快速準確的電網故障診斷對電網發生故障后故障元件的判別和系統的恢復有重要意義。目前國內外已經提出包括專家系統、人工神經網絡、Petri網等基于開關量的電網故障診斷方法，基于故障錄波系統信息的電氣量診斷方式以及基于信息融合技術的電網故障診斷方法。

當電網發生故障時，由于保護和開關在某些情況下存在誤動、拒動以及因信道干擾發生信息丟失等諸多不確定性因素，基于開關量的故障診斷方法很難得到正確的診斷結果。電網發生故障時，最先是電流、電壓等電氣量發生變化，而后保護動作，致使繼電器跳閘。因此，利用電氣量能對各種復雜的故障進行診斷，并且由于電氣量信息更為準確、完備，因此能夠更好地反映故障特征。

希爾伯特-黃變換（Hilbert-Huang Transform, HHT）是一種可以處理非線性與非平穩信號的數據處理方式，能夠對非線性信號進行分析，具有完全自適應性、不受Heisenberg測不準原理制約的特點，可用于故障分析以及故障定位。N. E. Huang等認為任何信號都可由固有模態函數（Intrinsic Mode Function, IMF）組合而成。

他們由此提出HHT的兩個步驟：①經驗模式分解（Empirical Mode Decomposition, EMD）：將信號用經驗模態分解為各階IMF；②Hilbert譜分析（Hilbert Spectral Analysis, HSA）：對IMF進行Hilbert變換，得到各階IMF的瞬時頻率和幅值，由此可得Hilbert譜。

EMD分解信號過程中，一般采用三次樣條插值法來形成信號包絡。通過Hilbert變換提取信號包絡的過程參考文獻。由于故障電流信號在故障前（故障消除后）與故障發生時電流幅值相差較大，在利用三次樣條插值時易產生過包絡與欠包絡現象，即上下包絡線的斜率在兩相同性質的峰值間過零點，產生“凸峰”或“凹谷”現象。

假設某線路在24ms處發生A相接地故障并在71ms處排除故障，A相故障電流與利用三次樣條插值法形成的上、下包絡如圖1所示。

圖1 過包絡與欠包絡問題

由圖1可知在故障前一個周波上包絡產生過包絡現象，下包絡產生嚴重欠包絡現象，在故障清除后一個周波雖然沒有產生過包絡現象，但依舊存在嚴重的欠包絡現象。這兩種包絡問題會導致均值偏移，從而使得分解得到的IMF分量失真，影響后續的Hilbert變換結果。

EMD過程中IMF的求解需要經過多次包絡計算，因此，包絡擬合作為EMD算法的重要環節，對后續的Hilbert變換以及邊際譜的形成都有著重要影響。EMD形成包絡的方式是采用具有二階光滑性的三次樣條插值法，但三次樣條插值法存在過包絡與欠包絡問題，對后續分析有較大影響。

有學者采用分段三次多項式貝塞爾插值算法作為EMD分解過程中的包絡算法，準確提取非平穩信號。有學者提出采用分段三值Hermite插值解決過包絡和欠包絡現象。考慮故障元件電流的特點和新增插值點帶來的計算量，本文提出結合三點Binary細分法與三次樣條插值法的插值方式，稱為局部細分三次樣條插值算法，對EMD過程中包絡的形成進行改進。

圖5 改進HHT的故障診斷流程

圖6 IEEE 10機39節點系統

總結

針對應用HHT對電流信號進行故障特征提取時出現的不理想情況而導致后續分析不準確的情況，提出三點Binary細分法與三次樣條插值法的插值方式的結合，稱為局部細分三次樣條插值算法，改進HHT來消除過包絡現象，并緩解欠包絡現象。

利用Hilbert變換后得到的瞬時幅值圖與邊際譜，分別定義HHT幅值畸變度與HHT頻率畸變度作為元件故障概率表征，對故障元件集中的元件進行故障判斷。仿真表明未改進HHT分析得到的元件邊際譜有更多虛假的低頻分量，而改進HHT中低頻分量存在較少，得到的故障概率表征比未改進的HHT分析得到的結果更為明顯。

研究結果表明：采用改進HHT對電網故障進行診斷時，改進方法對故障元件的診斷結果準確度和可靠性更高，對電網故障診斷的準確性有一定的提升作用。