高压电力电缆故障的各种类型及其预定位和精确定位的方法

高压电力电缆在供电时具有安全、可靠等优点,也正是高压电力电缆这些优点使其获得了越来越广泛的应用,如何有效确保高压电力电缆在供电时的运行质量就非常重要,而高压电力电缆的故障检测和定位技术作为确保电力电缆运行质量的重要技术就成了当前行业的研究重点。本文从高压电力电缆故障的类型及其判断谈起,然后分别对高压电力电缆故障的预定位和精确定位方法进行说明。     

浅谈电缆故障的探测及解决方法

人们对于电缆故障的认识往往是高压和低压电缆混淆在一起的,认为都是电缆,只要电缆发生故障以后,不管是高压电缆还是低压电缆,都采甩传统的高压冲击网络法来测试故障。这种方法一直沿甩到现在,而且已被大家认可。该文介绍了电力电缆故障探测工作中,常用的几种探测方法及解决方法探讨。     

基于小波变换和自相关分析的电缆故障测距研究

随着电力电缆应用的增多,对电缆故障测距的精确度要求也不断提高。本文提出了一种基于小波分解的信号相关技术,在此基础上引入小波变换和自相关分析方法。先对采集到的信号进行多层小波分解,运用小波变换进行信号滤波和奇异性检测, 然后运用搜索模极大值的方法找到高频分量中的奇异点,从而实现故障的自动精确测距。经仿真测得故障距离为1498.23m（预设距离1500m）,误差是1.77m,小于一个采样点的距离,满足要求。     

电力电缆故障信息中干扰源的消除研究

本文利用高频段上电压行波在母线处的反射和透射特性,及行波模量的小波变换,消除了干扰行波对故障测距的影响.从而提高了单端行波测距法应用于电力电缆在线测距的可靠性.     

中低压配电网接地故障识别模型设计

随着我国经济的持续发展,现代化进程不断推进,人们的用电需求愈加旺盛,配电网的设置与应用也越来越广泛.为了维护配电网的稳定运行,使中低压配电网的接地故障能够被准确地识别,此次研究针对配电网的故障类型与小波变换作为研究重点,并构建了相应的故障识别模型.结果显示,基于小波变换的配电网故障识别具有极强的准确性与高效性,电压值的误差仅为万分之一秒.故而小波变换在中低压配电网的接地故障识别中,具有重要的参考价值.     

电流型串联电弧故障检测

通过实验模拟对低压配电线路电弧故障的特征进行分析研究,采用Mallat算法对低压线路电弧故障电流实施变换,获得各尺度小波变换的小波分量,与正常运行分量相比其故障特征明显,且高尺度的小波分量还可以抑制噪声干扰.为了避免配电线路中负载的启动电流,对电弧故障检测产生可能的误判影响,还对启动电流和电弧故障的小波分量加以比较.研究表明,多尺度小波变换可有效判别电弧故障及区分负载启动电流,在电弧故障检测中具有良好的鲁棒性.     

多点泄漏对电力电缆高阻故障探测影响的分析

电力电缆故障点的快速、准确定位,对提高供电可靠性和企业经济效益具有重要的现实意义。本文结合实际工作,针对电力电缆故障查找的难点,详细分析了多点大泄满电流对电力电缆高阻故障的探测、定位等方面影响以及探查此类故障的方法和体会。     

奇异性检测理论及其在电力系统中的仿真应用研究

由于小波变换不仅具有良好的时频局部化特性 ,而且还可以根据信号频率的变化自动调节时频窗口 ,因此利用小波变换可以有效地检测出信号的奇异性特征。文章在分析电力系统暂态故障信号的奇异性和小波变换奇异性检测基本原理的基础上 ,得出电力系统暂态故障信号奇异性的特殊性 ,从而提出利用小波变换进行故障暂态信号奇异性检测的算法 ,并且给出了仿真研究结果     

基于小波变换的电力计量系统故障信息提取研究

根据高压电力计量系统故障信息情况,提出了一种基于小波变换技术对故障信号进行分析的方法.通过外加激励信号对高压电力计量系统故障进行检测,利用截频性能出色的dmey小波对故障信号进行4级小波分解,根据小波分解后的信号频带对应关系,保留检测信号所在频带的波形数据进行重构并分析研究.试验结果表明该方法能够有效地消除杂波干扰,准确地提取出相关故障的信息.     

齿轮局部故障振动信号分析及提取方法研究

以齿轮局部故障为研究对象,建立了齿轮故障的振动模型,导出了齿轮局部故障的振动机理,分析了齿轮无故障振动信号和齿轮局部故障振动信号成分的异同点。在MATLAB环境下,采用小波变换算法对故障信号进行降噪处理,用希尔伯特变换对故障振动信号进行解调处理。结果表明,小波变换对强噪声干扰的机械振动信号能够进行有效的降噪处理,希尔伯特变换能从降噪后的故障振动信号中提取齿轮局部故障的特征信息。该结果在机械故障诊断中具有良好的实用价值。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

利用光学小波变换对血红细胞识别的Matlab仿真

将光学图像识别技术应用于生物目标的探测,用光学小波变换识别多个血红细胞,以提高系统的识别力。在光学联合变换相关器中,通过空间频谱面上的小波滤波可以实现光学小波变换,构建光学小波联合变换相关器。Matlab仿真结果表明,与传统的联合变换相关器相比,由于小波变换的引入,相关峰尖锐,峰噪比明显增强,峰的半宽度显著减小,在多目标识别中不同位移目标不易受干扰,提高了目标探测能力。     

小波换应用于小电流接地故障选线

研究了小波分析在小电流接地系统单相接地故障选线中的应用,利用小波变换这一新兴的信号分析工具,提取故障时的暂态量信息,构造出了基于小波变换模极大值奇异性检测原理的新型选线判据。着重介绍了利用小波变换提取故障信号的暂态高频分量,进行故障选线的方法。并且利用Matlab提供的小波分析工具进行了大量的选线仿真实验,验证了该方法的有效性和可靠性。     

小波换应用于小电流接地故障选线

研究了小波分析在小电流接地系统单相接地故障选线中的应用,利用小波变换这一新兴的信号分析工具,提取故障时的暂态量信息,构造出了基于小波变换模极大值奇异性检测原理的新型选线判据.着重介绍了利用小波变换提取故障信号的暂态高频分量,进行故障选线的方法.并且利用Madab提供的小波分析工具进行了大量的选线仿真实验,验证了该方法的有效性和可靠性.     

小波变换在回波信号检测中的应用

基于小波变换品质因数不变性的特点,结合适当的小波基,探讨小波变换在回波信号检测中的算法。在算法分析基础上,从检测原理、检测步骤、计算机仿真方面阐述如何利用小波变换检测回波信号时差,以确定回波信号的奇异点(回波信号到达时间点),进而确定被探测目标的位置。小波变换具有表征信号局部特征的能力,适于分析信号中的瞬态和奇异现象,并可展示其成份。所述的算法分析、小波基的选择及小波变换阶的选择等,为地下目标探测中的信号处理,提供了算法依据和应用方法参考。     

XPGR结合小波变换的南极冰盖冻融探测

针对微波辐射计的交叉极化比率(cross polarizedgradientratio,XPGR)算法在冰盖冻融探测中存在的问题,提出了不依赖于实地观测数据的XPGR结合小波变换模型进行南极冰盖冻融探测的方法,即运用小波变换模型对XPGR的长时间序列数据做小波变换,得到南极冰盖融化开始、持续和结束时间分布图.此方法由于能自动选取大量样本点且具有一定的去噪效果,不仅提高了冰盖冻融探测的计算效率、实用性和可操作性,而且还在一定程度上提高了冰盖冻融探测的精度,更好地实现了南极地区冰盖冻融监测系统建设的业务化运行目标.     

浅谈电力电缆故障探测技术

二次脉冲法作为高压电缆故障检测的一种新手段,有利快速高效的找到故障点。本文详细介绍了电力电缆发生故障可能的原因及对应的故障类型,并针对目前进行电缆故障探测所应用的基于低压脉冲法及脉冲电压法所发展起来的二次脉冲法的基本原理进行了详细分析,并以实例论证了二次脉冲法的正确性。     

基于小波技术的GPS相位观测值周跳探测

该文根据小波变换对信号奇异性检测的原理对GPS相位观测值进行周跳的探测,将GPS相位观测值发生周跳处视作信号的奇异点,其小波变换后的系数具有模量极大值,通过对模量极大值点的检测确定周跳的位置,实验数据证明基于小波变换的周跳探测自动化程度较高,定位准确,由于形成双差过程中消除了一些相关误差的影响,其双差观测值的探测比单差观测值效果明显,而且周跳越大效果越好。     

基于多小波的GPS相位观测值周跳探测

阐述了周跳探测的重要性,分析了多小波在信号处理方面比单小波更有优势,基于此,利用多小波变换模极大值与信号奇异性之间的关系模型,写出了多小波在GPS周跳探测中的具体操作步骤。最后应用于GPS双差观测量,实验结果表明多小波变换在GPS相位观测值周跳探测中的有效性。     

城市配电网电缆故障诊断研究

电缆在配电网中的的使用越来越多,供电系统内部电缆出现问题的几率会变大.基于此,以电力电缆故障诊断为研究对象,采用小波奇异熵算法对电缆故障原始信号进行故障特征量提取,然后采用神经网络辨别电缆故障类型.仿真结果表明本方案能够准确辨别出故障类型,具有较高的精准度.