基于水电机组复合特征提取的RBFNN故障诊断

针对传统快速傅里叶变换（FFT）方法在非稳态信号分析上的局限和水电机组稳定性状态分析及故障诊断中过分依赖单一能量特征的不足，提出了集小波分析、模糊理论和径向基函数神经网络（RBFNN）优点于一体的基于复合特征提取的RBFNN故障诊断方法。首先采用小波分析方法对稳定性状态信号进行多频段分解、降噪，提取相对能量特征;运用模糊理论进行稳定性状态对过程参数变化响应的数值分析和量化，提取关系型征兆;然后将这2种特征组合，形成综合反映机组稳定性状态的复合特征向量;最后利用RBFNN诊断出机组的典型故障类型及其严重程度。工程应用结果表明，该方法能够全面准确地提取水电机组稳定性状态特征，在水电机组故障诊断上具有一定的可行性和有效性。     

小波包能量谱和功率谱分析在水电机组故障诊断中的应用

小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。     

基于改进灰色关联度及尺度-小波能量谱的输电线路故障选相

提出基于改进灰色关联度和尺度-小波能量谱的输电线路故障选相新方法,依据尺度-小波能量谱分析提取暂态故障特征,再由改进灰色关联度分析来确定故障相别.对故障线路三相电流信号进行小波分析,获取各尺度下的小波变换系数,计算尺度-小波能量谱;采用改进的灰色关联度算法对故障信号能谱和参考序列进行关联度分析,根据最大关联度原则确定故...     

基于小波神经网络的水电机组振动故障诊断研究

提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。     

水电机组振动故障的信息融合诊断与仿真研究

引起水电机组振动的原因复杂,目前主要是通过转速试验、负荷试验和励磁试验等试验手段来判别机组的振动故障.该文将多传感器信息融合方法引入水电机组振动故障诊断中,通过分析机组振动的频率特征,建立了振动故障的融合诊断识别框架,并模拟机组各部位的振动信号,采用小波分析和傅立叶变换进行预处理,提取信号的子带能量特征,应用信息融合方法进行了仿真诊断.结果表明,基于信息融合的故障诊断能充分利用机组各部位的信息,可以减少诊断的不确定性,从而有效地提高诊断的可靠性.     

基于现场实录波形的小电流接地故障暂态选线研究

为解决小电流接地系统单相接地故障特征不明显的问题,借助小波理论提出了基于DS证据理论的融合判据。首先确定小波基及小波分解尺度,并构造小波能量矩阵以确定故障特征频带。进而,在此特征频带下提取出三种故障特征:小波能量比、小波重构系数方差及暂态功率方向,并分析对比了三种特征的灵敏性。考虑到各个故障选线特征的检测灵敏性不同,为了提高选线准确率,进一步提出了基于DS证据理论的选线融合判据。最后,对现场实录波形进行分析。分析结果表明,该融合判据能够有机融合三种选线特征,提升选线正确率,具有较好的工程应用价值。     

基于多重分形谱和改进BP神经网络的水电机组振动故障诊断研究

本文建立了小波分析、多重分形谱和改进BP神经网络相结合的水电机组振动故障诊断模型。该模型首先利用小波分解对振动信号波形进行去噪提纯,得到各种故障信号的小波近似系数,应用多重分形谱算法提取出振动故障的特征向量,并将该特征向量作为BP神经网络的输入向量进行分类识别。该模型直接通过振动波形提取信号特征,避免提取其频谱特性,并结合先进的多重分形谱进行诊断识别,为水电机组故障诊断提供了一种新的方法。应用实例表明,该方法能够提高诊断的智能化和人性化,增强了人机交互性,识别结果令人满意。     

一种基于谐波小波的单相接地故障选线方法

为了提高配电网单相接地故障选线方法的精度和鲁棒性,重点分析了谐波小波的表达式及谐波小波变换算法,在这基础上提出了一种基于谐波小波的单相接地故障选线方法。该方法首先在线路出口处并联谐振滤波装置,改变线路出口处的特征阻抗,然后将采样到的故障信号运用谐波小波变换算法完成对暂态电流特征频带内电流成分提取,最后通过比较特征频带内暂态电流能量幅值及能量衰减系数实现故障选线、选相。仿真实验表明该方法选线精度高而可靠,具有较高的工程应用价值。     

基于时间序列组合模型的水电机组状态趋势预测

水电机组状态参量具有小样本、非线性和非平稳性等特点,传统预测理论很难对其实现状态趋势预测,考虑从多角度优化预测算法,建立了基于时间序列的组合预测模型。本研究利用小波变换理论提取信号的细节特征,将机组状态参量分解为非线性的趋势项和平稳性的波动项,分别利用最小二乘支持向量机(LSSVM)理论和自回归(AR)模型进行趋势预测,利用加法原则重构信号实现水电机组状态参量的趋势预测。取某电站振动状态序列进行实例计算,结果表明预测值与实测值基本一致,具有较高的预测精度。研究结果将对水电机组的状态预警起到一定的推动作用。     

基于小波包优选的模拟电路故障特征提取方法

小波包变换在模拟电路故障特征提取中应用极广,但小波包基函数直接影响故障特征提取的性能。该文给出了小波包频带能量熵的定义,并结合频带能量熵方差,提出一种基于频带能量熵的小波包优选方法。为验证方法的有效性,采用不同的小波包基函数进行实验研究,对待测模拟电路应用小波包变换完成故障特征提取,引入支持向量机验证故障特征的可识别程度。实验结果表明,利用优选小波包基提取的故障特征具有更好的区分度,说明了该算法选取小波包基函数的有效性。     

小波变换在变压器局部放电超声检测中的应用

为解决变压器局部放电超声检测中的干扰问题,提出了一种基于小波变换的动态滤波方法,并将其应用在线检测,结果表明,可有效地抑制干扰,提高检测精度。     

小波熵理论及其在电力系统中应用的可行性探讨

电力系统采集的丰富实时数据包含系统模型的复杂性和不确定性,从这些数据中挖掘和融合出一个或系列普适量来检测系统的故障或稳定性至关重要。章分析了小波熵(Wavelet Entropy)在电力系统故障检测与判别中应用的可行性,探讨了基于小波分析理论的小波熵概念,提出了两种小波熵的定义和计算方法,仿真验证了小波熵可以用在输电线路的故障检测中,探讨了小波熵理论在电力系统故障检测与判别、系统故障分类等应用中的前景。     

超高速暂态方向继电器的研究

行波方向保护已研究了多年，但其本质上仍要受故障初始角、反射波等因素的影响。该文提出一种新型的方向保护核心元件——暂态方向继电器，它基于故障发生后一段时间内正向行波分量与反向行波分量间的能量大小关系来识别故障方向。该继电器的实用算法采用了适合暂态信号处理的小波技术，由小波多分辨分析来提取行波分量，并将行波分量的能量表征成小波变换谱能量（WTSE）。大量EMTP仿真试验表明：该继电器能可靠、灵敏、超高速地动作，其性能不受故障初始角、故障类型、故障距离、过渡电阻与电弧、母线接线方式的影响。以该继电器构成的超高速方向保护将具有很强的实用价值。     

电力电缆故障测距综述

文章综述了电力电缆的常见故障类型,对于不同故障,按由简到繁的方式叙述了阻抗法、行波法等离线测距方法以及在线测距的各种理论和方案.分析了各种方法的适用范围及其优缺点,并对各种方法的应用前景作出了初步的评价.     

汽轮发电机转子绕组匝间短路在线检测方法的研究

提出了汽轮发电机转子绕组匝间短路在线检测的一种新方法。这种方法是在探测线圈法的基础上，把小波变换用于突变信号的检测，对定、转子气隙中探测线圈上感应电势信号的故障特征进行提取，以实现对发电机转子绕组匝间短路故障的检测及故障点的定位。实例表明，该方法适用于故障信号的特征提取，适合于发电机转子绕组匝间短路故障的在线检测。     

基于线调频小波变换的电机故障信号谐波检测方法

线调频小波变换统一了短时Fourier变换和小波变换的时频分析，并能根据信号的特点自适应生成新的时频窗口。本文首次将线调频小波变换引进电力系统的突变信号处理中，分析了其消噪和滤除干扰的原理；构造了线调频小波变换的算法。该算法不仅能解决文[9]中提出的消噪和滤除干扰的问题，还能解决文[8，10]中提出关于滤除整数（偶数）次和分数次谐波，并通过对电力系统突变信号处理的实例说明该算法的突出优点。     

基于小波分析法求解阻抗的一种新算法

提出了一种基于小波理论的阻抗计算新方法。此方法利用基函数为方波的小波函数,利用其中任意两次小波分量可以求解出感兴趣的电阻和电抗分量。给出了算法的理论推导和具体计算公式。为了简化分析,研究中采用了单相电路中电气量信号来检验该算法的有效性。在数字仿真计算中考虑了激励中有谐波存在的情况,同样也考虑了信号中含有随机噪声时的算法特性。为了便于对比,在仿真过程中也给出了由全周波富里叶算法计算出的结果。仿真结果表明,所提出的新算法比Ｆｏｕｒｉｅｒ算法有下述优点：１运算量小于全周Ｆｏｕｒｉｅｒ算法;２数据窗可灵活选择为全周波,１／２或１／４周波;３计算精度高于全周Ｆｏｕｒｉｅｒ算法。     

基于小波神经网络的火电单元机组负荷系统建模仿真研究

火电单元机组是一种复杂的多变量对象，常规方法难以建立它的非线性数学模型。该文利用一种多输入多输出的连续小波神经网络对单元机组负荷数学模型建模问题进行了研究。网络隐层采用框架小波函数，输出层采用线性函数，采用BP算法对网络进行训练，并利用自适应的学习速率和动量参数加快网络训练的收敛速度。网络的训练结果和测试结果均表明，小波网络输出值与实际模型输出值之间的误差在允许范围内，小波神经网络可以较好地逼近单元机组负荷数学模型。     

继电保护中的信息技术

文章对继电保护系统在计算机、通信和数字信号处理技术的带动下走向信息化的发展过程进行了介绍,其中特别对小波变换在ＤＳＰ中的应用作了分析。最后,就有关继电保护信息的一些问题,包括信息共享对安全的影响进行了讨论。     

小波变换电力系统工学应用综述

综述了近年来小波理论在电力系统的暂态谐波分析、电能质量评估、奇异点的检测与消噪、数据的压缩与存储、设备的状态检测与故障诊断、继电保护与故障定位，负荷预测以及电力系统暂态分析等方面应用研究的主要成果与方法。以大量图表、流程的形式向电气工程师展现小波在电力系统应用中所具有的优越性、小波分析的主要思路、小波理论如何与传统方法相结合、小波在电力系统中的应用现状及发展前景，并提出若干需要解决的问题。