摘要：提出一種基于完備總體經驗模態分解(complete ensemble empirical mode decomposition,CEEMD)和GG(gath-geva)聚類的電能質量擾動識別方法。CEEMD是一種對EEMD(ensemble empirical mode decomposition)的改進算法,其特點是向原始信號中以正負成對的形式加入白噪聲,有利于減少重構信號中殘余的輔助噪聲;且在分解的每一個階段都加入特殊噪聲,計算一個唯一殘差以得到每個IMF,因此分解的結果是完整的,優于EEMD。CEEMD不僅有效解決了EEMD的模態混疊的問題,同時也保留了EEMD處理非平穩信號的優勢,再將CEEMD分解的IMF分量的互近似熵值作為特征向量輸入到GG模糊分類器中進行電能擾動的分類識別。為了驗證該方法的有效性,進行了仿真和實測實驗,結果表明,該方法有較好的頻譜分離效果,且僅需要較少的迭代次數,減輕了計算成本。