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。     

基于小波的谐振接地系统故障选线的优化研究

由于谐振接地系统在电网中被广泛的应用,所以谐振接地系统单相接地故障选线一直以来是研究的热点。针对现有的谐振接地系统故障选线方法存在的不足,基于短时投入并联电阻,提高暂态特征分量的选线方法,提出了一种优化方案;即通过可控硅控制消弧线圈并联电阻,增强故障线路的特征信号,把提取的故障时的零序电流暂态信号进行小波变换,检测分解和重构后的信号的奇异性,从而确定故障线路。仿真结果表明了优化方案的准确性。     

多频带分析的配电网单相接地故障选线

针对多年来一直未得到根本解决的配电网单相接地故障选线问题, 在分析故障选线现状和基于小波包选线方法的基础上,提出了多频带分析的选线方法.根据各线路暂态零序电流信号小波包分解的能量分布情况,提出对各线路选择能量集中的特征频带或组合特征频带;并根据故障线路和非故障线路暂态零序电流大小关系原理,比较各条线路特征频带或组合特征频带的暂态零序电流的能量以确定故障线路.现场数据和大量的Matlab仿真试验结果表明:该选线方法可以准确、可靠地实现配电网单相故障的选线.     

全频带小波能量相对熵的小电流接地系统故障选线

为了提高小电流接地系统中故障选线方法的精度和鲁棒性,在详细分析系统暂态零序网络故障特征后,提出基于全频带小波能量相对熵的小电流接地系统故障选线方法.利用小波变换技术对信号特征的放大作用以及小波相对熵对信号细微差别的超强辨识能力,首先对各条线路故障后零序电流的一个周波采样数据进行小波多尺度分解,并对分解后的小波系数进行单支重构;然后利用单支重构后的系数计算各条线路在各个频带下的小波能量权重系数,构造出各条线路的全频带小波能量相对熵矩阵;最后比较小波能量综合相对熵值的大小进行故障线路选择.在仿真模型中随机设置不同的故障位置、故障角、过渡电阻、电弧接地等参数,仿真选线正确率达到100%.理论分析和大量的仿真结果表明,该故障选线方法具有很强的适应性,能够在各种情况下实现正确选线.     

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.     

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。     

基于改进变分模态分解和小波阈值法的单相接地故障电流降噪

针对电力系统输配电线路发生单相接地故障时,电气设备间的电磁环境复杂,现场环境干扰严重导致故障录波装置采集到的故障零序电流信号含有大量噪声,影响后续选线准确率的问题,提出了一种改进VMD和小波阈值法联合的单相接地故障的零序电流降噪方法,通过北方苍鹰优化算法优化改进变分模态分解（VMD）对零序电流信号分解,引入自适应相关阈值对分解后的分量进行筛选,对噪声分量进行小波阈值法降噪,最后将信号进行重构。通过搭建模型进行仿真实验,所提算法比传统VMD降噪算法信噪比提高了5.52%~35.99%,均方根误差降低了12.78%~30.88%,与小波阈值降噪方法、EEMD-小波阈值降噪方法、CEEMDAN-小波阈值降噪方法相比,也都有明显的优势,并且在标准测试信号Heavy Sine信号和Bumps信号中进行实验验证了算法的适用性。     

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.     

基于小波能谱熵和神经网络的输电线故障识别

在暂态电流信号小波变换结果的基础上,采用小波能谱熵定义,对小波分解系数进行处理,提出了一种基于小波能谱熵和神经网络的输电线路故障类型识别方法。该方法通过计算故障前后三相电流信号小波变换系数沿尺度分布的小波能谱熵,经过适当处理,输入神经网络,利用神经网络在模式识别方面的优势,输出结果即为故障类型识别的结果。仿真结果表明,该故障类型识别方法不受故障类型、故障电阻及故障位置等因素的影响,识别结果准确可靠。     

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。     

基于小波分析的故障诊断

对信号进行特征提取,是故障诊断的关键。突变信号往往对应着某类故障,如果能对突变信号进行有效识别,就能达到故障诊断的目的。对如何从混有噪声的振动信号中有效识别出突变信号,本文进行了一系列方法研究。     

基于HHT的高压直流输电故障测距算法的研究与仿真

本文介绍了用希尔伯特黄变换(HHT)对直流输电线路进行故障测距的方法。首先对测得的故障电流行波信号进行经验模态分解(EMD)得到一系列对应固有模态函数(IMF),对IMF进行希尔伯特(Hilbert)变换得到其时频图。根据时频图中的频率突变点得出故障行波到达两侧测量点的时间,并且根据其对应时刻的瞬时频率和具体线路的参数计算出其波速度。用改进的双端测距理论对直流线路进行测距。并对测得误差总体趋势和误差因子进行详细分析。相关仿真分析用EMTDC环境进行,仿真结果证实了所提方法的有效性。     

离散小波变换在电力系统故障检测中的应用

传统的傅立叶分析难以处理电力系统故障时产生的暂态信号.小波变换具有良好的时频局部化特性,为分析非平稳、突变信号提供了有效的途径.通过多尺度分析,将连续小波变换离散化,得到适合数字信号处理的快速算法——离散小波变换.最后给出了应用离散小波变换进行输电线路故障测距的实例,通过仿真分析证明该方法可以极大地提高测距精度.     

基于复小波分析的牵引网故障测距算法

故障暂态分量能够充分地描述故障的特征,用来研究故障测距具有传统算法不可比拟的优点.针对复线牵引网的故障暂态高频分量和故障距离间的关系展开研究,绘制了故障距离和始端等效阻抗谐振频率的对应关系曲线,证明故障电压暂态信号和始端等效阻抗具有相同的谐振频率点.用Morlet复小波提取故障电压信号的谐振频率,并依据得到的谐振频率曲线,实现了牵引网的故障定位.分析表明,基于复小波分析的暂态谐振频率法进行牵引网故障测距,可以消除过渡电阻等对故障测距的影响,具有较高的精度和可靠性.     

Identification of Transient and Permanent Faults

A new algorithm was developed for arcing fault detection based on high-frequency current transients analyzed with wavelet transforms to avoid automatic reclosing on permanent faults. The characteristics of arc currents during transient faults were investigated. The current curves of transient and permanent faults are quite similar since current variation from the fault arc is much less than the voltage variation. However, the fault current details are quite different because of the arc extinguishing and reigniting. Dyadic wavelet transforms were used to identify the current variation since wavelet transform has time-frequency localization ability. Many electric magnetic transient program (EMTP) simulations have verified the feasibility of the algorithm.     

一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法

为提高电网故障诊断的准确率和速度,提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊断方法,通过对小波灰度矩进行时间上的划分,计算得到故障发生后电流在不同时刻的灰度矩的值,从而得到小波系数随时间的变化情况;以小波分时灰度矩作为概率神经网络的输入,诊断结果作为输出,实现对电网故障的自动诊断,利用PSCAD/EMTDC对电网不同类型的故障进行了仿真,采用连续小波变换对电网发生短路故障后的暂态信息进行分析,提取其灰度矩信息,利用概率神经网络进行了故障识别。仿真结果表明,小波分时灰度矩具有较强的细节表现能力,可作为电网故障的故障特征,与概率神经网络相结合可有效地实现对电网故障的自动识别。