Classification of Power Quality disturbances using the iterative Hilbert Huang Transform

Abstract

The Hilbert Huang Transform (HHT) is a powerful tool for Power Quality (PQ) classifications. One of the main advantages of the HHT is its ability to analyse non-stationary complex waveforms with very good time resolution. However, like other waveform classification techniques, it has difficulty in resolving the instant of sudden changes in the waveform. It has also difficulty with signals that have frequency components close together. This paper summarises the fundamentals of the HHT technique and its application to power quality classifications including its advantages and disadvantages. Two novel techniques to improve the performance of the HHT technique in analysing power quality problems will be proposed. Results from simulations will be provided and discussed. This paper summarises the fundamentals of the HHT technique and its application to power quality classifications including its advantages and disadvantages. Two novel techniques to improve the performance of the HHT technique in analysing power quality problems will be proposed. Results from simulations will be provided and discussed.

FPGA-based instantaneous estimation of unbalance/symmetrical components through the Hilbert transform

“…The HT is a mathematical tool used for tracking the voltage envelope in power quality [16][17][18][19][20], which is defined for real signals as:…”

Identification of transient power quality disturbances based on FCM

“…At present, there are many feature extraction methods, such as Fourier transform, wavelet transform [2], S-transform [3], HHT transform [4] and so on. And the classification methods include neural network [5], decision trees [6], and support vector machines [7], expert system [8] and Bayesian classifier [9].…”

Güç Kalitesi Bozulmalarının Hilbert-Huang Dönüşümü, Genetik Algoritma Ve Yapay Zeka/Makine Öğrenmesi Yöntemleri İle Sınıflandırılması

“…Sinyal işleme yöntemlerinden Hilbert Dönüşümü ve Hilbert-Huang Dönüşümü ile oluşturulan modellerden Ampirik Kip Ayırışımı (EMD), Hilbert Dönüşümü (HT) ve Destek Vektör Makinası (SVM) yöntemleri ile 10 farklı bozulma türünü sınıflandırmaktadırlar [10]. Gerilim düşmesi, gerilim yükselmesi, harmonikli durumlar, gerilimde salınımlı durumlar için İteratif Hilbert Huang dönüşümü ile Güç kalitesi bozulmalarını da [11]'de incelemektedirler. Bu [11]'deki sinyaller üzerinde ayırt edici özellikler barındırdıklarını göstermiş olmalarına rağmen, sınıflandırma yöntemi ile bir model oluşturmamışlardır.…”

“…Gerilim düşmesi, gerilim yükselmesi, harmonikli durumlar, gerilimde salınımlı durumlar için İteratif Hilbert Huang dönüşümü ile Güç kalitesi bozulmalarını da [11]'de incelemektedirler. Bu [11]'deki sinyaller üzerinde ayırt edici özellikler barındırdıklarını göstermiş olmalarına rağmen, sınıflandırma yöntemi ile bir model oluşturmamışlardır. [12]…”