一种衰减直流分量精确估计新算法

提出一种从故障电流信号中消除衰减直流分量的新算法.该算法基于纯正弦波信号在一个全波周期积分为零、而指数衰减信号在一个全波周期积分不为零的原理,用一个全波周期加上前一个采样周期的采样数据,就能精确估计指数函数型衰减直流信号的幅值和时间常数.将每个采样数据减去衰减直流分量偏移量得到校正采样数据,应用全波DFT电相量算法就能对滤除衰减直流分量的故障电流基波相量进行高精度测量.该算法对数字积分和指数函数进行了工程运算的简化,并提出衰减直流分量是否存在的简易判别算法,提高了数字保护算法的选择性.在M atlab仿真平台上进行了综合仿真试验,试验表明:所提算法测量精度高,易于用DSP实现,可应用到基于DSP的数字继电保护装置中.     

精确消除衰减直流分量误差的改进算法

传统全周傅氏算法在直接处理含有指数衰减直流分量的电力系统故障信号时会产生较大误差,针对这个问题,提出了消除其误差的改进傅氏算法.该算法基于包含衰减分量的输入信号在一个周期内积分值及采样数据的求和不为零的原理,在计算衰减分量误差的过程中不需要增加采样点和任何近似计算,就可以求出衰减直流分量对傅氏算法带来的误差及衰减参数,将衰减分量造成的误差从故障输入信号的傅氏算法结果值中减去.仿真结果表明,该算法可以获得精确的基波及各次谐波相关参数,可应用于电力系统谐波在线分析.     

谐波、间谐波参数实时检测新算法

在谐波、间谐波参数实时检测的基础上,提出了一种新的电力系统谐波和间谐波参数估计算法.根据正余弦函数的特性,将各次谐波分量变换成直流分量,经由低通滤波后估计其有效值和初相角;从原信号中去除基波和谐波分量,再通过幅值谱最大值搜素获取间谐波频率及有效值和初相角.仿真研究表明,算法精度较高,实现简单,动态跟踪特性好,适合于离散频谱电压、电流信号的谐波、间谐波参数实时估计.     

基于模糊神经网络的小电流接地系统故障选线

小电流接地系统发生单相接地故障后,为解决传统上单一故障选线方法的局限性,文章利用信息融合技术并结合模糊系统和神经网络的特点,提出将模糊神经网络应用于配电网故障选线方法中。提取稳态时有功功率分量、暂态时衰减直流分量、基波和小波包能量熵极值作为综合选线判据,输入到模糊神经网络,再通过调整网络隶属度函数的初始参数大小,体现出在不同相角下,不同判据对故障选线判别能力的不同,能够将配网自身的特点很好地嵌入该算法中。在Matlab环境下搭建10.5kV的小电流接地系统仿真模型,仿真结果显示此方法具有选线准确率高、适应性强、灵敏度高、抗干扰能力强等优点,具有一定的可行性,能够很好地解决故障选线的难题。     

配电网故障暂态信号的逼近处理方法

针对一些需尽快计算故障后稳态电流电压值的应用情况,如配网配变支路保护、用户侧保护等,短时间内处理电流电压故障暂态信号成为了一个必须面对的问题。现有电网故障信号处理方法通常受限于采样数据长度和待求参数数量,存在处理电流电压故障暂态信号时间较长和难求取的问题。利用配网故障暂态电压电流的特点,由稳态工频分量和直流衰减分量组合建模近似表征配网故障暂态电压电流,采用粒子群高斯牛顿混合算法对此模型的各参数进行辨识,实现暂态参数的求取。仿真分析和工程应用表明,该方法可缩减待求参数个数,利用较短的采样数据对故障暂态电压电流信号参数进行求取,且具有较高鲁棒性。     

基于权值函数神经元的BP网络研究

研究了一种神经元模型,在该模型中将参数可调的激励函数往前移到权值上,即把权值变为参数可调的函数,这些权值函数的累加和作为神经元的输出.将此类神经元称为权值函数神经元,根据BP算法给出了由其构成的前馈神经网络的学习算法.仿真实验对比结果表明,在给定的误差精度要求下,基于权值函数神经元的BP神经网络每次训练都能收敛,且平均迭代步数较少,其收敛速度要优于传统BP网络,具有较好的研究应用价值.     

一种离散傅里叶算法的新算法

当输入信号中包含衰减直流分量时,传统的离散傅里叶算法的计算精度和计算效率都有所降低,提出了一种传统离散傅里叶算法的新算法,通过仿真对比可以看出,提出的新算法不但能够有效滤除衰减直流分量,而且相比传统离散傅里叶算法需要4或以上的采样周期,且新离散傅里叶算法只需要一个采样周期,大大提高了计算的效率。     

交直流混联系统对距离保护暂态超越的影响及解决措施

针对传统的距离保护应用于交直流混联系统,特别是当直流系统发生换相失败时存在暂态超越的问题,分析发现交直流混联系统直流侧发生换相失败时,故障暂态信号中含有大量衰减缓慢的低频分量、非周期分量及高频分量,这是引起距离保护暂态超越的根本原因.同时,给出一种先利用分布参数模型将保护安装处的电压、电流补偿至整定点,再采用R-L线路模型建立微分方程,识别出整定点与故障点之间距离的保护方案.动模数据仿真结果表明,该方案在特高压、长线路末端故障时能够有效地防止暂态超越,不受线路分布电容、低频分量以及非周期分量的影响,提高了长线距离保护的动作可靠性.     

基于不平衡样本的CF-SOM-MQE感应电机状态分析

为提高感应电机状态评估的精度,本研究提出了一种基于相关性算法(CF)和自组织映射最小量化误差(SOM-MQE)的模型来解决基波电流信号干扰和缺少故障数据的问题.首先简要介绍自相关算法与互相关算法理论,分析了定子电流中的特征谐波分量,将其作为性能退化指标输入SOM神经网络中,在此基础上计算其最小量化误差(MQE)值的大小,并将MQE作为感应电机状态监测的衡量指标.实例表明,所提模型能够准确地对感应电机健康状态进行估计,具有较强的工程应用价值及通用性.     

基于全波傅氏算法的微机继电保护

微机继电保护是用数学运算的方法实现故障的测量、分析和判断的。当输入信号中含有衰减直流分量而不再是周期函数时,全波傅氏算法有较大的误差。本文提出了一种改进算法,仅要求基波周期内的采样点数为4的整数倍,就能在未知衰减时间常数的情况下对衰减直流分量进行补偿,理论上能够完全滤除衰减直流分量。     

一种滤除衰减直流分量的全波傅里叶相角修正算法

提出了一种滤除衰减直流分量的全波傅里叶改进算法,适用于电力系统故障电流中含有多个衰减直流分量以及恒定直流分量的情况.通过比全波傅里叶算法增加2个采样点,利用3次相邻的周期的数据之和,在排除恒定直流分量的干扰的前提下计算出衰减直流分量的幅值和时间常数.只需对采样数据进行一次DFT运算,后一次的数据可以利用前一次的数据,大大减小了原有的计算量,加快了运算速度.自动判断相角是否需要增加180°,防止出现波形反向.本文详细分析了全波傅里叶算法,讨论了其它改进算法,给出了本改进算法的推导过程以及仿真结果,证明该算法计算精度高,数据窗短,易于实现.     

直流衰减法测取同步电机参数的研究

本文首先分析了测取同步电机参数的各种方法。针对直流衰减法,提出了用8098单片机构成数据采集系统.用以精确测量衰减电流:运用系统辨识理论辨识衰减电流曲线的数学模型;并通过该模型推导出同步电机参数。解决了目前应用直流衰减法所存在的问题。     

一种衰减信号加窗频域插值算法

为了提高多频衰减正弦信号参数估计的精度,提出了一种加窗频域插值算法.先利用信号加窗技术对时域信号施加Hanning窗,然后利用频域插值方法计算出频率和衰减因子等参数值.结合Hanning窗和频域插值的方法,不仅可减小远程泄漏的影响,而且也消除了短程泄漏的影响,从而提高了对多频衰减正弦信号参数估计的精度.通过对算法的参数变化、噪声干扰和谱线分辨率的敏感性分析表明,即使在较强的噪声干扰和频谱泄漏下,算法依然具有较高的估计精度和稳定性,且计算效率高,内存占用低,因此较适合于对计算资源要求苛刻的信号特征提取场合,为机械冲击故障特征的提取提供了一种可选方法.     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

基于双脉冲特征的滚动轴承缺陷尺寸估计方法

根据提取的滚动轴承特征信号实现对故障缺陷尺寸的准确估计,提出了一种基于双脉冲特征的滚动轴承缺陷尺寸估计方法.采用AR模型对采集到的振动信号进行预白化处理,对预白化处理后的信号进行VMD分解,得到一系列固有模态函数.根据峭度值和互信息最大,分别选取包含有阶跃成分与冲击成分的分量,并采用平方包络增强信号的特征.根据双脉冲特征,确定滚动体进入和退出缺陷时所对应的时间,提出了故障轴承的缺陷尺寸估计方法.研究了转速和缺陷尺寸对该方法精度的影响,分析了造成误差的原因.通过实验验证该提取方法的有效性,经过估计得到的缺陷尺寸误差在5%以内,验证了该缺陷尺寸估计方法具有较高的精度.     

采用相关曲线偏差的导航卫星多径信号分离方法

为解决卫星导航信号中提取多径分量困难的问题,提出了一种利用相关曲线偏差(SCB)分离导航卫星多径信号的方法(MSCB)。首先建立包含多径分量的接收信号模型;然后分析SCB偏差与多径信号幅值、延迟与相位之间的关系,得到不同多径延迟条件下两种不同的SCB偏差形状;最后通过SCB拐点估计出多径信号参数。基于北斗和GPS导航卫星的实验结果表明:MSCB方法能够有效地将来自地面与卫星自身的多径分量(或类似多径分量)特征参数提取出来,将多径分辨率从米级提高到分米甚至厘米级别,其估计标准差仅为传统多径估计延迟锁定环路算法的1/6左右,为未来多径信号的建模与分析提供了一种新的有效方法。     

电流互感器暂态特性对分布式微机母差保护影响的研究

通过试验实测参数对闭合磁路电流互感器暂态特性进行了研究,分析了引起互感器饱和从而影响分布式母差保护工作的两个原因:一是非周期分量引起故障电流的大幅度偏移;二是缓慢衰减的直流分量引起故障电流的大幅度偏移.并提出通过选取适当的不同比率制动系数,以解决分布式母差保护在区外故障时可能误动的问题以及保证区内故障可靠动作的措施.     

人工免疫的神经网络预报方法及其应用

针对RBF(radial basis function)神经网络在预测铁水含硅量中出现的预测精度低,收敛速度慢的问题,提出了一种基于免疫识别原理的径向基函数神经网络的学习算法.该算法利用人工免疫原理确定高斯基函数的中心和宽度参数,同时将所识别的数据作为抗原,抗体作为抗原的压缩映射并作为神经网络的隐层中心,利用递推最小二乘法(recursion least square, RLS)确定连接权值,提高了RBF神经网络的收敛速度和精度.应用该模型于某大型钢铁厂高炉铁水硅含量预报的实例中, 实验结果表明, 该模型具有更高的预测精度和更短的训练时间.     

基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障诊断

提出一种基于CZT变换分段频谱细化的鼠笼式异步电动机转子故障监测和诊断方法.从理论上推导鼠笼式异步电动机转子故障时的电流信号模型,利用CZT变换的分段频谱细化性质,将故障电流信号进行分段频谱细化分析,达到消除电源基波和噪声影响、突出故障特征的目的.同时采用CZT快速精确估计方法估计出故障特征频率成分.通过对样机实测信号进行分析处理,验证了CZT变换的分段频谱细化算法的有效性和优越性.     

基于VMD-LSTM的触电电流提取方法研究

为有效提取触电故障特征,实现从剩余电流中分离出触电电流,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)与长短期记忆神经网络(Long Short Term Memory,LSTM)相结合的触电电流提取方法.利用果蝇优化算法对VMD参数[K,α]寻优获得最优参数组合[6,280],以VMD分解的剩余电流最佳模态分量突变特性为依据,定义相邻周期电流幅值和的增长率η1、η2作为判别触电事故的特征量;以6层模态分量信号重构触电信号,构建基于LSTM网络的触电电流检测模型.240组触电信号研究结果表明:当η1、η2至少一个满足大于1％时,均发生触电,否则无触电事故发生;相比于VMD-BP、VMD-RBF检测模型,VMD-LSTM检测模型提取的触电电流与真实触电电流的相关系数平均值分别提高了6.2％、2.3％,均方根误差平均值分别降低了36.8％、27.1％,提出的方法具有更高的检测精度.研究结果为研发基于生物体触电电流动作的剩余电流保护装置提供了参考.