基于DOST能量相对熵的配网单相接地故障选线方法

针对小电流接地故障中,不同类型配电线路故障特征频带能量分布不一致的情况,提出一种基于离散正交S变换与能量相对熵的故障选线方法。首先提取各线路故障后首半个工频周波的暂态零序电流,利用离散正交S变换计算暂态零序电流各频带的变换系数及各频带暂态能量,结合能量相对熵对两个波形细微区别的识别能力,分别获取各线路在不同频带的能量相对熵,并综合得到每条线路的综合能量相对熵,据此熵值大小进行故障选线。Matlab仿真表明该方法不受接地电阻、故障初始角、故障距离等条件的影响,在间歇性电弧故障时仍然可准确实现线-缆混合线路单相接地故障选线。     

基于VMD-TEO的多分支小电流接地系统行波故障定位

针对小电流接地故障行波波头难以检测、行波波速不确定和多分支线路难以精确定位等问题,提出一种新的行波定位方法。首先,对故障电流进行相模变换得到线模信号,并对线模信号进行变分模态分解(Variational Mode Decomposition, VMD),利用Teager能量算子(Teager Energy Operator, TEO)提取IMF分量的故障特征实现故障测距;然后,根据故障距离构建故障分支判断矩阵,将多分支线路故障定位简化为单分支线路故障定位,进而转换为双端故障测距;最后,利用双端行波测距方法实现精确故障定位。使用暂态仿真软件ATP建立小电流接地系统模型并进行故障测距仿真,仿真结果表明此方法在多分支小电流接地系统中可以实现准确故障定位。该方法利用有限的行波检测装置实现多分支复杂电网的精确故障定位。     

利用Teager能量算子瞬时能量的模块化多电平换流器多端柔性直流电网保护方法

为提高模块化多电平换流器多端柔性直流电网快速清除和隔离故障的能力,提出了一种利用Teager能量算子提取电压故障分量瞬时能量的纵联保护方法。根据多端柔性直流电网故障后的电压故障分量瞬时能量的不同,利用Teager能量算子对电压故障分量进行处理,提取电压故障分量瞬时能量最大值,构造保护判据,给出整定原则。利用各保护测量安装处的电压故障分量瞬时能量最大值判定故障区间及区内外故障。利用同侧换流站正负极电压故障分量瞬时能量之比进行单双极故障判定,并进行故障选极。在PSCAD/EMTDC仿真平台搭建了±500kV四端柔性直流电网模型进行验证,结果表明,所提方法可在3ms内快速可靠动作,耐过渡电阻能力强,在不同的工况下都可准确进行故障区间及区内外故障判别,并可实现故障选极。     

基于Teager能量算子瞬时能量的贯通式同相自耦变压器牵引供电系统牵引网纵联保护方案

提出一种基于Teager能量算子瞬时能量的贯通式同相AT牵引供电系统牵引网纵联保护方案。牵引变电所出口并联电容与一段接触线构成牵引网边界,通过分析发现该边界对高频信号有很强的衰减所用。利用FEEMD分解提取故障电流高频分量,然后利用Teager能量算子计算故障电流高频分量的瞬时能量,并提取两端瞬时能量最大值。区外故障时,故障电流高频分量瞬时能量最大值较小;区内故障时,该值较大。根据该差异来构造保护动作判据,判别故障位置,决定保护是否动作。基于PSCAD大量仿真实验表明,该保护方案能够准确判别区内、外故障,并且有较好的耐过渡电阻能力。     

改进变分模态分解-多尺度排列熵结合广义回归神经网络的高压直流输电线路故障辨识

针对现有的高压直流(high voltage direct current, HVDC)输电线路故障识别方法识别准确率低，且无法同时准确识别低阻和高阻故障的问题，提出一种改进变分模态分解(variational mode decomposition, VMD)-多尺度排列熵(multi-scale permutation entropy, MPE)结合广义回归神经网络(general regression neural network, GRNN)的HVDC输电线路故障辨识方法。首先采用鲸鱼算法改进后的VMD对故障电流信号进行分解，并选择合适的本征模态函数(intrinsic mode function, IMF)分量计算多尺度排列熵和IMF能量和比值提取故障特征组成故障特征向量，然后将特征向量输入到GRNN网络中进行训练与测试，利用GRNN网络对小样本数据的高分类能力识别不同类型的故障。实验结果表明，所提出的方法对HVDC输电线路不同类型故障辨识准确率高，无论发生低阻或高阻故障都能够准确辨识，耐受过渡电阻能力强，在小样本故障辨识方面性能突出，可靠性高。     

基于低频无功的柔性直流输电线路纵联保护方案

柔性直流输电技术发展迅速,但其线路保护还存在一些不足。传统的电流差动保护易受线路分布式电容影响的问题尚未完全解决。为解决柔性直流线路保护存在的问题,本文提出一种基于低频无功方向的柔性直流输电线路后备保护原理。该原理利用直流无功刻画线路分布参数的频率特性,并根据故障时直流低频无功方向识别区内、外故障。仿真结果表明所提保护原理不受分布电容电流的影响、不需要严格的通讯同步且具备较强的耐受故障电阻和噪声干扰的能力。     

柔性直流馈入下交流输电线路单端故障测距分析

柔性直流输电具有不同于交流输电和常规直流输电的运行原理和特性,随着柔性直流输电技术的应用,交流电力系统的故障特征可能发生显著变化,基于传统交流系统暂态故障特征量的故障测距面临挑战。为此,基于柔性直流输电的运行原理,分析了柔直交流侧故障时换流器的运行特性,推导了在换流器保护未启动、限流以及闭锁条件下柔直交流侧短路电流解析式,分析比较了柔直不同暂态运行状态下对输电线路单端故障测距的影响规律。结果表明,柔直馈入下交流输电线路单端故障测距受换流器交流侧电压跌落系数和换流器无功功率指令的影响,通过PSCAD/EMTDC仿真验证了理论分析的正确性。     

基于Teager能量算子和小波变换的语音识别特征参数

基于Teager能量算子在抑制噪声和小波变换时多分辨特性,用Teager能量算子结合二进小波变换得到一种新的语音识别系统中的前端输出特征参数.该参数的一部分来源于Teager能量算子与传统的倒谱分析相结合产生的参数TEOCEP;另一部分基于小波而得到的小波能量矢量参数DWE,最后提出了TEOCEP-DWE特征参数.对新的语音特征参数进行实验分析表明,本算法能提高语音识别的性能.     

基于电流相角分布的光伏直流送出线保护方案

光伏直流送出线发生双极故障时会导致输电线路两端换流器快速闭锁,为保障系统稳定运行,保护装置需在换流器闭锁前快速准确识别故障.为此,提出一种基于两端电流极性变化的相角分布光伏直流送出线保护方案.该方案利用相角值描述故障前后一个数据窗线路两端暂态电流极性的异同,并以此分类构造保护判据,可以准确快速地判断出光伏直流送出线区内外故障.最后,在MATLAB/Simulink中搭建1 MW/±30 kV集中型光伏直流升压外送系统模型进行仿真验证.结果 表明,该方案能够快速可靠识别光伏直流送出线上的故障类型,且具有较好的抗干扰和抗过渡电阻能力.     

基于电压频率成分比值差异的MMC-HVDC保护方法

柔性直流输电系统的快速故障发展给直流保护的研究带来了巨大的挑战，严苛的速动性要求不得不使保护的研究聚焦在故障暂态量上．在高压大容量输电系统中，为更贴合实际工程，线路的频变特性以及行波传输过程是不容忽略的，因此文中以此展开了故障分析．针对单端量保护在耐过渡电阻能力上的不足，文中对保护区内外故障发生时的测量点电压频率特征进行了分析，以过渡电阻为变量观察不同故障情况下的频率比值差异变化趋势，并利用S变换设计了一种基于电压频率成分比值差异的保护方案；其次，根据噪声在S变换下的频谱特点，给出了噪声识别判据；最后，在PSCAD/EMTDC仿真平台上搭建了四端柔性直流输电系统模型对所提方法进行了验证．结果表明，区内外故障下的电压频率成分比值存在明显差异，所提保护方案可以准确识别线路不同位置的短路故障，并可判断故障极．与基于电压变化量和高频段能量的保护方法相比，文中方法具备更高的耐过渡电阻能力．即便是远距离高阻故障，保护方法也具备明显的区分度，可见，所提方法可以更好地适用于大容量远距离输电系统．同时，在不同信噪比的噪声环境下，保护方法仍旧可以准确识别出噪声以及故障．保护方法可以在2 ms内完成故障识别...     

基于原子能量熵和CSM的配电线路故障分类方法

针对配电线路上的故障分类问题,提出了一种结合原子能量熵和连续字符串匹配(CSM)的故障分类方法.通过分析故障信号的暂态特征,利用原子分解法得到故障暂态信号的主导原子以及对故障信息进行补充的次级原子,计算原子能量熵作为故障特征量,较完备地描述了故障特征.应用CSM进行故障分类节省了智能算法故障辨识中参数选择和优化的时间,通过建立的编码规则,将故障特征进行编码,搜索故障编码库,最终确定故障类型.通过仿真研究,验证了该算法的可行性与有效性.     

EMD结合Teager能量用于语音情感识别

在语音情感识别系统中,语音情感特征的提取尤为重要,本文在前期已有对EMD分解研究的基础上,将EMD分解与Teager能量算子相结合,用于语音情感识别。文中首先利用EMD分解得到一组IMF分量,再对各阶IMF分量提取Teager能量,然后通过对不同语种的不同情感语音的Teager能量在Mel频率的分析,提出了一种新的情感特征：基于EMD分解的Mel频率的Teager能量谱系数(ETMC),最后利用SVM分类方法对不同语种的不同情感进行识别,实验结果表明,该方法有很好的识别结果。     

基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断

针对滚动轴承故障振动信号的特点,考虑变分模式分解在复杂信号分解及微积分增强能量算子在瞬态成分检测方面的优势,提出基于变分模式分解和微积分增强能量算子的滚动轴承故障诊断方法。首先利用变分模式分解将复杂信号分解为多个本质模式函数,以削弱背景噪声的影响和满足能量算子对信号单分量的要求;然后根据提出的敏感分量选取原则,从本质模式函数中选出包含主要故障信息的本质模式函数为敏感分量;最后利用微积分增强能量算子强化敏感分量中的瞬态冲击,并根据敏感分量瞬时能量的时域波形及Fourier频谱诊断滚动轴承故障。分析结果表明该方法能够有效诊断滚动轴承故障。     

基于VMD-ApEn的输电线路两相接地故障诊断

针对现有电力系统输电线路故障信号分析方法中,存在故障信号特征遗失等问题,提出一种基于VMD-ApEn的两相接地故障诊断新方法。首先选取故障点处容易获取的相电压信号作为故障信号,然后对各相故障信号进行VMD分解得到其IMF分量,进一步提取各相IMF分量的近似熵值并作为一个特征向量,通过分析各相特征向量的模值,最终诊断出输电线路两相接地故障所在相。选取IEEE5节点标准测试系统验证,并与EMD-ApEn算法进行比较。实验结果表明,本文提出的VMD-ApEn方法准确可靠,避免了EMD分解时产生模态混叠的现象,更能有效地诊断出输电线路两相接地故障所在相,具有较好的实用性。     

一种改进的混合三端输电线路故障定位算法研究

针对混合输电线路故障多、定位精度差等问题,提出一种基于改进的自适应噪声完备集合经验模态分解 (CEEMDAN)和 Teager-Kaiser 能量算子相结合的混合三端输电线路故障测距方法。 首先对输电线路故障电压信号 使用新型相模变换进行解耦,以消除线路间的电磁耦合现象;然后利用改进的 CEEMDAN 和 Teager-Kaiser 能量算 子对解耦后的故障电压信号进行分解,提取了故障初始行波到达检测点的时间,再根据故障时暂态电压行波零模 分量和线模分量的故障特性,提出一种基于零模和线模时间差的故障分支判别方法;最后为解决无法得到行波波 速精确值的问题,采用基于零模线模时间差的行波测距方法得到了精确的故障定位数据。 基于仿真模型,对比改 进 CEEMDAN 算法和传统 CEEMDAN 算法,验证所提改进算法的有效性。 仿真结果表明,所提算法不受故障类型、 过渡电阻、波速、时间不同步的影响,具有较高的测量精度。 改进 CEEMDAN 算法能够有效改善故障信号经传统 CEEMDAN 算法分解后带来的随机性问题,具有较高的工程应用价值。     

基于波形匹配的高压输电线系统故障诊断优化算法

准确高效的高压输电线故障诊断对加快故障后系统恢复速度、进而确保系统安全稳定运行具有重要意义.高压输电线故障诊断问题主要包括故障类型识别、故障测距和故障时间识别.本文将该问题描述为优化问题来求解,即将故障诊断问题中待求解的量如故障距离和有待估计的量如过渡电阻作为故障假说里面的未知参数,以故障后的实际波形和期望波形的差异度最小化作为优化目标.在此基础上构建了包括离散和连续优化变量的混合优化问题,可以同时获得故障类型、故障距离和故障时间.采用了近年来提出的一种高效的启发式优化算法─和声搜索算法来求解这一优化问题,并根据问题的特点对该算法进行了改进.最后,用算例系统的仿真结果来说明所提方法的正确性和有效性.     

基于小波包熵的轴承状态监测和早期故障诊断技术

滚动轴承是旋转机械中最常用的轴承之一。但其早期故障诊断仍是亟待解决的问题。研究旨在通过基于小波包熵的状态监测技术提早发现轴承的早期故障,进而利用最小二乘支持向量机(LS-SVM)精确诊断轴承的故障类型。利用加速轴承寿命试验台的轴承全寿命数据和故障轴承数据验证了方法的有效性和实用性。结果表明,相比传统监测指标,小波包熵有较好的早期预警能力;结合小波相对能量指标,LS-SVM能快速有效地诊断滚动轴承早期故障。     

基于小波包能量熵和GWO-SVM的滚动轴承故障诊断

针对滚动轴承不同故障类型和不同损伤程度识别准确率较低的问题,提出了将小波包能量熵、灰狼优化算法和支持向量机相结合的故障诊断方法.首先,将滚动轴承振动信号进行3层小波包分解,对第3层各频段小波包分解系数进行重构,提取各频段成分的能量熵构成故障特征向量;其次,利用灰狼优化算法实现支持向量机参数优化;最后,基于优化后的支持向量机分类模型完成对测试集滚动轴承不同故障类型和不同损伤程度特征向量的识别诊断.实验结果表明,相比实验和文献中其他方法,该方法对滚动轴承不同故障类型和不同损伤程度具有更加突出的故障辨识能力.     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。