基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术,提出了一种小电流接地系统单相接地故障选线方法.该方法对故障发生后的零序电流信号进行小波变换,通过LMS自适应滤波器对小波系数进行滤波去噪,利用去噪后的信息进行选线.该方法能有效地从被噪声干扰的信号中得到有用的信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断.应用现场故障录波数据对该方法进行了验证,结果表明该方法能够满足实用要求.     

基于暂态行波的小电流接地系统故障定位

小电流接地系统发生接地故障时,故障电流的稳态分量较小,导致许多基于稳态分析的接地选线装置效果不佳,故障定位不准确.分析了小电流接地系统单相接地时故障线路与非故障线路的零序电流特征,介绍了小波变换、信号奇异性检测及行波测距原理,提出了利用小波变换提取暂态分量作为依据的故障选线方法,该方法对接地故障的暂态分量进行小波变换,通过比较变换后零序电流模极大值的大小和极性判别出故障线路,进而实现行波测距故障定位.MATLAB仿真结果表明,该方法能够准确、可靠地实现故障定位.     

基于人工免疫算法的小电流接地故障选线

小电流接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、五次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高,因此提出了基于人工免疫算法的小电流接地故障选线方法.利用小波包变换和FFT算法提取零序电流的暂态、五次谐波和有功分量故障特征作为免疫系统的抗原,利用训练样本对该免疫系统训练后得到记忆集,利用抗原和记忆集的亲合度实现故障选线.ATP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于小波-神经网络的小电流接地选线的研究

研究了小波分析理论和人工神经网络技术在小电流接地系统单相接地故障选线中的应用。介绍了小波变换的奇异性检测理论和模极大值理论，神经网络的结构和改进算法，以及两者结合的选线方案。通过小波变换提取故障时各支路出线零序电流信号中的故障特征．作为神经网络的输入向量。建立典型的三层BP网络模型，从小电流接地系统动态仿真模型中采集大量样本训练网络，并针对不同故障模式进行测试。仿真实验的结果表明该方法能够准确、可靠地实现故障选线。     

小电流接地电网的一种故障选线方法

我国中压配电网的中性点接地方式多采用小电流接地。此类电网的单相接地故障,特别是经消弧线圈补偿后的单相接地故障,因故障点稳态特征信号相对微弱,造成了故障选线困难。为解决该难题,提出了基于小波理论、利用故障暂态信号进行选线的方法,即:首先对电网暂态信号进行小波变换,采用小波奇异性检测原理确定故障发生的时刻,然后提取故障发生前后一个周波内的零序电流数据,由小波变换后的模极大值关系判断故障线路。该方法的有效性在多个现场实例中得到验证。     

基于双树复小波变换的配电网故障选线

在对配电网故障信号进行处理的过程中,为了减少噪声的影响,将应用于心电信号处理的双树复小波变换用于配电网故障选线,并结合暂态小波能量的改进算法,提出了一种小电流接地系统故障选线新方法。首先将各线路暂态零序电流进行双树复小波变换,得到小波分解系数并计算小波能量。根据电压峰值附近故障和过零点附近故障的信号能量谱特征,通过设定阈值分别比较小波高频能量和低频能量。利用Simulink进行大量仿真,结果表明:与传统离散小波变换相比,双树复小波变换去噪更彻底,而且不受故障合闸角、过渡电阻及系统运行方式等因素的影响,可以快速准确选线。     

基于最大模极大值的配电网故障选线的研究

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的方法。该方法能适应配电网中的不同故障模式。选线准确性高。仿真验证了该方法的可行性。     

基于最大模极大值的配电网接地故障选线新思路

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的思想。该方法能适应配电网中的不同故障模式,选线准确性高。仿真验证了该思想的可行性。     

暂态高频分量能量法小电流接地故障选线

对单相接地故障选线原理的研究,多年来取得了很多成果,但是这些故障选线原理还不具备较高的可靠性和准确性。提出一种小电流接地系统故障选线的新方法,该方法用小波变换提取零序电流暂态信息,并依据故障后一定时段内零序电流暂态高频分量的能量进行故障选线。建立小电流接地系统单相接地故障仿真模型,仿真结果表明该方法对中性点不接地或中性点经消弧线圈接地系统均有效。     

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。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时 ,电压电流信号包含了故障的信息 ,文中称包含了故障或暂态信息的电压和电流信号为特征信号 ,利用特征信号可以进行系统分析和故障检测 ,但是特征信号往往被淹没在大量的噪声信号中 ,这样给电力系统分析和检测带来困难。文中分析了电力系统中几种常见的噪声和特征信号的时频特性 ,简单介绍了小波包变换的理论和特点 ,分析了利用小波包变换来消除噪声 ,提取特征信号的理论 ,并通过实例验证了小波包良好的抗噪能力 ,为实现噪声环境下特征信号的提取提供了良好的分析方法 ,为电力系统分析和故障检测提供了良好的工具。     

小波变换在配电网单相接地故障选线中的应用

小波变换克服了傅里叶分析的缺陷，能同时对时频局部化，具有很强的信号特征提取功能，可将其应用到小电流接地电网单相接地故障检测中。对故障后暂态电气量进行分解，利用小波变换系数作为判据实现故障选线，仿真实验表明该方法可以快速准确地检测出故障线路。     

基于信号相位检测的输电线路行波故障测距方法

通过对输电线路短路故障暂态过程中电流行波的相位变化情况进行分析,发现短路故障发生时,电流行波中出现的暂态分量将导致电流行波的相位发生突变。根据这一特征,文章提出将信号相位检测用于故障测距的新方法,该方法与传统测距方法的区别在于确定信号突变点的方式不同。新方法利用小波变换提取信号相位,并通过相位模极大值的计算确定信号突变点。仿真实例证明新方法是可行的,对于幅值变化轻微的信号,采用文章提出的相位检测法对突变点的检测效果更好。由于该方法计算复杂,因此适合作为高阻接地等特殊故障条件下对现有测距方法的补充。     

基于粗糙集理论的配电网故障选线装置研究

为了提高小波包选线方法的选线精度,提出基于粗糙集理论和小波包分析的故障选线方法。该法利用电磁暂态软件ATP-EMTP仿真单相接地得到一组零序电流信号,从中提取故障特征,如最大幅值衰减比、首波头极性和有效值,并将其作为条件属性,信号需增强的比例作为决策属性,从而构成一个信息系统。通过属性约简和规则约简后得到最小规则集,并用该规则集增强低频采样信号。再进行小波包分解实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。试验结果表明该系统选线精度高、运算速度快、抗干扰能力强、运行稳定。     

基于形态小波的输电线路故障电流行波消噪研究

高压输电线路故障产生的电流行波信号含有大量的噪声信号,在行波保护和行波故障测距中需要对其进行预处理,去除噪声并提取真实信号。利用小波变换能敏感地检测到奇异点和形态学滤波器能有效地滤除脉冲噪声且能保留原信号的全局和局部特征的优点,提出了一种基于形态小波的输电线路行波信号消噪新算法。MATLAB仿真结果表明形态小波在滤除脉冲干扰和白噪声方面具有良好的消噪能力。     

基于神经网络的中性点经消弧线圈接地系统故障选线方法

中性点经消弧线圈接地系统的单相接地故障选线问题一直没有得到很好的解决,通常采用的单一故障选线方法如小波变换法、5次谐波电流法和零序电流有功分量法等只能对部分故障信息进行处理,选线可靠性不高.文章通过构造每种选线方法的相对故障测度函数和可确定故障测度函数来确定其故障测度函数,再利用神经网络对每种选线方法的实际故障测度进行智能融合,从而得到可靠性较高的故障选线结果.EMTP仿真结果表明该方法得出的选线结果具有较高的精度和较强的鲁棒性.     

基于滤波预处理的小波故障检测方法

现有的基于信号奇异性分析的故障检测方法不同程度地受到噪声的影响。提出了将电力信号滤除工频周期分量后,通过提取适当尺度上的小波模极大值点检测故障的方法。通过预处理滤除工频周期分量,消除了小波变换在信号峰值处的模极大值,从而避免了对故障的误判。小波变换将预处理信号中的故障分量和噪声分解在不同的尺度空间中,保证了故障特征的提取和算法的抗噪性能,简化了的Mallat信号奇异性检测方法,在降低算法计算量的同时,可保持故障的定位精度。仿真研究表明:故障定位准确,且对噪声不敏感,可推广应用到其他周期信号的分析中。