基于经验模态分解的配电网故障定位方法

为了提高含分布式电源配电网的故障定位准确度,提出一种基于经验模态分解的配电网故障定位方法。首先应用经验模态分解故障零序电流,选用第3个本征模态函数分量;然后对第3个本征模态函数分量进行一阶差分,得到配电网故障定位特征;最后采用支持向量机对故障进行分类,并通过仿真实验测试算法的性能。仿真结果表明,本文可以快速、准确地对故障区间进行定位,而且故障定位正确率高于其他配电网故障定位方法。     

基于C型行波与SVM的配电线路故障定位

在进一步研究C型行波故障定位方法的基础上,通过对现有配电网故障定位方法的分析,针对我国配电线路分支较多,故障信号难以捕捉的特点,提出了基于C型行波与支持向量机SVM(support vector machine)的配电线路综合故障定位的方法。该方法不仅融合了C型行波在故障测距中的优势与支持向量机在模式识别方面的功能,而且采用小波降噪技术对故障信号加以处理,通过优化SVM参数,并与BP人工神经网络法进行对比得出:SVM分类法能够准确判断故障区段。经过EMTP与Matlab仿真实验表明:C型行波与支持向量机相互结合的方法能够准确地对带有多分支的配电网进行单相接地故障的定位。     

基于LMD的配电线路故障识别

鉴于准确判别故障类型是解决配电线路故障的重要环节,考虑到现有局部均值分解(LMD)法在检测故障信号时存在的不足,提出一种基于分段三次埃尔米特插值(PCHI)的局部均值分解(PCHI-LMD)法。对比分析基于PCHI-LMD分解后的三相及零序电流相对能量系数大小,进而识别故障类型。在相对能量系数作为特征量的基础上,结合支持向量机(VSM)对故障类型分类。以配电网单相接地、两相接地、两相短路、三相短路10种故障类型为例进行仿真验证,算例结果证明了该算法的有效性。     

改进多分类支持向量机的配电网故障识别方法

准确识别故障是配电网故障定位与治理研究的实现前提。提出以故障分量均方根及欧氏距离为特征量,结合改进多分类支持向量机(SVM)的配电网短路故障识别方法。首先,对馈线三相电流及母线零序电压故障后一周波的故障分量进行小波分解,并重构第2层的近似分量;其次,求取重构信号的均方根及欧氏距离作为特征向量;最终输入至改进多分类支持向量机完成配电网故障类型识别。10kV典型配电网软件仿真模型的与配电网物理仿真实验系统测试结果表明,所提出方法不但可高准确率地识别典型中压配电网常见故障,且能适应于中性点运行方式调整、分布式电源并网后等情况,验证了方法的准确性与适应性。     

基于LCD-Hilbert谱奇异值和多级支持向量机的配电网故障识别方法

准确识别故障类型是配电网故障处理的首要任务。提出了一种基于时频矩阵奇异值分解(SVD)和多级支持向量机(SVM)的配电网故障识别方法。利用局部特征尺度分解法(LCD)、Hilbert变换以及带通滤波算法,构造配电网母线电压、主变低压侧进线电流等波形的时频矩阵,对其进行奇异值分解以获取波形奇异谱,提取相应奇异谱的分布参数(如反映奇异值大小的奇异谱均值、反映信号复杂程度的奇异熵等)作为特征向量。将特征向量输入基于多级SVM的分类器以实现故障识别。各类典型工况下的仿真和实验结果表明该识别方法的正确率均90%,可实现对各类不同故障的有效辨识,且具有很强的适应性和实用性。     

基于LOF和SVM的智能配电网故障辨识方法

针对现有智能配电网保护方法存在保护装置整定复杂、协调性差以及易误动等问题,提出一种基于局部异常因子(LOF)检测的配电网保护算法,并对配电网在故障定位后不能进行有效的故障类型辨识这一问题,提出LOF和支持向量机(SVM)相结合的智能配电网故障类型判别方法。根据各节点LOF值的大小实现智能配电网的故障检测与定位;然后对故障处的三相电压进行小波变换,以三相电压的小波奇异熵值建立故障特征样本库,利用反映接地故障信息的零序电压低频能量对故障进行预分类,并以此为基础建立SVM故障类型判别预测模型。该算法可对智能配电网的故障进行有效的检测与定位,并能对故障区域的不同故障类型进行合理分类。     

基于高阶谱与支持向量机的电力电子电路故障诊断技术

针对现有电力电子电路故障诊断方法存在的不足，研究了采用高阶谱分析和支持向量机(support vector machine，简称SVM)的电力电子电路故障诊断和定位方法。首先利用高阶谱中的双谱技术分析、处理和提取电路状态的故障信息特征；然后设计和采用多类层次支持向量机分类器作为故障模式的训练和识别器，其中，分类器的结构利用模糊C-均值算法(fuzzy C-means，简称FCM)进行了优化；最后采用一个实际的Buck功率电路进行了建模、仿真和验证。结果表明，采用该方法对电力电子电路故障的诊断和定位率可达99%以上，达到了较为理想的诊断精度。     

配电网故障定位的改进差分进化算法

为实现快速、准确的定位配电网故障区段,通过设定辅助搜索空间,将连续域上的搜索转换为离散域上的同步搜索,采用实型向量与二进制向量混合编码策略,将差分进化算法(DE)运用于配电网故障定位.通过混合自适应缩放比例因子加强算法参数的自适应性,使算法具有良好的收敛速度.对配电网单点故障以及多点故障仿真表明,该方法性能不随参数初值...     

基于多特征融合与优化支持向量机的小电流接地故障区段定位方法

针对配电网小电流接地系统单相接地故障频发及发生高阻接地时故障特征信号微弱等问题，提出一种基于多特征融合与优化支持向量机的小电流接地故障区段定位新方法。首先，结合单相接地故障时主谐振分量能量最大原理确定变分模态分解的最优分解层数，分解故障线路上各区段的零序电流得到平稳的本征模态分量；其次，挖掘暂态信息中能充分体现故障检测点差异性的5种特征量，即衰减直流分量衰减速度、暂态主频分量峰值与稳态工频分量幅值比、暂态主频分量与衰减直流分量能量比、相邻检测点故障零序电流波形差异系数、相邻检测点暂态主频分量极性比，构造多维度特征向量，输入到经改进鲸鱼算法优化的支持向量机分类模型中训练测试。仿真结果表明，本文定位模型能够准确判别故障区段。     

基于小波包能量熵与SVM的模拟电路故障诊断

提出1种小波包能量熵与支持向量机结合的模拟电路故障诊断新方法。首先对待测电路的输出电压信号进行多层小波包分解,然后对分解信号进行单支重构,并对重构系数求取小波包能量熵,形成故障诊断的特征向量。将特征向量输入支持向量机,通过选取恰当的核函数与多分类方法,对支持向量机进行训练,建立故障模式分类器,并在不同故障模式下对样本数据进行测试。仿真结果表明该方法能达到较高的诊断正确率。     

基于改进LMD和能量相对熵的主动配电网故障定位方法

针对配电网发生单相接地故障且分布式电源（distributed generations, DGs）大量接入后,配电网结构和运行方式复杂多变、故障后电气量不明显、故障特征弱等特点,提出一种基于改进局部均值分解（improved local mean decomposition, ILMD）和能量相对熵的主动配电网故障定位方法。首先,利用镜像延拓将信号在两端延拓,消除LMD存在的端点效应,同时,在信号中加入自适应噪声,克服LMD存在的模态混叠问题,对各区段暂态零序电流进行ILMD分解;然后对分解后所有乘积函数（product function, PF）的能量相对熵进行计算,所有PF分量的相对能量熵之和即为区段间的相对能量熵,通过所设置的定位判据,对故障区段进行判断。仿真结果表明,所提算法在10 kV小电流接地系统和改进的IEEE33节点系统中,在不同的仿真条件下故障定位结果准确率高,验证了所提方法的准确性。     

基于SVM 的有源配电网故障定位及判别分析

分布式电源的应用使得有源配电网普及,但有源配电网故障特征具有明显特点,传统故障判别定位方法不 再适用,因此如何准确快速判别并定位有源配电网故障,尽量降低故障损失,成为研究热点问题.对此,提出以有源 配电网故障电压为特征量,基于支持向量机(SupportVectorMachine,SVM) 进行故障判别及定位的方法.基于距 离可分性判据,选取最优故障特征.基于实时故障特征数据与历史故障特征数据的SVM 相关性,分类判别配电网运 行状态、故障类型并定位故障.     

基于IAFSA-SVM的岸电箱断路器故障诊断

断路器的故障诊断对岸电系统的稳定运行有重要意义。针对人工鱼群算法和其他智能算法在优化支持向量机参数时,存在易陷入局部最优、泛化能力差等问题,通过自适应调整步长和引入全局随机行为,提出基于改进人工鱼群算法优化支持向量机参数的故障诊断模型。将断路器合闸线圈电流信号中的时间和电流信号作为特征量,采用改进人工鱼群算法对支持向量机的参数寻优,以提升支持向量机的故障分类性能。仿真结果显示,该算法在样本数量小的情况下仍具有良好的分类性能,能够准确对断路器进行故障分类。     

基于深度学习的发电机故障挖掘方法研究

发电机工作环境复杂,发电机的涡轮叶片在燃烧的气体作用下高速转动,电机本身容易产生故障。通过对发电机故障特征数据的挖掘,可实现故障诊断。传统方法采用支持向量机SVM故障挖掘和分类算法,解决发电机故障检测的稳定性问题,但随着故障特征的增加,故障特征相似性增强,挖掘性能下降。提出一种基于深度学习支持向量机的发电机故障挖掘算法。对发电机故障挖掘原理进行描述,构建故障数据挖掘模型,采用深度学习支持向量机对故障特征进行数据分类处理,解决发电机故障数据的相似性干扰问题,提高了故障数据挖掘和分类性能,仿真实验表明,采用该算法进行发电机故障挖掘,通过深度学习,对故障数据的特征分类性能较好,提高故障诊断能力。     

暂态零序电荷-电压特征与支持向量机结合的谐振接地系统故障选线研究

提出了一种暂态零序电荷-零序电压(Q-U)特征与支持向量机(SVM)相结合的配电网谐振接地系统故障选线方法。为解决配电网故障选线不可靠的问题,从配电网暂态故障特征出发,研究单相接地故障后馈线暂态零序电荷与零序电压的故障特征关系。并以各条馈线零序电荷与电压相关系数作为选线特征输入量,通过结合支持小样本分类的支持向量机分类算法,建立了一套基于暂态零序Q-U特征的配电网故障选线流程。在PSCAD/EMTDC仿真软件下建立35 kV的谐振接地系统模型,大量仿真结果表明该方法不受故障距离,故障时刻的影响,特别在高阻,电弧等工况下仍然能够实现正确故障选线。     

一种基于M-ary支持向量机的功率变换器故障分类方法

针对功率变换器开关管的故障诊断和定位问题,提出了一种基于遗传算法优化的M-ary支持向量机故障分类方法。该方法以类内类间距离为判据,通过遗传算法来确定与故障本身有关的较优故障编码,然后建立优化后的M-ary支持向量机模型来对功率变换器进行故障诊断和定位。仿真和物理实验结果表明,基于遗传算法优化后的M-ary支持向量机与标准M-ary支持向量机相比,具有更高的诊断精度;与常用的一对一支持向量机和一对多支持向量机相比,需要的子分类器数目少,诊断速度快。     

模块化多电平换流器的子模块开路故障检测方法

针对模块化多电平换流器(modular multi-level converter,MMC)子模块开路故障特点,提出一种基于无监督学习-最小二乘互信息谱聚类和整体最小二乘支持向量机(total least square support vector machines,TLS-SVM)的故障诊断方法,前者用于故障特征信息提取,后者用于故障分类识别。在MATLAB/Simulink环境下,搭建可进行故障设置的201电平MMC仿真系统。对采集到的换流器正常和故障运行时的三相电流信号通过滤波去噪处理后,进行Hilbert包络分解得到包络均值,使用最小二乘互信息谱聚类对包络均值进行二分类并获得标签集,然后将标签集和数据集作为基于整体最小二乘支持向量机的训练集并获得分类模型,最后对MMC故障进行分类和识别。仿真实验结果表明,该方法能有效识别高电平MMC的开路故障,并能实现智能决策。     

基于信号频谱特性的配电网故障行波检测方法

针对配电网干扰情况下微弱故障信号特征不明显导致行波采集设备难以有效检测故障行波信号的问题,提出一种基于信号频谱特性的配电网故障行波检测方法。首先,通过分析配电网故障行波的传输特征与频率特性,建立基于波形增量比值的启动判据,对设备采样数据进行预处理,减少行波定位装置的误启动。然后,引入鲁棒性局部均值分解(robust local mean decomposition, RLMD)方法处理采样数据,滤除采样过程中的干扰信号,减少噪声信号的影响。最后,根据行波低频含量衰减较小而高频含量衰减快的性质,建立故障行波辨识判据,辨识配电网故障行波信号。仿真表明,所提方法能够有效检测微弱故障时的行波信号。     

基于LMD和SVM的高压断路器弹簧操动机构状态异常检测方法研究

弹簧操作机构为高压断路器正常分合闸提供能量,其可靠性直接关系着断路器的正常工作,因此对断路器弹簧操动机构进行状态检测有着重要的意义。文中通过IEPE压电式振动传感器采集弹簧存储与瞬间释放过程中伴随断路器本体发生强烈振动信号,采用基于局部均值分解(LMD)的能量特征提取算法结合支持向量机(SVM)理论的方法实现弹簧操作机构状态检测。将采集到的断路器操动时的振动信号进行局部均值分解,得到一系列乘积函数(product function,PF)分量,求出包含主要弹簧异常信息的各个PF分量的归一化能量,将其作为特征向量,输入支持向量机,采用网格参数寻优法对SVM参数进行优化,建立高压断路器弹簧操作机构状态异常检测模型。实验结果表明,该方法的辨识精确度高达97.5%,能够有效识别断路器操动机构弹簧能量状态异常引起的故障类型。     

基于多分类支持向量机的分布式发电系统并网保护

在配电网出现孤岛、故障等异常情况时,并网保护需要及时断开分布式电源系统与主电网的连接。文中首先分析了并网保护的功能与特点,然后提出了一种基于多分类支持向量机的智能型并网保护方案。该保护方案在传统二分类支持向量机的基础上,建立了并网保护的概率型多分类器模型,实现对扰动、孤岛和故障事件的检测。为了提高模型的泛化能力,采用SVM-RFE方法对特征进行选择。最后,从保护的可信赖性与安全性两个方面,利用仿真对所提智能型并网保护与常规保护的性能进行了对比。