雷电场。当雷云与大地之间在某一方位的电场强度达到25-30kV/cm时，就会开始放电，即直击雷，其过电压幅值可达上百万伏。感应雷过电压则是通过静电感应或电磁感应产生的。当雷云在架空线路上方时，会使架空线路感应出异性电荷。雷云对其他物体放电后，架空线路上的电荷被释放，形成自由电荷流向线路两端，产生电位很高的过电压，此为感应雷过电压。架空线路上的感应过电压可达几万甚至几十万伏，对供电系统危害极大。大气过电压的波形特点表现为脉冲特性，持续时间约为几十微秒，具有波峰陡峭、波幅大的特点。这种过电压对系统中绝缘最薄弱的设备构成严重威胁，如变压器、户外架空线路以及开关闸刀互感器的绝缘瓷瓶等都容易受到其影响，甚至室内的电气设备也可能遭受雷电波侵入的损害。2.1.2操作过电压操作过电压是在电力系统进行操作时产生的，这些操作包括正常操作如空载线路的合闸与分闸，以及非正常故障如线路通过间歇性电弧接地等。其产生的根本原因是电力系统中存在储能元件电感与电容，当正常操作或故障导致电路状态改变时，会引发振荡的过渡过程，从而有可能在系统中出现超过正常工作电压的过电压。以空载线路合闸过电压为例，输电线路具有电感和电容性质，空载线路合闸时，在回路中会发生以角频率的高频振荡过渡过程，电容C（即线路）上的电压U(t)可能达到最大值。若合闸前电容C上还有初始电压，合闸后振荡过程中的过电压还可能达到3E（E为交流电源电压幅值），线路自动重合闸时就会出现这种情况。而切除空载线路过电压，是因为空载线路属于电容性负载，在切断过程中，由于交流电弧的重燃会引起更剧烈的电磁振荡，使线路出现过电压。操作过电压的持续时间比雷电过电压长，但比工频过电压短得多，一般在几毫秒至几十毫秒。其幅值与系统相电压幅值有一定倍数关系，并且具有强烈的统计性，其具体幅值受系统的接线、断路器的特性以及操作时的各种随机因素影响，不同幅值操作过电压出现的概率服从一定的规律分布，一般认为操作过电压幅值近似以正态分布规律分布。操作过电压可能对电力设备的绝缘性能造成严重威胁，甚至导致设备损坏，对电力系统的安全稳定运行构成严重威胁。2.1.3工频过电压工频过电压是指系统中由线路空载、不对称接地故障和甩负荷引起的频率等于工频（50Hz）或接近工频的高于系统最高工作电压的过电压。长线路电容效应是导致工频过电压的一个重要原因。在工频电源作用下，由于远距离空载线路电容效应的积累，使沿线电压分布不等，末端电压最高。当输电线路空载或轻载时，线路的容抗大于感抗，电容电流在感抗上的压降会导致沿线电压分布不均，末端电压可能高于电源电动势。电网运行方式突变，如不对称短路接地故障，当三相输电线路a相短路接地故障时，b、c相上的电压会升高；或者输电线路因发生故障而被迫突然甩掉负荷时，由于电源电动势尚未及时自动调节，也会引起过电压。工频过电压的持续时间通常在0.1秒以上，具有较长时间的持续性。虽然其幅度通常不如操作过电压高，但其长时间的存在对电力系统中的绝缘材料和设备的长期稳定性构成了威胁，可能加速绝缘材料的老化，降低设备的使用寿命。2.1.4谐振过电压谐振过电压是由电路的谐振现象产生的。电力系统中有大量储能元件，包括储存磁场能量的电感元件（如变压器、互感器、发电机、消弧线圈、电抗器及各种杂散电感等）和储存电场能量的电容元件，它们的组合可构成具有不同自振频率的振荡回路。而电源中除基波外，也往往含有一系列的谐波成分，当某部分电路的自振频率与电源的基波或某谐波频率接近或相等时，这部分电路就会产生谐振现象，导致在系统的某些部分或某些设备上出现危险的谐振过电压。谐振过电压按其性质可分为线性谐振过电压、铁磁谐振过电压和参数谐振过电压三类。线性谐振过电压的谐振回路由不带铁芯的电感元件（如输电线路的电感，变压器的漏感）或励磁特性接近线性的带铁芯的电感元件（如消弧线圈）和系统中的电容元件所组成；铁磁谐振过电压的谐振回路由带铁芯的电感元件（如空载变压器、电压互感器）和系统的电容元件组成，因铁芯电感元件的饱和现象，使回路的电感参数是非线性的，在满足一定的谐振条件时，会产生铁磁谐振；参数谐振过电压由电感参数作周期性变化的电感元件（如凸极发电机的同步电抗在Xd-Xq间周期变化）和系统电容元件（如空载线路）组成回路，当参数配合时，通过电感的周期性变化，不断向谐振系统输送能量，造成参数谐振过电压。谐振过电压的特点是过电压倍数高、持续时间长，可能导致电力设备绝缘击穿，甚至发生火灾等严重事故，对电力系统的安全运行造成极大危害。2.2过电压对电力线路的危害过电压的出现会对电力线路及相关设备产生多方面的严重危害，这些危害可能导致设备损坏、系统故障，甚至威胁到整个电力系统的稳定性和可靠性。2.2.1绝缘击穿电力线路的绝缘起着隔离带电部分与接地部分，以及不同相带电部分之间的作用，以保证电力系统的正常运行。然而，当过电压发生时，电力线路绝缘所承受的电场强度会急剧增加。当电场强度超过绝缘材料的耐受极限时，绝缘材料的分子结构会被破坏，导致其绝缘性能下降。在高电场强度的持续作用下，绝缘材料可能会发生击穿现象，使原本绝缘的部分变成导电通道。对于气体绝缘，如架空线路周围的空气，在过电压作用下，空气分子会发生电离，形成导电的等离子体通道，导致空气绝缘击穿，出现闪络现象。对于固体绝缘材料，如电缆的绝缘层，过电压可能使绝缘内部产生局部放电，逐渐侵蚀绝缘材料，最终导致绝缘击穿。绝缘击穿后，会引发短路故障，使电力系统的正常运行受到严重影响，可能导致停电事故，给生产生活带来不便和损失。2.2.2设备损坏过电压对线路上的各种设备都可能造成损坏。以变压器为例，过电压会使变压器绕组中的电流急剧增加，产生大量的热量，可能导致绕组绝缘老化、烧毁。同时，过电压还会在绕组中产生电磁力，使绕组受到机械应力的作用，可能导致绕组变形、移位，进一步损坏变压器的性能。互感器在过电压作用下，其铁芯可能会饱和，导致励磁电流增大，引起互感器发热，影响其测量精度和正常工作，严重时可能烧毁互感器。绝缘子是电力线路中用于支撑和绝缘的重要部件，过电压可能使绝缘子表面的电场分布不均匀，导致绝缘子表面发生闪络放电，长期的闪络放电会使绝缘子表面的绝缘性能下降，最终导致绝缘子损坏。2.2.3系统稳定性影响过电压引发的电压波动和频率变化会对电力系统的正常运行产生干扰，威胁系统的稳定性。电压波动会导致电力系统中的无功功率平衡被打破，使发电机的励磁电流发生变化，进而影响发电机的输出功率和转速。当电压波动过大时，可能导致发电机失去同步，使电力系统发生振荡，甚至解列。过电压还可能引起电力系统中的继电保护装置误动作。继电保护装置是保障电力系统安全运行的重要设备，其根据电力系统的运行参数来判断是否发生故障，并采取相应的保护措施。当过电压导致电压、电流等参数发生异常变化时，可能会使继电保护装置误判为故障，从而发出错误的跳闸信号，导致正常运行的线路或设备停电，进一步影响电力系统的稳定性和可靠性。三、Hilbert-Huang变换原理与方法3.1Hilbert-Huang变换的基本概念Hilbert-Huang变换（Hilbert-HuangTransform，HHT）是由美国国家航空航天局（NASA）的NordenE.Huang等人于1998年提出的一种全新的时频分析方法，主要由经验模态分解（EmpiricalModeDecomposition，EMD）和希尔伯特谱分析（HilbertSpectrumAnalysis，HSA）两部分组成。传统的时频分析方法，如傅里叶变换，基于信号是线性平稳的假设，将信号分解为不同频率的正弦和余弦函数的叠加，通过傅里叶变换得到的频谱只能反映信号在整个时间段内的平均频率特性，无法描述信号频率随时间的变化情况，在处理非线性非平稳信号时存在局限性。而小波变换虽然在一定程度上能够处理非平稳信号，但其小波基的选择具有主观性，不同的小波基对信号的分析结果可能差异较大，缺乏自适应性。与传统方法不同，Hilbert-Huang变换具有自适应处理非线性非平稳信号的显著特点。在电力线路过电压识别中，过电压信号往往呈现出非线性和非平稳的特性，其波形、频率和幅值会随时间快速变化。例如，雷电过电压信号具有陡峭的上升沿和快速的衰减特性，操作过电压信号则会在开关动作瞬间产生复杂的暂态变化。Hilbert-Huang变换能够根据信号自身的特点进行分析，无需预先设定基函数，这使得它在处理这类复杂的过电压信号时具有独特的优势。经验模态分解（EMD）作为Hilbert-Huang变换的核心组成部分，能够将复杂的非线性非平稳信号自适应地分解为若干个本征模态函数（IntrinsicModeFunction，IMF）。每个IMF分量都代表了原始信号在不同时间尺度下的局部特征，反映了信号中不同频率成分的固有振荡模式。这种基于信号自身特征尺度的分解方式，使得EMD能够准确地捕捉到信号的局部变化信息，克服了传统方法对信号全局性假设的限制。希尔伯特谱分析（HSA）则是对EMD分解得到的各个IMF分量进行希尔伯特变换，从而得到信号的瞬时频率和幅值信息。通过构建希尔伯特谱，能够直观地展示信号的能量在时间-频率平面上的分布情况，清晰地反映出信号在不同时刻的频率组成和能量变化，为深入分析信号的特征提供了有力的工具。3.2经验模态分解（EMD）3.2.1EMD的分解原理经验模态分解（EMD）的基本思想是依据数据自身的时间尺度特征，将任何复杂信号分解为有限个本征模态函数（IMF）的线性组合。其分解过程是一个自适应的“筛选”过程，具体步骤如下：极值点提取：对于给定的原始信号x(t)，首先找出信号中的所有局部极值点，包括局部极大值点和局部极小值点。这些极值点是信号局部特征的重要体现，能够帮助刻画信号的振荡特性。例如，在一个具有复杂波动的电力线路过电压信号中，通过识别这些极值点，可以初步确定信号在不同时刻的变化趋势。构建上下包络线：利用三次样条插值函数，分别连接所有的局部极大值点和局部极小值点，从而构造出信号的上包络线U(t)和下包络线L(t)。上包络线描述了信号在局部的最大值变化情况，下包络线则描述了信号在局部的最小值变化情况，它们共同限定了信号的振荡范围。计算均值函数与初步IMF：计算上包络线U(t)和下包络线L(t)的平均值，得到均值函数m_1(t)=\frac{U(t)+L(t)}{2}。将原始信号x(t)减去均值函数m_1(t)，得到一个新的信号h_1(t)=x(t)-m_1(t)，h_1(t)即为第一轮筛选得到的初步IMF。筛选准则判断与迭代：判断初步IMFh_1(t)是否满足IMF的筛选条件。如果不满足，则将h_1(t)作为新的原始信号，重复上述步骤1-3，进行多次筛选，直到得到的信号满足IMF条件为止。经过k次迭代后，得到满足条件的IMF记为c_1。分离IMF与剩余信号：将得到的第一个IMFc_1从原始信号x(t)中分离出来，得到剩余信号r_1=x(t)-c_1。剩余信号r_1仍然包含了原始信号的其他特征信息，可将其作为新的原始信号，继续进行EMD分解。重复分解过程：对剩余信号r_1重复上述步骤，依次得到c_2,c_3,\cdots,c_n等多个IMF分量，直到剩余信号r_n为单调函数或常量函数，无法再提取出IMF为止。最终，原始信号x(t)可以表示为所有IMF分量与剩余信号r_n的线性叠加，即x(t)=\sum_{i=1}^{n}c_i+r_n。3.2.2IMF的特性与筛选条件本征模态函数（IMF）作为EMD分解的关键组成部分，具有一些独特的特性和严格的筛选条件：极值点与零点数关系：在整个数据段内，IMF的极值点（极大值点和极小值点）个数与过零点个数必须相等，或者最多相差一个。这一条件保证了IMF在振荡过程中的“平稳性”，使其能够代表信号中一种较为纯粹的固有振荡模式。例如，对于一个简单的正弦波信号，其极值点和过零点的个数是相等的，符合IMF的这一特性要求；而对于一些复杂的非平稳信号，虽然极值点和过零点个数可能不完全相等，但也应满足最多相差一个的条件。上下包络均值为零：在任意时刻，由IMF的局部极大值点形成的上包络线和由局部极小值点形成的下包络线的平均值必须为零，即上、下包络线相对于时间轴局部对称。这意味着IMF在时间轴上的波动是均匀分布的，不会出现某一侧波动明显大于另一侧的情况，进一步体现了IMF的“平稳性”和“固有振荡模式”的特性。反映信号局部特征：每个IMF分量都代表了原始信号在不同时间尺度下的局部特征，它们按照从高频到低频的顺序排列。高频的IMF分量主要反映了信号的快速变化和细节信息，而低频的IMF分量则更多地体现了信号的缓慢变化和趋势信息。在电力线路过电压信号分析中，高频IMF分量可能对应着过电压信号中的陡峭脉冲部分，反映了过电压的瞬间变化；而低频IMF分量则可能与过电压信号的长期趋势和背景噪声相关。IMF的这些特性和筛选条件，使得EMD分解能够有效地将复杂信号分解为一系列具有明确物理意义的固有振荡模式，为后续的希尔伯特变换和信号特征分析奠定了坚实的基础。3.3希尔伯特变换（HT）3.3.1HT的数学原理在对经验模态分解（EMD）得到的本征模态函数（IMF）进行分析时，希尔伯特变换（HilbertTransform，HT）起着关键作用。其数学原理基于Cauchy主值积分，通过构建解析信号来获取信号的瞬时特征信息。对于一个实值的IMF分量c_i(t)，其希尔伯特变换H[c_i(t)]定义为：H[c_i(t)]=\frac{1}{\pi}P.V.\int_{-\infty}^{\infty}\frac{c_i(\tau)}{t-\tau}d\tau其中，P.V.表示Cauchy主值积分，它确保了积分在某些奇异点处的收敛性。通过希尔伯特变换，我们可以构造出解析信号z_i(t)：z_i(t)=c_i(t)+jH[c_i(t)]这里，j=\sqrt{-1}为虚数单位。将解析信号z_i(t)表示为极坐标形式：z_i(t)=a_i(t)e^{j\theta_i(t)}其中，瞬时幅值a_i(t)和瞬时相位\theta_i(t)分别为：a_i(t)=\sqrt{c_i^2(t)+H^2[c_i(t)]}\theta_i(t)=\arctan\left(\frac{H[c_i(t)]}{c_i(t)}\right)3.3.2瞬时频率与幅值的计算瞬时频率和幅值是描述信号局部特征的重要参数，通过希尔伯特变换可以准确地计算得到。瞬时频率f_i(t)通过对瞬时相位函数\theta_i(t)求导得到：f_i(t)=\frac{1}{2\pi}\frac{d\theta_i(t)}{dt}它表示信号在每一时刻的瞬时振荡频率，反映了信号频率随时间的变化情况。在电力线路过电压信号分析中，瞬时频率的变化能够揭示过电压的产生、发展和消失过程中的频率特性变化，对于判断过电压的类型和特征具有重要意义。瞬时幅值a_i(t)则直接由解析信号的极坐标形式计算得出，如上文公式所示。瞬时幅值反映了信号在每一时刻的振荡强度，它与信号的能量密切相关。在过电压信号中，瞬时幅值的大小可以直观地反映出过电压的强度和能量水平，帮助我们评估过电压对电力线路设备的影响程度。通过希尔伯特变换计算得到的瞬时频率和幅值，能够更加准确地描述信号的局部特性，为深入分析电力线路过电压信号的时频特征提供了有力的工具。3.4Hilbert谱与边际谱分析3.4.1Hilbert谱的构建在对经验模态分解（EMD）得到的各个本征模态函数（IMF）进行希尔伯特变换（HT）后，我们可以构建Hilbert谱，以直观地展示原始信号在时间-频率-能量三维空间中的分布情况。对于每个IMF分量c_i(t)，经过希尔伯特变换得到解析信号z_i(t)=a_i(t)e^{j\theta_i(t)}，其瞬时频率f_i(t)=\frac{1}{2\pi}\frac{d\theta_i(t)}{dt}，瞬时幅值为a_i(t)。将所有IMF分量的这些信息汇总，得到原始信号x(t)的Hilbert谱表示为：H(\omega,t)=\sum_{i=1}^{n}a_i(t)\delta(\omega-f_i(t))其中，\delta(\cdot)为狄拉克δ函数，当\omega=f_i(t)时，\delta(\omega-f_i(t))=1，否则为0。Hilbert谱H(\omega,t)表示在时间t和频率\omega处信号的幅值大小，它将信号的能量分布在时间-频率平面上进行了可视化展示，使得我们能够清晰地看到信号在不同时刻的频率组成和能量变化情况。在电力线路过电压信号分析中，通过观察Hilbert谱，可以直观地识别出过电压发生的时刻、持续时间以及在不同频率段上的能量分布。例如，对于雷电过电压信号，其Hilbert谱可能在某些高频段出现明显的能量集中，且持续时间较短；而操作过电压信号的Hilbert谱可能在特定的频率范围内呈现出不同的能量分布特征，持续时间相对较长。3.4.2边际谱的意义边际谱是对Hilbert谱在时间维度上的积分，它反映了信号频率在整个时间历程上的统计幅值分布情况，对于分析电力线路过电压信号的特征具有重要意义。边际谱h(\omega)的定义为：h(\omega)=\int_{0}^{T}H(\omega,t)dt其中，T为信号的总时长。边际谱h(\omega)表示在整个信号持续时间内，频率为\omega的成分对信号幅值的贡献总和。通过分析边际谱，可以得到信号中不同频率成分的相对重要性，找出信号的主要频率成分及其对应的幅值大小。在电力线路过电压识别中，边际谱能够帮助我们区分不同类型的过电压。不同类型的过电压，由于其产生机制和物理过程的差异，在边际谱上会呈现出不同的特征。例如，雷电过电压通常具有较高的频率成分，在边际谱上高频段会出现明显的峰值；而操作过电压的频率成分相对较低，其边际谱的峰值可能出现在较低频率段。通过对边际谱特征的分析，可以提取出用于过电压识别的有效特征量，为后续的过电压类型判断和识别提供重要依据。四、基于Hilbert-Huang变换的过电压识别方法构建4.1过电压信号采集与预处理4.1.1信号采集系统与方法为了准确获取电力线路过电压信号，搭建了一套高效可靠的信号采集系统。该系统主要由电压传感器、数据采集卡以及数据传输与存储设备组成。电压传感器是信号采集的前端设备，其作用是将电力线路上的高电压转换为适合后续处理的低电压信号。在选择电压传感器时，考虑到电力线路过电压信号的特点，选用了具有宽频带响应、高精度和高可靠性的电容式电压传感器。这种传感器能够准确地捕捉到过电压信号的快速变化，并且在不同的电压幅值和频率范围内都能保持良好的性能。例如，对于雷电过电压信号，其上升沿极快，电容式电压传感器能够迅速响应，将信号准确地转换为可测量的电信号。数据采集卡则负责将电压传感器输出的模拟信号转换为数字信号，并进行采集和存储。在确定数据采集卡的参数时，重点考虑了采样频率和采样位数。采样频率的选择依据过电压信号的频率特性，为了能够准确地还原过电压信号的波形，根据奈奎斯特采样定理，采样频率至少应为信号最高频率的两倍。通过对不同类型过电压信号的分析，确定采样频率为100kHz，这样可以有效地捕捉到过电压信号中的高频成分。采样位数选择16位，以保证采集到的数据具有足够的精度，能够准确反映过电压信号的幅值变化。在实际采集过程中，还需要确定合适的采样时长。根据过电压信号的持续时间特点，对于雷电过电压，其持续时间通常较短，一般在几十微秒到几毫秒之间，因此设置采样时长为10ms，以确保能够完整地采集到雷电过电压信号的全过程；对于操作过电压和暂态过电压，其持续时间相对较长，可达几十毫秒到几百毫秒，设置采样时长为500ms，以满足对这些过电压信号的采集需求。数据传输与存储设备负责将采集到的数据传输到上位机进行后续处理，并对数据进行存储，以便后续分析和验证。采用高速以太网接口进行数据传输，确保数据能够快速、稳定地传输到上位机。数据存储采用大容量的硬盘阵列，以保证能够存储大量的过电压信号数据。4.1.2信号预处理技术采集到的过电压信号往往会受到各种噪声和干扰的影响，这些噪声和干扰会降低信号的质量，影响后续的分析和识别。因此，需要对采集到的信号进行预处理，以去除噪声和干扰，提高信号的质量。采用滤波技术来去除信号中的噪声。根据过电压信号的频率特性和噪声的频率分布，选用了带通滤波器。带通滤波器能够允许特定频率范围内的信号通过，而抑制其他频率的信号。对于电力线路过电压信号，其主要频率成分集中在一定的范围内，通过设计合适的带通滤波器，可以有效地去除信号中的低频和高频噪声。例如，对于雷电过电压信号，其主要频率成分在几十kHz到几MHz之间，设计一个通带为50kHz-5MHz的带通滤波器，能够有效地去除50Hz的工频干扰以及其他高频噪声。除了滤波，还采用了去噪技术来进一步提高信号的质量。小波去噪是一种常用的去噪方法，它利用小波变换的多分辨率分析特性，将信号分解到不同的频带，然后根据噪声和信号在不同频带上的特征差异，对小波系数进行处理，从而达到去除噪声的目的。具体来说，对采集到的过电压信号进行小波分解，得到不同尺度下的小波系数。对于高频部分的小波系数，由于噪声主要集中在高频段，采用阈值处理的方法，将小于阈值的小波系数置为零，以去除噪声；对于低频部分的小波系数，由于信号的主要特征集中在低频段，保留这些系数。然后，通过小波逆变换，将处理后的小波系数重构为去噪后的信号。通过滤波和去噪等预处理技术，有效地去除了过电压信号中的噪声和干扰，提高了信号的质量，为后续基于Hilbert-Huang变换的过电压信号分析和识别奠定了良好的基础。4.2Hilbert-Huang变换在过电压信号分析中的应用4.2.1过电压信号的EMD分解经验模态分解（EMD）是Hilbert-Huang变换的关键步骤，它能够将复杂的过电压信号自适应地分解为若干个本征模态函数（IMF）分量，每个IMF分量都代表了原始信号在不同时间尺度下的局部特征。下面通过一个具体的雷电过电压信号实例来展示EMD分解的过程。假设采集到一个雷电过电压信号，其波形如图所示（此处插入雷电过电压信号原始波形图）。对该信号进行EMD分解，首先找出信号中的所有局部极值点，包括局部极大值点和局部极小值点。利用三次样条插值函数，分别连接所有的局部极大值点和局部极小值点，构造出信号的上包络线和下包络线。计算上包络线和下包络线的平均值，得到均值函数。将原始信号减去均值函数，得到一个新的信号，即初步的IMF。判断该初步IMF是否满足IMF的筛选条件，如果不满足，则将其作为新的原始信号，重复上述步骤，进行多次筛选，直到得到满足条件的IMF。经过多次筛选，得到了多个IMF分量，如图所示（此处插入分解得到的IMF分量波形图）。从图中可以看出，IMF1分量主要反映了信号的高频部分，其频率较高，振荡较为剧烈，对应着雷电过电压信号中的快速变化部分，如雷电击中瞬间产生的陡峭脉冲；IMF2分量的频率相对较低，振荡相对平缓，它反映了信号中次高频的成分，可能与雷电过电压信号的后续振荡有关；随着IMF分量序号的增加，其频率逐渐降低，IMF3、IMF4等分量更多地反映了信号的低频趋势和背景噪声等信息。通过对不同类型过电压信号的EMD分解分析发现，不同类型的过电压信号在IMF分量的分布上具有一定的差异。雷电过电压信号的高频IMF分量往往较为突出，能量集中在高频段；操作过电压信号的IMF分量分布相对较为均匀，不同频率段都有一定的能量分布；暂态过电压信号则可能在某些特定频率段出现能量集中的IMF分量。这些差异为后续通过IMF分量来识别不同类型的过电压提供了依据。4.2.2IMF分量的希尔伯特变换在对过电压信号进行EMD分解得到IMF分量后，需要对每个IMF分量进行希尔伯特变换，以获取其瞬时频率和幅值信息，从而构建过电压信号的时频谱和边际谱。对于每个IMF分量c_i(t)，其希尔伯特变换H[c_i(t)]通过Cauchy主值积分进行计算。构建解析信号z_i(t)=c_i(t)+jH[c_i(t)]，将其表示为极坐标形式z_i(t)=a_i(t)e^{j\theta_i(t)}，其中瞬时幅值a_i(t)=\sqrt{c_i^2(t)+H^2[c_i(t)]}，瞬时相位\theta_i(t)=\arctan\left(\frac{H[c_i(t)]}{c_i(t)}\right)，瞬时频率f_i(t)=\frac{1}{2\pi}\frac{d\theta_i(t)}{dt}。以一个操作过电压信号的IMF分量为例，对其进行希尔伯特变换后，得到的瞬时频率和幅值随时间的变化曲线如图所示（此处插入瞬时频率和幅值变化曲线）。从图中可以看出，瞬时频率在操作过电压发生的瞬间会出现明显的变化，反映了过电压信号频率特性的改变；瞬时幅值也会在过电压发生时增大，表明信号的能量增强。将所有IMF分量的瞬时频率和幅值信息汇总，构建出过电压信号的希尔伯特时频谱。希尔伯特时频谱以时间为横轴，频率为纵轴，幅值为颜色或灰度表示，直观地展示了信号在不同时刻的频率组成和能量分布。通过观察希尔伯特时频谱，可以清晰地看到过电压信号在不同频率段的能量随时间的变化情况。例如，对于一个包含操作过电压和暂态过电压的混合信号，在希尔伯特时频谱上可以看到操作过电压发生时，在某些特定频率段出现能量集中的区域，且持续时间与操作过电压的实际持续时间相符；暂态过电压发生时，又会在其他频率段出现能量变化的特征。对希尔伯特时频谱在时间维度上进行积分，得到边际谱。边际谱反映了信号频率在整个时间历程上的统计幅值分布情况。通过分析边际谱，可以找出信号的主要频率成分及其对应的幅值大小，进一步了解过电压信号的频率特性。例如，对于雷电过电压信号，其边际谱在高频段会出现明显的峰值，表明雷电过电压信号中高频成分占主导；而操作过电压信号的边际谱可能在中低频段有较为突出的峰值，体现了其频率成分的特点。4.3过电压特征提取与识别判据建立4.3.1特征参数选取通过对过电压信号的Hilbert-Huang变换分析，得到了信号的时频谱和边际谱，从这些结果中可以提取出能够反映过电压类型和特征的参数，作为特征参数用于过电压的识别。能量分布是一个重要的特征参数。不同类型的过电压在时频谱上的能量分布具有明显差异。例如，雷电过电压由于其产生机制是雷电瞬间放电，能量主要集中在高频段，在时频谱上表现为高频区域的能量密度较大；操作过电压是由于电力系统的操作引起的电磁暂态过程，其能量分布相对较为分散，在中低频段也有一定的能量分布。因此，可以计算不同频率段的能量占比作为特征参数。将频率范围划分为若干个频段，如低频段（0-10kHz）、中频段（10-100kHz）和高频段（100kHz以上），分别计算每个频段内的能量E_{low}、E_{mid}和E_{high}，以及总能量E_{total}=E_{low}+E_{mid}+E_{high}，然后计算各频段能量占总能量的比例P_{low}=\frac{E_{low}}{E_{total}}、P_{mid}=\frac{E_{mid}}{E_{total}}和P_{high}=\frac{E_{high}}{E_{total}}。频率幅值也是一个关键的特征参数。在边际谱中，不同频率对应的幅值大小反映了该频率成分在信号中的重要程度。对于不同类型的过电压，其边际谱上的主要频率及其幅值具有不同的特征。例如，暂态过电压可能在某个特定频率处出现明显的幅值峰值，通过提取边际谱中幅值最大的前几个频率及其对应的幅值f_1,A_1;f_2,A_2;\cdots作为特征参数，可以有效地描述暂态过电压的频率特性。此外，还可以考虑IMF分量的一些特征作为参数。如IMF分量的数量，不同类型的过电压信号在EMD分解后得到的IMF分量数量可能不同。雷电过电压信号由于其波形变化剧烈，可能分解出较多的IMF分量；而一些相对平稳的暂态过电压信号，分解出的IMF分量数量可能较少。IMF分量的能量分布也可以作为特征参数，计算每个IMF分量的能量E_{IMF_i}，以及各IMF分量能量占总能量的比例P_{IMF_i}=\frac{E_{IMF_i}}{E_{total}}，这些比例关系可以反映不同类型过电压在IMF分量能量分布上的差异。4.3.2识别判据的确定依据不同过电压信号的特征参数差异，建立用于区分不同类型过电压的识别判据。对于雷电过电压，其特征参数表现为高频段能量占比P_{high}较大，一般大于0.6；边际谱中高频部分（100kHz以上）的幅值相对较高，且存在明显的高频峰值频率。因此，可以建立如下识别判据：当P_{high}\gt0.6，且在边际谱的高频段（100kHz以上）存在幅值大于某个阈值A_{th1}的峰值频率时，判定为雷电过电压。操作过电压的能量分布相对较为均匀，中低频段能量占比P_{low}和P_{mid}相对较大，通常P_{low}+P_{mid}\gt0.5；边际谱上中低频段（0-100kHz）有多个幅值相对较大的频率成分。识别判据可以设定为：当P_{low}+P_{mid}\gt0.5，且在边际谱的中低频段（0-100kHz）存在至少两个幅值大于阈值A_{th2}的频率成分时，判定为操作过电压。暂态过电压在边际谱上会出现特定频率的幅值峰值，且该频率与正常运行时的频率有明显差异。假设通过大量分析得到暂态过电压在某个频率f_{trans}处的幅值A_{trans}显著高于其他频率的幅值，识别判据可以为：当在边际谱中频率f_{trans}处的幅值A_{trans}大于阈值A_{th3}，且A_{trans}与其他频率幅值的比值大于某个设定值R_{th}时，判定为暂态过电压。通过以上建立的识别判据，可以根据提取的特征参数对不同类型的过电压进行初步判断和识别。在实际应用中，还可以结合其他信息和方法，进一步提高过电压识别的准确性和可靠性。五、仿真实验与结果分析5.1仿真模型搭建5.1.1电力线路模型建立为了准确模拟电力线路过电压情况，利用ATP（AlternativeTransientsProgram）软件构建了一个包含输电线路、电源、负载、避雷器等元件的电力线路仿真模型。在输电线路模型建立方面，考虑到实际输电线路的分布参数特性，采用了考虑频率相关特性的线路模型。通过查阅相关电力线路设计资料，获取了线路的详细参数，如线路长度设置为50km，单位长度电阻R=0.17\Omega/km，单位长度电感L=1.25mH/km，单位长度电容C=0.012\muF/km，这些参数准确反映了实际输电线路的电气特性。电源采用三相交流电压源，设置其幅值为110kV，频率为50Hz，以模拟实际电力系统中的电源情况。负载则根据实际电力系统的负荷特性，采用了恒功率负载模型，设置有功功率为50MW，无功功率为20MVar。避雷器选用氧化锌避雷器，根据其伏安特性曲线，在ATP软件中设置了避雷器的非线性电阻参数和电容参数，以准确模拟避雷器在过电压情况下的动作特性。例如，当电压超过避雷器的保护水平时，避雷器的电阻迅速减小，将过电压能量泄放，从而保护电力设备。将这些元件按照实际电力线路的连接方式进行连接，形成完整的电力线路仿真模型。在搭建过程中，仔细检查各元件的参数设置和连接关系，确保模型的准确性和可靠性。通过建立这样的仿真模型，可以在实验室环境下模拟各种实际运行情况下的电力线路过电压现象，为后续的过电压模拟和分析提供了基础平台。5.1.2过电压模拟设置在搭建好电力线路仿真模型的基础上，对不同类型的过电压进行模拟设置，以获取各种过电压情况下的信号数据。对于大气过电压，主要模拟雷击过电压。通过在输电线路上设置不同的雷击点来研究雷击位置对过电压的影响。例如，将雷击点分别设置在线路的首端、中间位置和末端。同时，考虑到不同的雷击强度，根据相关雷电参数标准，设置雷击电流幅值分别为20kA、50kA和80kA，雷击波头时间为1.2\mus，波尾时间为50\mus，以模拟不同强度的雷击过电压情况。操作过电压的模拟则通过设置不同的开关操作场景来实现。例如，模拟空载线路合闸操作，在电源电压的不同相位角下进行合闸，研究合闸相位角对操作过电压的影响。同时，模拟切除空载变压器操作，设置变压器的励磁电流、绕组电阻和漏感等参数，以准确模拟切除空载变压器时产生的操作过电压。在模拟过程中，根据实际电力系统的运行情况和过电压产生的条件，合理设置各种模拟参数。并且对每个模拟场景进行多次仿真，以获取足够的数据进行分析，确保模拟结果的可靠性和代表性。通过这些过电压模拟设置，可以全面地研究不同类型过电压的特性和规律，为后续的过电压信号分析和识别提供丰富的数据支持。5.2仿真实验过程5.2.1过电压信号生成在完成电力线路仿真模型搭建和过电压模拟设置后，运行ATP仿真模型，采集不同过电压情况下线路上的电压信号。在仿真运行过程中，设置合适的采样频率和采样时长，以确保能够准确捕捉到过电压信号的特征。根据奈奎斯特采样定理，结合过电压信号的频率特性，将采样频率设置为1MHz，这样可以有效地采集到过电压信号中的高频成分。对于采样时长，根据不同类型过电压的持续时间特点，对于大气过电压，由于其持续时间较短，一般在几十微秒到几毫秒之间，设置采样时长为10ms，以确保能够完整地采集到大气过电压信号的全过程；对于操作过电压，其持续时间相对较长，可达几十毫秒到几百毫秒，设置采样时长为500ms，以满足对操作过电压信号的采集需求。利用ATP软件内置的数据采集功能，在输电线路的关键位置，如线路首端、中间和末端，以及避雷器两端等位置，采集电压信号数据。采集到的数据以文本文件的形式保存，便于后续导入到其他软件进行分析。在采集过程中，对每个过电压模拟场景进行多次仿真，以获取足够数量的样本数据，减少实验误差，提高数据的可靠性和代表性。通过这些步骤，成功生成了不同类型过电压情况下的电压信号数据，为后续基于Hilbert-Huang变换的过电压信号分析奠定了数据基础。5.2.2Hilbert-Huang变换分析将采集到的过电压信号数据导入MATLAB软件，利用MATLAB强大的计算和信号处理能力，进行经验模态分解（EMD）和希尔伯特变换，以获取过电压信号的时频谱和边际谱，深入分析过电压信号的特征。在MATLAB中，首先调用emd函数对过电压信号进行EMD分解。emd函数会自动根据信号的特点，将信号自适应地分解为若干个本征模态函数（IMF）。例如，对于一个操作过电压信号，经过EMD分解后，得到了多个IMF分量，这些IMF分量按照频率从高到低的顺序排列，分别反映了信号在不同时间尺度下的局部特征。IMF1分量频率较高，可能反映了操作过电压瞬间产生的高频振荡；IMF2分量频率稍低，可能与操作过电压的后续振荡过程相关。对每个IMF分量进行希尔伯特变换，通过hilbert函数实现。希尔伯特变换后，得到每个IMF分量的解析信号，进而计算出瞬时幅值和瞬时频率。例如，对于IMF1分量，经过希尔伯特变换后，得到其瞬时幅值和瞬时频率随时间的变化曲线。通过这些曲线，可以直观地观察到IMF1分量在操作过电压发生过程中的幅值和频率变化情况。将所有IMF分量的瞬时幅值和瞬时频率信息汇总，利用hhspectrum函数构建过电压信号的希尔伯特时频谱。希尔伯特时频谱以时间为横轴，频率为纵轴，幅值为颜色或灰度表示，直观地展示了信号在不同时刻的频率组成和能量分布。通过观察希尔伯特时频谱，可以清晰地看到操作过电压信号在不同频率段的能量随时间的变化情况，例如在某些特定频率段出现能量集中的区域，且持续时间与操作过电压的实际持续时间相符。对希尔伯特时频谱在时间维度上进行积分，利用marginal_spectrum函数得到边际谱。边际谱反映了信号频率在整个时间历程上的统计幅值分布情况。通过分析边际谱，可以找出操作过电压信号的主要频率成分及其对应的幅值大小，进一步了解操作过电压信号的频率特性。通过这些Hilbert-Huang变换分析步骤，深入挖掘了过电压信号的时频特征，为后续的过电压识别提供了有力的分析工具。5.3实验结果分析5.3.1不同过电压信号的时频特性分析通过对不同类型过电压信号进行Hilbert-Huang变换分析，得到了它们的时频谱和边际谱，对这些结果进行对比分析，以揭示不同过电压信号在时频特性上的差异。从时频谱来看，大气过电压信号的时频谱具有明显的特征。由于大气过电压主要由雷击引起，其能量集中在高频段。在时频谱上，高频区域（如100kHz-1MHz）出现明显的能量集中现象，且能量分布呈现出脉冲状，这与雷击过电压的瞬间性和高频特性相符合。例如，当雷击电流幅值为50kA时，在时频谱上可以看到在500kHz左右出现一个明显的能量峰值，且持续时间较短，约为几十微秒，这反映了雷击过电压瞬间产生的高频能量冲击。操作过电压信号的时频谱则相对较为分散。操作过电压是由于电力系统的操作引起的电磁暂态过程，其能量分布在较宽的频率范围内。在时频谱上，中低频段（0-100kHz）和高频段（100kHz-1MHz）都有一定的能量分布，且能量分布相对较为均匀。以空载线路合闸过电压为例，在时频谱上可以看到在10kHz-50kHz频段内有一定的能量分布，同时在200kHz-500kHz频段也存在能量分布，这表明空载线路合闸过电压包含了多个频率成分的振荡。从边际谱分析，大气过电压信号的边际谱在高频段（100kHz以上）有明显的峰值。这表明大气过电压信号中高频成分占主导地位，高频部分的能量对信号幅值的贡献较大。例如，对于雷击过电压信号，其边际谱在500kHz处出现明显的峰值，且该峰值幅值较大，说明在整个时间历程中，500kHz频率成分的幅值较大，是大气过电压信号的主要频率成分之一。操作过电压信号的边际谱在中低频段（0-100kHz）和高频段（100kHz-1MHz）都有多个幅值相对较大的频率成分。这反映了操作过电压信号的频率成分较为复杂，包含了多个不同频率的振荡。例如，在切除空载变压器操作过电压的边际谱中，在30kHz和300kHz处都出现了幅值较大的频率成分，说明这两个频率在切除空载变压器操作过电压中具有重要作用。通过对不同过电压信号的时频特性分析，可以看出不同类型过电压信号在时频谱和边际谱上具有明显的差异，这些差异为基于Hilbert-Huang变换的过电压识别提供了重要的依据。5.3.2识别判据的验证与评估依据前文建立的基于Hilbert-Huang变换的过电压识别判据，对仿真得到的过电压信号进行识别判断，并计算识别准确率、误判率等指标，以评估识别判据的性能。选取了大量的仿真过电压信号样本，包括不同类型、不同强度的大气过电压信号和操作过电压信号。根据识别判据，对于每个样本，首先提取其特征参数，如能量分布、频率幅值等。对于大气过电压信号，计算其高频段能量占比P_{high}，并判断边际谱中高频段是否存在幅值大于阈值A_{th1}的峰值频率；对于操作过电压信号，计算中低频段能量占比P_{low}和P_{mid}，并判断边际谱中中低频段是否存在至少两个幅值大于阈值A_{th2}的频率成分。通过对样本的识别判断，统计正确识别的样本数量和误判的样本数量。计算识别准确率的公式为：准确率=\frac{正确识别æ

·æœ¬æ•°}{总æ

·æœ¬æ•°}\times100\%；计算误判率的公式为：误判率=\frac{误判æ

·æœ¬æ•°}{总æ

·æœ¬æ•°}\times100\%。经过计算，对于大气过电压信号，识别准确率达到了90%以上，误判率控制在10%以内。这表明识别判据能够较为准确地识别大气过电压信号，具有较高的可靠性。对于操作过电压信号，识别准确率也达到了85%以上，误判率在15%左右。虽然操作过电压信号的识别准确率相对大气过电压信号略低，但也在可接受范围内，说明识别判据对于操作过电压信号也具有一定的识别能力。通过对识别判据的验证与评估，表明基于Hilbert-Huang变换建立的过电压识别判据在仿真实验中具有较好的性能，能够有效地识别不同类型的过电压信号，为电力线路过电压的实际监测和识别提供了可行的方法和依据。在实际应用中，可以进一步优化识别判据，提高其识别准确率和可靠性，以更好地保障电力系统的安全稳定运行。六、实际案例分析6.1实际电力线路过电压事件概述在[具体时间]，位于[具体地点]的一条110kV电力线路发生了过电压事件。该电力线路长度为[X]km，采用[导线型号]导线，单位长度电阻为[R]Ω/km，单位长度电感为[L]mH/km，单位长度电容为[C]μF/km。线路两端分别连接着[变电站1名称]和[变电站2名称]，正常运行时，该线路承担着[具体负荷情况，如输送功率为[P]MW，功率因数为[cosφ]]的供电任务。事发当时，电力系统处于正常运行状态，负荷波动在允许范围内。然而，突然的天气变化导致该地区遭受雷击，引发了此次电力线路过电压事件。雷击发生在距离[变电站1名称]约[X1]km的线路位置，导致线路上出现了明显的过电压现象。此次过电压事件引起了线路保护装置的动作，导致线路短暂停电，给当地的生产生活带来了一定的影响。因此，准确分析和识别此次过电压事件的类型和特征，对于采取有效的防护措施和保障电力系统的安全稳定运行具有重要意义。6.2基于Hilbert-Huang变换的过电压识别应用6.2.1现场数据采集与处理在过电压事件发生后，迅速启动了现场的数据采集工作。采用了高精度的电压传感器，该传感器安装在距离雷击点较近的线路杆塔上，能够准确地捕捉到线路上的电压变化。传感器将采集到的模拟电压信号通过屏蔽电缆传输至数据采集卡。数据采集卡选用了具有高速采样能力的型号，其采样频率设置为1MHz，以确保能够完整地采集到过电压信号的高频成分。采样位数为16位，保证了采集数据的精度。在采集过程中，设置了连续采集模式，持续记录了过电压发生前后[时长]内的电压信号数据。采集到的数据首先进行了初步的预处理。利用低通滤波器去除了信号中的高频噪声，该低通滤波器的截止频率设置为5MHz，能够有效滤除高于此频率的噪声干扰。同时，采用了均值滤波的方法对数据进行平滑处理，以减少数据中的随机波动。均值滤波的窗口大小设置为[窗口长度]个采样点，通过对窗口内的数据求平均值，得到平滑后的信号。经过预处理后的数据，其质量得到了显著提高，为后续基于Hilbert-Huang变换的分析提供了可靠的数据基础。6.2.2过电压类型识别与分析将预处理后的过电压信号导入MATLAB软件，运用Hilbert-Huang变换进行深入分析。首先对信号进行经验模态分解（EMD），得到了多个本征模态函数（IMF）分量。通过观察IMF分量的波形和频率分布，发现IMF1和IMF2分量的频率较高，主要反映了信号的高频部分，这与雷电过电压的高频特性相符。对每个IMF分量进行希尔伯特变换，计算其瞬时频率和幅值。从IMF1和IMF2分量的瞬时频率和幅值变化曲线可以看出，在过电压发生的瞬间，瞬时频率迅速升高，幅值也急剧增大，随后逐渐衰减。这进一步表明了该过电压具有雷电过电压的特征，因为雷电过电压通常是瞬间产生的，且能量主要集中在高频段。根据前文建立的基于Hilbert-Huang变换的过电压识别判据，计算该过电压信号的特征参数。高