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.     

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.     

基于二进小波变换的变压器励磁涌流识别

如何区分变压器励磁涌流和短路电流是众多学者研究的热点问题之一。在二进小波变换模极大理论基础上,详尽的分析了标准正弦波、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。采用实际变压器励磁涌流数据进行的分析和基于DSP保护装置的程序实验表明该判据是有效的,具有一定的实际价值。     

基于小波-DHNN识别变压器励磁涌流

变压器主要采用纵联差动保护,如何防止因涌流造成的误动已成为关键性问题。对于该问题,提出一种基于小波-DHNN识别励磁涌流的新的研究方案。利用小波变换对采样信号进行分析,得出励磁涌流的小波系数较内部故障电流有非常明显的差异,并且畸变特点伴随整个衰减过程。分析后的信号通过离散型Hopfield网络测试与识别,从而区分励磁涌流和内部故障电流。通过PSCAD和MATLAB仿真软件进行建模仿真,结果表明,该方法能可靠的识别励磁涌流和内部故障电流,并且准确率高达100%。     

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     

基于小波变换的变压器励磁涌流检测判别方法

常规的基于间断角原理的变压器励磁涌流鉴别方法需要精确测量间断角,为了保证不误判励磁涌流,需要比较高的采样频率,对硬件的要求比较高,本文提出了一种基于小波变换的励磁涌流鉴别方法,励磁涌流和内部故障电流的小波变换在波形的模极大值上有明显的区别,可直接利用波形特点进行判断,不需进行精确的间断角测量,可以尽可能的以较少采样点满足鉴别励磁涌流和内部故障电流的需要,对实现算法的硬件要求有明显降低,可以避免由于间断角测量误差而引起的保护误判。     

基于小波变换的励磁涌流识别方法研究

当前的励磁涌流识别方法误差偏大,难以区分电力故障类别.为此,提出基于小波变换的励磁涌流识别方法.引入小波变换方法,结合塔式算法,完成电力离散信号的分解.通过小波重构滤波器,重构电力离散分解信号.针对励磁涌流识别中故障类别判断难的问题,利用小波能量谱图解法来区分电力系统变压器励磁涌流故障和内部短路电流,完成励磁涌流识别的优化.实验结果表明,研究方法的励磁涌流识别结果与真实情况一致,具有较好的识别准确率。     

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。     

小波变换识别变压器励磁涌流和故障电流的新方法

利用小波变换对变压器两侧的电流信号进行分解,得到突变点的故障跳乘积符号,从而准确地区分励磁涌流和故障电流。利用实时数字仿真器(RTDS)对不同内部故障类型和励磁涌流进行了仿真,算法不受最严重故障(带故障空载投入)以及严重CT饱和情况的影响。     

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.     

小波变换在励磁涌流和短路电流识别中的应用

为了识别励磁涌流电流和内部故障电流,根据小波变换后励磁涌流在高频率段处呈现出明显的奇异性的特点,利用小波变换对变压器的励磁涌流模型和内部故障模型进行仿真分析,确定了基于一尺度下奇异值的小波判据,比较其高频段上能量的变化情况来识别励磁涌流和内部故障电流。结果表明,此方法可以对励磁涌流和内部故障电流进行良好识别。     

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。     

基于小波理论和多分辨分析的变压器励磁涌流识别方法

提出一种基于小波变换和多分辨分析识别变压器励磁涌流和内部故障电流的新方法。根据故障初始阶段励磁涌流的高频分量随时间推移逐渐变大而故障电流高频分量逐渐变小的特点,首先用Daub-4小波对励磁涌流和故障电流进行分解,得到第1层小波系数的2个初始峰值点,然后通过引入可靠性系数来识别励磁涌流和故障电流。动模试验结果表明,该方法能够可靠快速地识别励磁涌流和故障电流,且不需要考虑保护的整定值,实现方便。     

基于小波变换的变压器励磁涌流鉴别的新方法

为正确鉴别变压器励磁涌流和匝间短路电流以防止变压器保护装置的误动作,提出了一种基于小波变换鉴别励磁涌流和匝间短路电流的新方法。该法利用小波分析能准确捕捉信号突变的特征,选用B样条小波对Matlab仿真产生的样本数据进行分析,通过分解后的局部模极大值处对应的小波系数求得表征信号奇异度大小的李氏指数值,用此值的大小作为识别量来区分励磁涌流和短路电流。分析表明励磁涌流的李氏指数值较小,而短路电流的李氏指数值较大,通过对不同参数的变压器及其不同类型故障的仿真,找出了其定量参考值。结果表明该方法可在采得一个周期数据后实现正确鉴别。     

基于小波能量的变压器励磁涌流识别方法

提出了一种基于小波能量变化实现励磁涌流判别的新方法。由于励磁涌流和内部故障电流产生的机理不同,因此其能量分布是不同的。小波变换能够准确捕捉暂态信号的特征,且小波能量能够反映信号能量在时域的分布情况。采用db4作为母小波对电力系统仿真所产生的大量实验数据进行了小波变换,通过提取小波变换后的d4（第四层细节部分）并计算其能量变化情况,制定了合理的判据。实验结果表明,该方法能够准确、迅速地识别出变压器励磁涌流状态。     

基于小波变换的变压器差动保护算法

通过对典型励磁涌流和常见变压器内部故障的电流波形进行分析,总结归纳出一种基于小波变换的差动保护算法.