用小波理论区分变压器的励磁涌流和短路电流的新原理

提出了一种基于小波理论的区分励磁涌流和短路电流的新原理。利用小波理论进行涌流特征提取,通过小波变换的模局部极大值的特性提取励磁涌流的间断角特征,在此基础上定性地区分励磁流和短路电流。     

小波变换在变压器励磁涌流识别中的应用

提出了一种基于滤波和小波理论的区分励磁涌流和短路电流的新方法 ,通过滤波后的小波变换的模极大值提取涌流和短路电流的突变点特征 ,从而清楚地区分涌流和短路电流 ,通过计算机仿真证明了该方法的有效性     

基于小波分析的变压器励磁涌流识别

提出了识别励磁涌流和故障电流的方法,并进行了仿真分析.     

基于小波分析的变压器励磁涌流识别

励磁涌流和内部短路电流状态的识别是变压器差动保护中的一个重要问题,通过比较励磁涌流和短路电流在物理特性上的区别,提出运用小波变换提取励磁涌流的间断角奇异性特征,实现变压器励磁涌流和短路电流的识别。仿真结果表明,该方法能够有效地提取励磁涌流的畸变特征,提高了变压器微机差动保护的准确性。     

基于小波理论的变压器励磁涌流和短路电流的判定

本文提出了一种基于小波理论的区分励磁涌流和短路电流的新原理。利用小波理论进行涌流特征提取，通过小波变换的模局部极大值的特性提取励磁涌流的间断角特征，在此基础上定性地区分励磁涌流和短路电流。     

基于小波神经网络的变压器励磁涌流和内部故障电流识别

小波神经网络 (WaveletNeuralNetwork)结合了小波变换及神经网络的优点 ,即具有良好的时频局部性质 ,又有较好的自学习能力和容错能力。针对变压器励磁涌流与内部故障电流的识别问题 ,提出了一种基于小波神经网络的解决方案 ,阐述了基本的思想方法和具体的算法过程 ,EMTP仿真实验表明了该方案的有效性与可行性。     

基于小波包变换的变压器励磁涌流识别新方法

提出了一种基于小波包变换的识别变压器励磁涌流的新算法。该算法能正确地区分带长线和不带长线励磁涌流与变压器的各种典型内部故障,同时不会将外部故障误判为内部故障。试验结果表明：所设计的小波包算法能保证励磁涌流的正确识别,且具有实时实现的可能。     

基于小波神经网络的变压器励磁涌流和内部故障电流识别

小波神经网络(Wavelet Neural Network)结合了小波变换及神经网络的优点,即具有良好的时频局部性质,又有较好的自学习能力和容错能力.针对变压器励磁涌流与内部故障电流的识别问题,提出了一种基于小波神经网络的解决方案,阐述了基本的思想方法和具体的算法过程,EMTP仿真实验表明了该方案的有效性与可行性.     

基于小波包和LS-SVM的变压器励磁涌流与短路电流识别方法

基于小波包分解和最小二乘-支持向量机（LS-SVM）,提出了变压器短路电流和励磁涌流识别的新方法。通过将电流信号进行小波包分解,计算出分解后各频段信号的能量,组成能量特征向量,并考虑作为最小二乘一支持向量机分类器的输入参数,来实现短路电流和励磁涌流的识别。仿真结果表明,该方法识别准确率高,受噪声的影响小。     

识别变压器励磁涌流和内部短路电流的小波能量谱图解法

基于小波多分辨率分析理论,提出了一种以能量变化率的比值作为判据,区分变压器励磁涌流和内部短路电流的新方法—小波能量谱图解法。它从信号的小波能量谱图中提取特征量,作为模式识别的依据来鉴别励磁涌流和内部短路电流。仿真计算表明该方法简单有效,具有一定的应用前景。     

An Auto-correlation Function Based Technique for Discrimination of Internal Fault and Magnetizing Inrush Current in Power Transformers

Abstract—This article presents an efficient method for discriminating magnetizing inrush and internal fault currents in three-phase transformers based on the auto-correlation function. For each phase, the auto-correlation function of the differential current is calculated for a specified range of lags. Their standard deviation is determined in the next step. Criterion function is simply defined as the difference between the maximum and minimum of the auto-correlation function lags standard deviations for the three phases. Performance of the proposed method is evaluated and compared with eight well-known methods by a large number of simulation and experimental data, covering different cases. The results confirm that the proposed technique is more efficient than the other methods from speed response, reliability, and accuracy points of view. To eliminate the current transformer saturation impact on the performance of the method, the currents are compensated by a current transformer saturation correction algorithm. Also, the proposed algorithm is evaluated in the case of a transformer that is fed through a feeder with series capacitors.     

小波算法在电力变压器励磁涌流与内部故障电流的鉴别中的应用

通过小波变换理论的研究,小波变换对于电力变压器励磁涌流和内部故障电流的鉴别非常有效。使用仿真软件Matlab中的Simulink模块仿真出电力变压器的励磁涌流和内部故障电流,并通过Mallat分解算法分别进行小波变换。实验表明,这两种电流的小波变换结果的细节部分有很大的不同的特征,可以使用在变压器继电保护中。     

基于小波算法的变压器涌流和内部故障电流识别

小波变换可将信号同时从时域和频域两个方面加以分解,对分析变压器励磁涌流和内部故障电流非常有效.在PSCAD/EMTDC软件中通过对变压器励磁涌流和内部接地故障进行仿真,并对变压器两侧的电流差分信号进行了小波变换.结果表明,两类信号在细节部分有明显的不同特征,可作为判别的依据.     

基于小波分析的变压器励磁涌流和内部故障电流识别

探讨了一种基于离散小波变换(DWT)及其多分辨率分析(MRA)的识别励磁涌流和内部故障电流并利用小波熵作为判据的方法。在MATLAB中通过对变压器空载合闸和匝间短路进行仿真,并利用该方法对不平衡电流进行了分析。结果表明,该方法能够可靠、快速地识别出励磁涌流和内部故障电流。     

变压器衰减励磁涌流的实用计算方法

分析了变压器励磁涌流的衰减机理,根据变压器等效电路,推导出衰减励磁涌流的递归计算方法。通过曲线拟合的方法,提出了涌流幅值和间断角随时间变化的实用计算公式,为变压器差动保护和后备保护的原理研究、整定计算提供了分析计算的工具。     

基于二进小波变换的变压器励磁涌流识别

分析了标准正弦波、励磁涌流及短路电流小波变换后的波形特点,并归纳出了识别变压器励磁涌流的判据.     

识别变压器励磁涌流的1/4周波面积比较法

为识别变压器励磁涌流和内部故障电流,提出了利用波形特征识别变压器励磁涌流的1/4周波面积比较法。该算法以工频一周波为数据窗长,将数据窗内的差流波形按时间均分为4份,根据各份面积之间的比值来识别励磁涌流和内部故障电流。该算法既能识别出单向涌流,又能识别出对称涌流,算法稳定性好,高次谐波分量对其影响也较小。该识别法与二次谐波制动原理相比,不会出现某些内部故障情况下由于二次谐波大可能造成差动保护延时动作的问题。大量的软件仿真和动模实验证明了该方法的可靠性和可实施性。     

电力变压器励磁涌流与内部短路电流识别原理研究

在电力变压器差动保护中,励磁涌流与内部故障电流的判别一直是一个关键问题,文中针对目前国内外学者提出的励磁涌流识别原理和方法、技术关键及研究和应用现状进行了分析和与客观评价。并对目前现场采用的方法和一些现代智能理论鉴别中的应用进行了比较,提出了变压器励磁涌流在鉴别方法的研究和应用动向。     

基于小波变换和概率神经网络的励磁涌流识别

针对变压器的励磁涌流问题,提出了一种基于小波变换和概率神经网络的新的变压器差动保护方案,用以实现励磁涌流与其它内部短路电流诸如单相短路、两相接地短路、三相接地短路、匝间短路的鉴别。利用小波变换进行信号分解,提取各尺度高频部分的能量,作为神经网络的输入特征向量,概率神经网络是为了进行模式识别。利用Matlab/Simulink平台上的仿真建模,获取励磁涌流和内部故障电流的数据。大量仿真结果显示,该方案可以有效地识别励磁涌流。