• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1807-1813
• /
• 2018

In this paper, the fault line selection and location problems of single line-to-ground (SLG) fault in distribution network are addressed. Firstly, the adaptive filtering property for empirical mode decomposition is formulated. Then in view of the different characteristics showed by the intrinsic mode functions(IMF) under different fault inception angles obtained by empirical mode decomposition, the sign of peak value about the low-frequency IMF and the capacitance transient energy is chosen as the fault line selection criteria according to the different proportion occupied by the low-frequency components. Finally, the fault location is determined based upon the comparison result with adjacent fault passage indicators' (FPI) waveform on the strength of the interaction between the distribution terminal unit(DTU) and the FPI. Moreover, the logic nodes regarding to fault line selection and location are newly expanded according to IEC61850, which also provides reference to acquaint the DTU or FPI's function and monitoring. The simulation results validate the effectiveness of the proposed fault line selection and location methods.

• 한국정보통신학회논문지
• /
• 제13권12호
• /
• pp.2671-2676
• /
• 2009

EMD(Empirical mode decomposition) 방법은 시간-주파수 분석의 새로운 방법으로 적응적이며 효율적으로 신호를 분해한다. EMD는 신호 그 자체에 의해 정의된 IMFs(Intrinsic mode functions)로 명명되는 함수의 집합으로 분해되며, 분해된 IMFs는 원신호의 고유한 속성을 보존하므로 기저함수 및 필터로 사용될 수 있다. EMD 방법에 의한 분해는 신호의 지역적인 시간 스케일 특성에 기반을 두고 있으므로 비선형(non-linear) 비정상(non-stationary) 신호처리에 적합하며 ECG와 같은 생체 신호처리에 유용하다. 본 논문은 EMD 방법을 이용하여 ECG 신호를 분해하고 분해된 신호의 특성을 이용하여 잡음 제거 필터를 구현하였다. 전통적인 저주파 필터가 퓨리에 변환을 이용하여 주파수 영역에서 신호를 해석하는 것과 달리 EMD 방법은 시간 영역에서 필터링하여 신호의 속성을 유지한다. 영상 향상의 정도를 측정하기 위한 PRMD와 SSR 평가지수를 사용하여 제안된 기법과 전통적인 저주파 필터의 결과를 비교 제시하였다.

• Asia-Pacific Journal of Atmospheric Sciences
• /
• 제54권4호
• /
• pp.611-622
• /
• 2018

Observed climate data are processed under the assumption that their time series are stationary, as in multi-step temperature and precipitation prediction, which usually leads to low prediction accuracy. If a climate system model is based on a single prediction model, the prediction results contain significant uncertainty. In order to overcome this drawback, this study uses a method that integrates ensemble prediction and a stepwise regression model based on a mean-valued generation function. In addition, it utilizes empirical mode decomposition (EMD), which is a new method of handling time series. First, a non-stationary time series is decomposed into a series of intrinsic mode functions (IMFs), which are stationary and multi-scale. Then, a different prediction model is constructed for each component of the IMF using numerical ensemble prediction combined with stepwise regression analysis. Finally, the results are fit to a linear regression model, and a short-term climate prediction system is established using the Visual Studio development platform. The model is validated using temperature data from February 1957 to 2005 from 88 weather stations in Guangxi, China. The results show that compared to single-model prediction methods, the EMD and ensemble prediction model is more effective for forecasting climate change and abrupt climate shifts when using historical data for multi-step prediction.

• 한국전자파학회논문지
• /
• 제25권6호
• /
• pp.700-708
• /
• 2014

제트엔진 변조(Jet Engine Modulation: JEM)는 회전하는 제트엔진 터빈으로부터의 전자기 산란에 따른 레이더 신호의 주파수 변조 현상이다. JEM은 표적의 고유한 정보를 제공하여 대표적인 레이더 표적 인식 수단으로 활용되나, JEM 성분이 미약하게 존재하는 레이더 관측 범위에서는 JEM에 의한 레이더 표적 인식 성능이 저하될 수 있다. 이에 본 논문에서는 복소 신호의 경험적인 모드분리법(Complex Empirical Mode Decomposition: CEMD)를 이용하여 레이더 신호를 여러 기본성분인 고유 모드 함수(Intrinsic Mode Function: IMF)로 분리하고, 신호의 이심률을 기반으로 이들 IMF를 조합하는 근거를 제공하여 JEM 성분을 추출하는 기법을 제시한다. 다양한 신호에 대한 적용 결과를 통하여 제안된 기법이 JEM의 명확성을 개선하는 한편, JEM 해석의 유효 관측 범위를 확장시킬 수 있음을 입증하였다.

• Structural Monitoring and Maintenance
• /
• 제4권2호
• /
• pp.115-131
• /
• 2017

Classical flutter of wind turbine blades indicates a type of aeroelastic instability with fully attached boundary layer where a torsional blade mode couples to a flapwise bending mode, resulting in a mutual rapid growth of the amplitudes. In this paper the monitoring problem of onset of flutter is investigated from a detection point of view. The criterion is stated in terms of the exceeding of a defined envelope process of a specific maximum torsional vibration threshold. At a certain instant of time, a limited part of the previously measured torsional vibration signal at the tip of blade is decomposed through the Empirical Mode Decomposition (EMD) method, and the 1st Intrinsic Mode Function (IMF) is assumed to represent the response in the flutter mode. Next, an envelope time series of the indicated modal response is obtained in terms of a Hilbert transform. Finally, a flutter onset criterion is proposed, based on the indicated envelope process. The proposed online flutter monitoring method provided a practical and direct way to detect onset of flutter during operation. The algorithm has been illustrated by a 907-DOFs aeroelastic model for wind turbines, where the tower and the drive train is modelled by 7 DOFs, and each blade by means of 50 3-D Bernoulli-Euler beam elements.

• 한국정보통신학회논문지
• /
• 제19권2호
• /
• pp.279-286
• /
• 2015

EMD는 미리 정의된 어떠한 기저함수도 사용하지 않으며 사용자에 의해 미리 정의된 파라미터값도 필요치 않은 완전히 데이터에 기반한 신호 처리의 특징을 갖는다. 그러나 유사한 스케일을 갖는 신호 모드로 분해하는 것을 방해하는 모드 혼합이 발생하는 단점이 있다. 이를 해결하기 위해 EEMD 알고리즘이 도입되었으며, EEMD는 처리하고자 하는 신호에 가우시안 백색 잡음을 혼합하여 앙상블 수만큼 신호를 만들어 EMD 방법을 적용함으로써 모드 혼합 문제를 해결한다. 그럼에도 EEMD는 잡음이 추가된 신호 분해 시 원 신호와 상이한 모드 수를 만들어 내며, 분해된 신호들을 원 신호로 재구성 시에도 레지듀 잡음이 포함된다. 본 논문은 개선된 EEMD알고리즘으로 EMD의 모드 혼합 문제를 해결하고 원신호를 정확히 재구성하며 EEMD 보다 적은 연산 비용으로 신호 모드 분리를 제안한다. 실험결과는 EEMD 방법과 비교하여 적은 체과정의 반복으로 빠른 모드 분리를 보여 주었으며 EEMD 방법의 20.87%의 비용만으로 완전한 신호 분해가 가능하였고, 신호 복원에 있어서도 EEMD 보다 우수한 성능을 보여주었다.

• 전자공학회논문지SC
• /
• 제44권5호
• /
• pp.45-54
• /
• 2007

시/주파수 분석은 생체 신호 처리에서 널리 사용되어왔다. 전기 생리학적 신호로부터 중요한 특징들을 추출함으로써 이 방법들은 특정 질병의 임상 병리학적 기전 해석이 가능하다. 하지만 이 방법은 신호가 안정하다는 가정 아래 적용되었으며 불안정한 시스템에서의 적용은 제한이 되어 있다. 본 연구에서는 비선형적이고 비정상적인 심실세동 심전도 파형의 분석을 위해 Hilbert-Huang 변환을 사용한 새로운 신호처리 방법을 제안하였다. Hilbert-Huang 변환은 경험모드분리법(EMD)과 힐버트 변환으로 크게 두 가지로 구성된다. Hilbert-Huang 변환은 EMD를 사용하여 각각의 특성을 지니고 있는 독립적인 내부모드함수들로 나누어지며, 힐버트 변환에 의해 순간 주파수와 크기를 구할 수 있게 된다. 이런 특성으로 신호의 국부적인 작용에 대하여 정확하게 설명할 수 있게 된다. 본 연구에서는 Hilbert-Huang 변환을 기반으로 심실세동 심전도 파형으로부터 두 종류의 파라미터(EMD-IF, EMD-FFT)를 추출하고 서포트 벡터 머신(Support Vector Machine)을 이용하여 소생성공 및 실패 여부 예측에 관하여 연구하였다. 평균적으로 민감도와 특이도는 각각 87.57%와 76.92%로 나타났다. Hilbert-Huang 변환은 더욱 정확하게 심실세동에서의 소생성공 예측을 가능하게 하였다.