本文以一种新型的非线性、非平稳信号的处理方法—Hilbert-Huang变换(Hilbert-Huang Transform, HHT)为基础,做了电力系统低频振荡、同步电机参数辨识、局部放电信号检测等问题的研究,概括起来,主要研究内容如下:1.提出了基于Hilbert-Huang变换的电力系统低频振荡分析新方法。该方法克服了傅立叶算法和Prony算法难以处理非平稳信号的缺点,并克服了小波算法中小波基难选取的问题,能够从非平稳的低频振荡信号中准确提取动态振荡特性以及丰富的系统故障暂态信息,从而进一步揭示各振荡模式之间的非线性作用。同时该方法具有分辨率高并能有效处理样本数少的短数据的优点,因此可以用于在线分析和控制器设计之中。仿真分析验证了该方法在低频振荡问题分析中的优势,从而为电力系统稳定分析提供了有力的工具。2.将Hilbert-Huang变换应用于同步电机的参数辨识中。首先,提出了基于HHT方法的短路电流处理新方法,该方法以经验模态分解为基础,构成一种新型的时空滤波方法,从强噪声背景下的短路电流数据中有效的提取出了基波分量和直流分量。该方法克服了传统处理方法精度低的缺点,并且不存在小波基选取问题,具有处理精度高、自适应性强的特点。进一步提出了基于稳健回归算法的直流分量辨识算法,以及基于Hilbert变换和非线性变量优化(NLO)的基波分量辨识算法,实现了同步电机瞬态和超瞬态参数的精确辨识。此外,用加入滤波环节的F-EMD,降低了电流分量分离过程中的计算量。3.根据局部放电信号的特征,将EMD (Empirical Mode Decomposition)应用于局部放电在线检测中,提出了局部放电信号检测的自适应直接阈值(Adaptive Direct-Threshold, ADT)算法。首先,将基于EMD的时空滤波方法应用于局部放电数据的预处理中。与传统滤波方法相比,该方法无需预定义滤波器系数,而且能够充分保留原始信号本身所固有的非平稳特征。其次,为了最大限度的抑制噪声干扰,本文进而提出了ADT算法。该方法不存在小波方法中的小波基选取问题,以多分辨率的EMD为基础,结合3σ准则自适应地确定分解尺度和阈值,是一种完全的数据驱动型方法,具有较好的自适应能力和综合处理性能,因此更利于局部放电在线检测的需要。4.将Hilbert-Huang变换和数学形态学(Mathematical Morphology, MM)相融合,应用于强噪声背景下的局部放电信号处理中,提出了HHT-MM综合滤波算法。首先,本文将小波算法中基于模极大值重构的基本思想引入HHT,提出了包络阈值消噪算法(Envelope-Threshold algorithm, ET),在保证良好波形质量的同时,实现了噪声与信号的分离。然后,提出了基于形态学的平滑算法(Smoothing algorithm, SM),进一步解决了传统阈值算法中的漏检问题。上述两种算法相结合便构成了HHT-MM算法。与传统方法相比,HHT-MM算法无需设计滤波器参数,不存在小波基选取以及分解层数确定问题,具有较好的自适应能力,能够在消除噪声的同时,保留较完整的局部放电信号波形,并且能够得到放电信号的瞬时参数。仿真数据和试验数据的处理结果验证了该算法的有效性。