基于时频特性相似度的新能源场站T接型送出线路高速保护

新能源短路电流呈现幅值受限的非工频特征,导致差动保护的动作性能下降。在分析新能源电源与传统同步发电机故障特性的基础上,提出基于时频特性相似度的新能源场站T接型送出线路高速保护原理。该方法首先利用压缩感知压缩高频率采样信号,传输低频率压缩信号,降低保护通信量。然后利用小波变换提取故障电流的时频特征,利用主成分分析法(principal component analysis, PCA)剔除时频特征的冗余信息,得到时频特征矩阵。最后利用堪培拉距离衡量时频特征矩阵相似度,提出基于时频特性相似度的高速保护原理。所提保护理论上可以在故障5 ms内可靠识别区内外故障,具有较强的耐受故障电阻和系统噪声的能力,并且适用于新能源弱出力的场景。硬件在环实验结果和现场录波数据验证了所提保护的有效性。     

采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法

配电开关振动信号具有非线性非平稳特性,蕴含有机械状态信息。提出一种采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法,对振动信号做希尔伯特-黄变换以进行带通滤波,构造其时频矩阵,对该矩阵进行奇异值分解,可将振动信号的特征信息分解到不同的时频子空间,以得到的时频矩阵奇异值作为振动信号的特征量,用于表征配电开关的机械状态。对配电开关在正常及卸掉A相触头绝缘拉杆、机械结构卡涩、底座螺丝松动等3种典型故障情况下实测振动信号的时频矩阵奇异值做模糊c均值聚类,结果表明该特征量能够准确、有效地表征配电开关的机械状态。     

基于时频矩阵相似度的配电网单相接地故障选线

针对小电流接地系统故障选线,采用Hilbert-Huang变换和Hausdorff距离获得暂态零序电流的时频矩阵相似度作为故障选线判据.首先采用Hilbert-Huang变换建立每条出线的暂态零序电流时频矩阵,再将该时频矩阵经奇异值分解后,采用加权Hausdorff距离算法计算每条出线的暂态零序电流时频矩阵之间的相似度,据此故障特征进行故障线路筛选.采用仿真软件对不同故障条件分别进行仿真,结果表明该方法不受配电网故障初相角、故障点位置和故障点的接地电阻等内外因素的干扰,具有准确性高、对噪声不敏感、数据窗短和对采样频率要求不高等优点.     

基于双端初始电流行波时频矩阵相似度的柔性直流输电线路保护原理

针对目前柔性直流(voltage source converter-based high voltage DC,VSC-HVDC)电网的线路保护中存在的问题,提出一种基于双端初始电流行波(Initial current traveling wave,ICTW)时频矩阵相似度的柔性直流输电线路保护原理。首先,对柔性直流电网在线路区内外故障下两端保护所在处ICTW的故障特性进行分析,总结出在特定时间窗内,区内故障下两端ICTW的频域相似度远高于区外故障。在此基础上,利用S变换对双端ICTW进行时频分析,建立时频矩阵,并对其做奇异值分解(singular value decomposition,SVD)。然后根据特征矩阵构造双端ICTW的相似度计算公式,以该相似度的大小判别线路区内外故障。另外,根据线路两端ICTW的高低频能量比识别雷击干扰。最后,各种故障情况下的仿真结果表明,该保护原理不依赖线路边界元件,可以保护不同长度线路的全长,具有更高的耐过渡电阻和抗噪声能力,并且能够满足柔性直流电网主保护的速动性要求。     

基于暂态行波时频特征的输电线路故障检测与选相方法

基于暂态量的故障时刻检测与故障选相方法速度快、灵敏度高,符合发展超高速保护的要求.输电线路故障产生的暂态行波信号在时域上和频域上都包含了丰富的故障信息,首先利用小波的多分辨率分析对三相暂态电流行波进行分解并将其重构至不同频段;然后在一时频窗内定义信号的时频特征向量以充分反映信号的时频特征,并利用相关系数来刻画信号的时频特征及其变化规律,以此提出基于暂态行波时频特征的输电线路故障检测与故障选相方法.该方法的可靠性及适应性由基于 PSCAD/EMTDC 的仿真试验验证.仿真试验结果表明,基于时频特征的故障检测精度高,故障选相结果准确,且不受故障距离、故障时间、过渡电阻的影响,同时所需故障数据窗短,对实现超高速保护有积极的借鉴意义     

基于波形相关性分析的输电线路暂态保护方法

针对现有暂态保护方法可靠性不高的现状,提出了一种基于波形相关性分析的暂态保护新方法。该方法根据故障产生的宽频带暂态信号的波形特征实现输电线路故障暂态保护。当输电线路发生故障后,采集故障暂态波形并提取幅值、相位等波形特征;利用波形相关性方法,将暂态信号波形与样本数据库中的波形进行相关性分析,计算波形相关系数;根据波形相关系数来判别区内外故障,实现线路故障快速保护。仿真分析结果表明,该保护方法综合利用宽广频带暂态信号的时域特征与频域特征,可消除单一使用暂态信号时域或频域的局部故障特征信息导致的缺陷,有望显著提高暂态保护的可靠性。     

基于行波波形综合相似度比较的电缆故障选线

针对现有小电流接地故障行波选线方法高度依赖行波初始波头的不足,通过分析三芯电缆故障行波折、反射过程,提出了基于行波电流波形综合相似度比较的小电流接地系统电缆故障选线方法.该方法首先利用S变换提取电缆故障产生的金属护层接地线行波电流时频信息,然后构造行波电流信号的时频能量矩阵和波形相似度矩阵,进而根据波形相似度矩阵计算每...     

基于连续小波变换的变压器绕组变形故障类型检测

利用脉冲频率响应法在线检测电力变压器绕组变形故障时,传统的频率响应曲线并不能刻画暂态信号的时域特性,且快速Fourier变换的局限性可能造成有用信息的缺失。为了克服以上缺陷,提出利用连续小波变换处理脉冲在线注入获得的暂态信号,绘制检测信号小波时频图,以矩阵相似度作为故障评判的量化指标。首先从理论推导入手,构建了单绕组仿真模型,开展了各种故障类型仿真分析;其次,进行了故障绕组试验,分析了信号时频特性,另外,采用矩阵相似度量化评判健康与故障绕组检测信号的关联程度。结果表明:仿真不同故障类型对应的小波时频图与健康绕组的时频图差异明显,且时频图在各频段差异表现出和频率响应相似的规律;与健康绕组相比,试验故障绕组的小波时频图在0.6 MHz以上高频段出现较大偏差,表现出绕组电容性故障应有的特性,而在0~0.6 MHz频段,试验绕组小波时频图的矩阵相似度为0.928 0,大于采用快速Fourier变换获得频响曲线的关联系数0.800 3,证实了小波变换的优越性。仿真分析与实验测试的数据处理结果,均初步证实该方法的可行性。     

利用S变换局部奇异值的同调机组识别方法

文中提出一种利用S变换局部奇异值的同调机组识别方法.将广域测量系统(Wide Area MeasurementSystem,WAMS)采集到的系统发电机功角信息进行S变换,得到每台发电机的时频信息模值矩阵,将矩阵分割成块,计算各个子块的最大奇异值,利用时频信息模值矩阵中各个子块最大奇异值构造机组特征矩阵,采用分布聚类法对特征矩阵进行聚类分群.IEEE-39节点系统算例表明,该方法能够有效提取功角信息特征,具有很强的抗噪性,能够在不同故障类型下准确识别同调机组.     

柔性直流系统短路故障网络阻抗建模与时频特性诊断方法研究

针对柔性直流系统直流侧短路故障诊断难题,文章从故障网络精确建模和暂态特征信号分析两个方面展开研究,并提出了阻抗网络暂态响应时频特性关联度的故障诊断方法。该方法通过向柔性直流系统线路入口处注入脉冲电压作为激励,实时提取所产生的暂态电流分量,经不同尺度的Mexican Hat变换得到时频能量序列,并构造反映故障网络暂态响应时频能量谱矩阵。同时,建立柔性直流系统精确模型,模拟不同故障点经不同大小电阻的短路故障,构建完整故障样本及其时频特征库,经相似度计算可选出与实测故障特征最相近的样本,确定故障点位置和估计短路电阻大小。最后,对上述原理方法进行算例分析,并与时域方法比较,结果表明文章所述诊断方法及其判据更为准确有效,相关原理正确可行。     

基于 CWD 及分块 SVD 的配电开关故障诊断方法

通常,配电开关分合闸操作产生的振动信号中蕴含有体现机械状态的重要信息。提出一种基于振动信号分析的新型配电开关故障诊断方法。首先对振动信号求取乔-威廉斯分布获得二维时频矩阵,然后对时频矩阵作分块奇异值分解,用于表征不同机械状态的时频特性,最后结合极限学习机算法对4类实测振动信号的特征向量进行训练和测试。所提方法的优点是有效提取了配电开关振动信号时频域的特征,并且可以在较少样本的情况下训练诊断模型。基于实测数据的实验表明,该方法具有较高的识别精度和较快的收敛速度。     

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法

为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy, TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine, ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。     

基于ST-SVD与WOA-SVM模型的变压器绕组松动故障诊断方法

为了深入研究变压器振动信号包含的大量故障信息,提出了一种基于S变换奇异值分解(ST-SVD)与鲸鱼优化支持向量机(WOA-SVM)模型的变压器绕组松动故障诊断方法。首先,基于变压器故障模拟试验平台采集变压器绕组处于不同状态下的振动信号。其次,对变压器振动信号进行S变换获取其时频矩阵。再次,计算出时频矩阵对应的幅值矩阵进行SVD,并定义特征向量。最后,采用鲸鱼优化算法优化SVM模型参数,并输入特征向量完成故障诊断。试验结果表明,所提方法故障识别准确率高于传统方法模型,适用于变压器绕组松动故障诊断。     

基于暂态波形相关性的配电网故障定位方法

配电网拓扑结构复杂、分支众多,利用单一故障特征的配电网故障定位方法大多存在可靠性差、定位精度低等不足,为此文中提出了一种基于暂态波形相关性的配电网故障定位新方法。配电线路发生故障后实时检测故障暂态波形,利用S变换构造时频矩阵,将其与各分支样本库中的时频矩阵进行相似度计算,并根据相似度的大小判定故障分支;然后根据同一分支不同位置故障时暂态波形的整体波幅差异来确定故障范围,并利用整体波幅偏差与故障位置的比例关系计算得到精确的故障位置。仿真分析表明,在不同的故障条件下,该方法均能可靠、准确地进行故障定位,有望提高配电网故障定位的准确度与可靠性。     

基于广义S变换能量相对熵的小电流接地系统故障区段定位方法

小电流接地系统发生单相接地故障后,系统中产生特征较为丰富的电气暂态量。针对健全区段两端的暂态零序电流相似度高,而故障区段两端暂态零序电流差异较大的特点,提出一种基于暂态零序电流的广义S变换能量相对熵的故障区段定位方法。首先,以暂态零序电流作为故障特征量,根据零序电流突变量确定各检测装置上传数据的起始时刻。然后,对馈线上各装置上传的暂态零序电流进行广义S变换,得到其时频矩阵。最后,利用能量相对熵表征各区段两端信号的差异,通过计算比较,确定熵值最大的区段为故障区段。该区段定位方法适用于不同故障点位置、不同故障角、不同过渡电阻情形下的故障定位,仿真结果验证了所提方法的有效性。     

基于EMD奇异值熵的高压输电线路故障选相新方法

在对暂态电压信号进行经验模态分解(EMD)基础上,结合奇异值分解(SVD)及信息熵理论提出了利用高频暂态分量的奇异值熵实现故障选相。此方法对采集到的故障后电压信号求取EMD奇异值熵,并比较三相间熵值的大小来识别故障类型和判别故障相。基于Matlab环境,对一典型500 kV线路进行故障类型选相的仿真,结果表明该方法不受过渡电阻、故障位置、故障初始角和噪声强度等因素影响,能够快速准确识别各类故障。     

Features-clustering-based earth fault detection using singular-value decomposition and fuzzy c-means in resonant grounding distribution systems

The transient zero-sequence current of each feeder in a resonant grounding system is characterized by nonlinearity and nonstationarity when a single-phase-to-ground fault occurs. Because there is a significant difference between the fault transient zero-sequence current waveforms of the fault feeder and the sound feeders, a new fault feeder detection method is presented, based on a time-frequency matrix (TFM) and polarity distribution matrix (PDM) singular values clustering algorithm. By applying a Hilbert-Huang transform band-pass filter and waveform transformation to the transient zero-sequence current waveform of each feeder, the TFM and PDM can be constructed, which are decomposed by singular-value decomposition (SVD). Moreover, the normalized singular values of the TFM and PDM are merged together and are used to form the amplitude-polarity feature matrix (APFM). Thus, the feature quantities including the amplitude and polarity information of each fault transient zero-sequence current waveform are obtained. Then, fuzzy c-means clustering is applied to the APFM so as to detect the fault feeder by dividing the fault feeder and sound feeders into two categories without a certain threshold setting. Simulations were carried out via PACAD/EMTDC® and a physical system under various kinds of fault conditions and factors including asynchronous sample, two-point-grounding fault, and arc fault. Simulated results show that the proposed method has the characteristics of high accuracy and reliability in earth fault feeder detection.