一种小接地电流系统单相接地故障选线新方法

针对“流接地电流系统单相接地故障选线”的问题，提出了一种新的选线方法，它充分考虑了系统故障前后的不对称因素。可以应用于中性眯不接地系统和中性点经消弧线圈接地系统，对只有两相ＣＴ的低压网络，可以直接使用，并有２／３的选线功能     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

多基因融合小电流接地故障选线方法

为解决目前单一判据选线方法中存在的可靠性低、选择性差和对电网结构适应能力低的技术问题,提出了基于遗传算法的小电流接地故障选线方法.算法通过对基于系统故障稳态参数选线的有功功率选线法和无功功率选线法,以及基于暂态参数的小波分析选线法的融合,获得高可靠性小电流接地故障选线判据.算法利用不同选线方法的基因概率进行编码形成初始种群,通过对种群基因的选择、交叉、变异运算,求得最优染色体串,译码后得到故障线路信息.从系统仿真结果看,该方法具有可靠性高、选择性好的特点,并且对不同结构的电网具有很好的适应能力.     

一种新的配电网小接地电流故障选线监测方法

在配电网系统中,故障点经高阻接地或者中性点经消弧线圈接地使得故障电流比较小,无法使用传统的过流继电器动作或者熔断器熔断。因此,提出了一种适用于辐射状配电网的、基于特定频率电压信号叠加原理的单相接地故障选线新方法。仿真结果证明这种方法对于任何形式的接地故障选线都比较准确。     

基于小波分解方法的暂态选线分析

在小波理论的基础上,提出了基于故障暂态电流α模分量突变量的故障选线方法。根据小波理论善于处理突变信号的特点,并利用小波理论对暂态信号进行分析,由分解后的小波系数构成的综合故障测度进行选线。大量的仿真试验证明,此选线方法可以很好地对故障线路进行选择。     

小电流接地系统单相接地故障选线方法探讨

在我国3～66kV配电网中,广泛采用非直接接地系统,也就是小电流接地系统。而此类系统发生最多的是单相接地故障,如何快速准确地检测出故障线路一直是电力系统继电保护的重要研究课题。本文对小电流接地系统单相接地故障选线方法进行了深入探讨,供同行参考。     

基于小波理论的小电流接地系统单相接地故障选线仿真

在对小电流接地系统单相接地故障进行理论分析的基础上,指出利用合适的小波对所有线路同一非故障相暂态电流的特征分量进行小波变换求取模极大值,可以实现故障选线.Matlab仿真结果验证了这一方法的正确性.     

基于LSSVM的小电流接地故障融合选线

小电流接地系统单相接地故障选线是尚未解决的一大难题。传统的单一故障选线方法都有其各自的适用范围,故障选线准确率不高。在此基础上,提出利用最小二乘支持向量机(LSSVM)对多种选线方法进行信息融合。分别利用小波包变换和FFT算法,从零序电流中提取暂态能量分量、稳态基波分量和五次谐波分量,形成故障选线的特征分量。作为LSSVM的输入进行信息融合。从而实现故障选线。仿真结果表明:与标准的SVM相比,该方法学习速度更快、泛化能力更强,且不受接地电阻、故障初始角、故障距离等的影响。选线结果具有较高的精度。     

基于小波变换的配电网单相接地故障选线方法

分析了配电系统发生单相接地时的故障特征，在研究了现有选线方法的基础上，提出了利用小波变换的奇异性检测理论进行故障选线的新方法。该方法对单相接地故障的暂态分量进行小波变换，通过比较零序电流小波变换模极大值的大小和极性判别出故障线路。MATLAB仿真结果表明，该方法能够准确、可靠地实现故障选线，且不受故障电阻及中性点接地方式的影响。     

一种小接地电流系统单相接地故障选线新方法

针对“小接地电流系统单相接地故障选线”的问题，提出了一种新的选线方法，它充分考虑了系统故障前后的不对称因素，可以应用于中性点不接地系统和中性点经消弧线圈接地系统，对只有两相CT的低压网络，可以直接使用，并有2／3的选线功能．     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

基于小波包能量谱及SVM算法的轴承故障检测

针对小波分析在故障诊断时的局限性,将小波分析和支持向量机算法相结合,提出基于小波包能量谱及支持向量机算法(SVM)的故障检测方法.该方法以振动信号小波包分解后各子频带的能量作为故障检测特征,利用SVM算法对轴承故障进行检测实验.结果表明:小波包能量谱能有效地反映轴承信号特征,并对故障进行检测.该方法同基于Lipschitz指数熵、单奇异点检测,以及小波包能量谱与神经网络相结合的故障检测方法进行比较,检测率均优于其他三种常用方法.     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.     

小电流接地系统单相接地故障定位技术的研究

针对中低压配电网频繁发生单相接地故障的问题,研究了一种能够迅速判断故障线路并确定故障位置的方法.本文在分析中低压配电网发生单相接地故障后出现的暂态稳态信息的基础上,提出基于小波理论的故障选线方法,进而利用C型行波法与小波分析相结合的方法进行定位.利用MATLAB仿真软件搭建模型,在模型上对提出的方法进行实验,验证了该方法的准确性.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

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.     

谐振接地系统的配电线路接地故障选线新方法

针对因消弧线圈引起的故障电流信号微弱,造成谐振接地系统发生单相接地故障识别率进一步降低的情况,考虑故障线路与非故障线路间零序电流波形相似度低的特点,提出一种谐振接地系统的配电线路接地故障选线新方法。用HHT(Hilbert-Huang teansform)和时频谱带通滤波法处理零序电流波形,构建各线路零序电流波形的时频能量矩阵,结合图像识别中的相似度识别法与综合相似系数矩阵,实现线路接地故障选线。结果表明,该选线方法对噪声干扰、两点接地故障等情况均有效。     

基于小波包分解的虹膜图像质量评价算法

在虹膜识别系统中,虹膜图像的质量是影响识别效果的重要因素。为了保证识别的准确性,必须选择满足识别算法需要的图像来进行特征提取和模式识别。在对现有虹膜图像质量评价算法分析的基础上,该文提出了一种新的基于小波包分解的算法,根据虹膜纹理的特点确定小波包的分解方式,选取纹理高频分量分布最集中的子频带作为特征子频带,以其能量作为判别图像质量的准则。对比实验结果表明,该方法可以快速、准确地判断虹膜图像的质量,实现了对图像的实时处理,结果合乎人眼的主观度量,且区分不同质量图像的效果优于其它评价算法。     

基于小波-能量模式的回转支承故障诊断方法研究与应用

回转支承机械结构和工作条件特殊,导致其故障机制复杂,传统的信号分析方法难以对其进行有效的故障诊断.提出了一种基于小波分解与能量谱相结合的回转支承故障诊断方法.利用小波多尺度、多分辨率的特性,对回转支承振动信号进行多尺度分解;根据回转支承低频故障特性,对小波分解后的低频区进行频谱分析,再结合各尺度频带能量谱进行回转支承故障诊断.通过对回转支承加速寿命试验中各阶段数据分析表明,该方法能够有效、准确地诊断出回转支承故障模式,相比单一的小波频谱分析诊断精度更高、可靠性更好,具有一定的工程实用价值.     

小波分析在变压器励磁涌流识别中的研究

励磁涌流是影响变压器差动保护正确动作的重要因素,而如何区分励磁涌流和内部故障电流又是变压器保护存在的主要问题,为此,文中利用Coif5小波函数在奇异信号处理方面的优势,分别对励磁涌流和内部故障电流进行小波分析。仿真研究结果表明:经过小波变换后励磁涌流呈现周期性奇异点,而内部故障的波形无奇异点,coif5小波变换后的周期性奇异信号能够很好地识别励磁涌流和内部故障,且方法简单、可靠。