输电系统雷击干扰与故障类型识别研究

针对雷击输电系统发生雷击干扰和雷击故障时无法快速、准确的识别雷击类型,做出有针对性的防雷措施,提出一种综合的雷击类型识别方法.首先,根据雷击暂态电压信号波形的单调性和对称性构造积分判据的方法来识别非故障和故障性雷击;然后,结合暂态电压信号能量特征值的分布特点构造高低频能量比值判据,识别非雷击,雷击和短路故障;针对希尔伯特一黄变换(Hilbert-Huang Transform,HHT)中经验模态分解(Empirical Mode Decomposition,EMD)对原始信号分层时存在的边际效应,模态混叠等问题.将变分模态分解(Variational Mode decomposition,VMD)并与希尔伯特黄变换(Hilbert-Huang Transform,HHT)相结合改进了HHT算法.最后,通过PSCAD仿真验证了改进HHT算法的有效性和雷击类型识别的准确性.     

基于广义S变换的不同类型泥石流声波试验研究

开展稀性、过渡性、黏性泥石流等3类泥石流声波模型试验后,通过引入窗函数参数,提出一种广义S变换,分析不同类型泥石流声波信号的时频特征,针对传统傅立叶变换的不足,运用小波包变换方法,提取声波信号的频带能量分布特征。研究表明:①相比较传统的时频分析手段,广义S变换具有优良的时频聚焦性和分辨率;②随着泥石流重度的增加,泥石流峰值频率向低频移动;③经小波包变换可将信号分解为8个频段(0～6.25,6.25～12.5,12.5～18.75,18.75～25,25～31.25,31.25～37.5,37.5～43.75,43.75～50 Hz),稀性泥石流主要分布在S6-8,过渡性和黏性泥石流能量集中于S2-4内;④基于声波信号频率区间和频带能量可综合识别不同类型泥石流。     

基于深度卷积神经网络的未知复合故障诊断

针对振动信号的非平稳性、非线性以及未知复合故障难以诊断的问题,提出了一种基于深度卷积网络的未知复合故障诊断模型。首先将采集到的时域振动信号通过小波变换生成频谱图像;然后将频谱图输入卷积神经网络(convolutional neural network,CNH),利用卷积网络自适应的特征提取能力对复合故障进行特征学习;最后将深度卷积网络输出的特征通过分类器对故障进行诊断分类。在实验室模拟采集的不同数据集上进行实验,结果表明:基于深度卷积网络的未知复合故障诊断模型与基于改进CDCGAN的复合故障诊断方法相比,对未知复合故障的诊断率提高了44%,达到85.77%;使用不同类型的单一未知复合故障和多种未知复合故障进行实验,验证了所提模型的泛化能力和鲁棒性。     

雷电定位系统在输电线路雷击故障分析中的应用

雷击故障是输电线路的主要故障,识别雷击故障原因能有效提高和改进输电线路的雷击可靠性水平。结合220kV输电线路雷击故障的现场调查数据,采用雷电定位系统得到的雷电流参数在电磁暂态仿真软件ATP-EMTP建立输电线路雷击过电压仿真模型,分析了输电线路在不同雷电流下的跳闸性质。仿真结果表明,基于雷电定位系统和电磁暂态仿真能有效判别线路故障的性质,为线路的运行、维护和改造提供参考。     

基于轻量级CNN的电机轴承故障诊断研究

针对深度学习在嵌入式或移动端设备中用于故障诊断时,受限于有限的硬件资源而又需要有足够的效率和精度的应用需求,提出基于轻量级卷积神经网络的电机滚动轴承故障诊断方法。首先对滚动轴承的振动信号数据集进行连续小波变换生成固定尺寸的时频图,并以此方式生成数据集输入网络进行训练。使用测试集进行测试,结果表明,所生成的故障诊断预测网络模型具有较高的识别精度和识别速度,准确率达到99%。通过验证噪声对网络的影响,表明所使用的网络具有较好的鲁棒性和泛化能力。     

广义S变换在绝缘子泄漏电流去噪中的应用研究

绝缘子泄漏电流对绝缘子运行状态在线监测具有重要的意义,但泄漏电流信号易受到各种噪声的干扰,针对泄漏电流信号信噪比低及传统去噪方法去噪效果不佳的现状,利用广义S变换在非平稳信号处理方面的独特优势,将广义S变换应用到绝缘子的泄漏电流去噪中,在广义S变换高质量的时频分布平面中设计了一种阈值去噪和时频谱分布滤波相结合的新型时频滤波器,通过绝缘子泄漏电流高压试验和现场实测信号的去噪结果分析,验证了本文方法在绝缘子泄漏电流信号去噪中的有效性和稳定性。     

基于GA-BP神经网络技术的雷击跳闸实时预警

由于输电线路运行环境复杂、影响线路雷击跳闸因素多,故很难实现对输电线路的雷击跳闸实时预警.提出一种根据雷电定位系统、输电线路数据与GA-BP神经网络技术相结合的雷击跳闸实时预警的新方法.首先,确定影响线路跳闸的因素,并预处理输入数据;然后,建立以线路档距段为基础的GA-BP神经网络雷击跳闸预测模型,将待预警线路的所有档距段进行预测,并对结果累加求和,从而获得线路整体预测雷击跳闸次数;最后,根据预警分级标准,实现整条线路的雷击跳闸预警.实例表明,该预警模型对算例中30条输电线路的雷击跳闸预警正确分类率为80％,预警准确率为86.67％,虚警率和漏警率分别为23.53％和13.33％,其性能指标都较为理想,故该模型对输电线路的雷击跳闸实时预警有着良好的预判效果.     

基于MEEMD和SVM的贯通式同相牵引直接供电系统牵引网故障识别

针对贯通式同向牵引直接供电系统牵引网故障识别,提出了一种基于改进总体平均经验模态分解和支持向量机的故障识别方法.利用PSCAD仿真平台搭建3种不同类型(雷击故障,雷击干扰,接地故障)的故障模型,通过模拟仿真得到故障暂态电流,并对其解耦得到故障电流相模分量.采用MEEMD算法对故障电流相模分量进行分解,提取特征向量,通过SVM工具箱进行故障识别.为了验证SVM在故障识别中的优越性,通过对比概率神经网络故障识别,结果表明SVM在故障识别中具有更高的正确率.     

广义S变换在金属氧化物避雷器 在线监测中的应用研究

针对金属氧化物避雷器泄漏电流信号易受噪声干扰、传统去噪方法去噪效果不理想的现状,利用广义S变换在分析非平稳信号领域的独特优势,将广义S变换应用到避雷器的泄漏电流去噪中,结合谱熵的相关理论,在广义S变换高质量的时频分布上设计了一种新型时频滤波器。采用波形相似系数、均方根误差、信噪比和波形特征作为去噪效果评价标准,通过与其它去噪方法在仿真信号和现场实测信号的去噪结果对比分析,验证了本文所提方法在金属氧化物避雷器泄漏电流信号去噪中的优越性和稳定性,可为金属氧化物避雷器运行状况评估提供有效的借鉴和技术支持。     

中重冰区输电线路防雷措施及分区防雷研究

输电线路覆冰是一种分布广泛的自然现象.对于分布在中重冰区的输电线路,避雷线经常处于严重覆冰状态,弧垂增大以及不均匀脱冰等现象时有发生,进而引发避雷线断线、输电线路对避雷线放电等严重故障,对中重冰区输电线路覆冰避雷线的研究势在必行.本文使用电磁暂态仿真软件EMTP-ATP对220 kV输电线路进行了仿真建模,实现中重冰区输电线路线路的防护策略研究.建立了输电线路的雷击暂态模型,对输电线路的雷击跳闸率进行计算,结合EMTP仿真模型及跳闸率计算方法,探讨了不同杆塔型号在有无避雷线两种情况下的雷击跳闸率,进行数据分析,最后,提出了中重冰区的分区防护策略并进行仿真分析.结果表明,全线取消避雷线会导致输电线路的雷击跳闸率增大10至20倍.采用分区防护策略,取消高海拔位置的杆塔两端避雷线的措施完全可行,在单端无避雷线杆塔及两端无避雷线杆塔加装线路避雷器能最大化降低雷击跳闸率,避免因避雷线覆冰造成的故障.当在杆塔上、下两相安装避雷器或者三相全安装避雷器两种方式可以更好地实现雷电防护.