浅析高压架空输电线路的故障测距方法

高压架空输电线路作为现代电网建设的重要组成部分,其故障测距方法一直受到科研机构的高度重视。现对高压架空输电线路的故障测距方法进行分析,探索基于工频量的故障测距方法、时域测距法、行波测距法和智能测距法的优点和应用中存在的问题,希望能为我国高压架空输电线路的故障测距技术发展提供资料参考。     

故障测距中的参数误差归算修正算法

在输电线路故障测距中,线路参数变化或其他参数误差都会对测距精度有较大的影响。针对基于分布参数模型的双端不同步数据故障测距问题,提出了一种参数误差归算修正算法。该算法将各类参数误差归算为单位长度线路参数的变化,利用故障前电压/电流数据,计算出归算系数,反馈修正系统模型。Matlab仿真表明,该算法能有效地减少各类参数误差的影响,提高了故障测距的抗干扰能力和故障测距精度。     

基于CEEMDAN-TEO的配电网双端行波故障测距研究

针对配电网单相接地故障测距中行波波头检测难以识别等问题,提出了一种将CEEMDAN和TEO相结合的双端行波故障测距法。首先,利用Karenbauer变换对发生故障后的三相电压进行解耦,并利用CEEMDAN对解耦后的线模分量进行分解,提取IMF1分量,再利用TEO进行能量特征提取,获得行波到达线路两端的时刻,最后将其代入双端行波测距法进行故障距离的计算,即可得出故障测距的结果。在Matlab/Simulink中搭建了10 kV配电网模型,仿真结果证明了该方法的有效性和准确性。     

基于我国高压线路故障测距方法的研究

论文就我国高压线路的故障测距方法进行了分析比较,最后确定采用基于双端的行波测距法。由于现用的行波测距法在实际使用中存在一些制约因素,提出了使用小波变换技术及行波测距装置校验仪使问题得以改善。综合经济性、可实现性等因素,行波测距方法具有可靠性强、测距精度高等特点,完全不受故障类型、过渡电阻和系统参数的影响。     

基于神经网络的单相接地自动化研究

针对常规阻抗测距单端算法不能考虑线路分布电容的不足,本文提出了一种考虑分布电容的基于神经网络的单相接地故障测距算法.该算法是利用神经网络对传统故障测距算法的测距结果进行动态补偿,以提高故障测距精度.MATLAB仿真和动模实验结果表明,该算法具有较高的测距精度,可克服过渡电阻和分布电容对测距精度的影响.     

基于改进消失矩复小波的输电线路故障测距

针对输电线路故障测距时所使用实小波变换结果是实数、缺乏相位信息以及频带混叠等缺陷,提出利用改进消失矩的高斯复小波处理故障信号。首先,分析消失矩对小波时频域的影响;然后,从故障信号的奇异性出发,分析辨识奇异性的Lipschitz指数与消失矩的关系,提出消失矩的改进判据;最后,利用高斯复小波对输电线路故障信号进行处理,根据变换结果中的邻幅比和相位畸变率而选取最优消失矩。仿真和实验表明,笔者提出的改进消失矩高斯复小波增强了信号奇异性检测能力,有效地抑制了干扰,使其减少17.84%,并稳定了相位信息,使相位畸变率减小4.12%。同时,改进消失矩复小波测距结果的误差比普通消失矩的高斯复小波的测距结果误差减少6.06%,比实小波测距结果误差减少5.82%。     

基于故障选相的三端测距方案研究

三端线路有其自身结构的特殊性,应用时存在诸多问题。现针对三端线路区外故障CT易饱和、三端采样不同步、故障测距不准确等问题进行了分析,并提出了解决方案。特别是基于故障选相的测距方案,已成功应用于线路保护装置,通过了国网电科院和开普的RTDS仿真测试验证,测距结果满足测距精度要求。     

考虑TA饱和的双端故障定位新方法

针对线路分布参数模型中电流互感器(TA)饱和导致某一侧电流畸变或不可用的问题,提出了一种适用于任意故障类型的输电线路故障测距新算法。该方法利用两侧电压和未饱和侧电流,根据过渡阻抗的纯电阻性质,得出当且仅当在故障点处无功功率为零。进而利用了一种实用的最优化算法,该测距方法无需事先判断故障类型,无需求解复杂的方程,而是利用搜索迭代的方法。PSCAD的仿真结果也证明了该方法正确、有效,并且不受故障类型、过渡电阻等因素的影响。     

架空线-高压电缆混合线路故障测距改进算法

为了提高架空线-高压电缆混合线路故障测距的精度,并解决测距的伪根问题,提出了一种混合线路的双端不同步数据故障测距改进算法。基于分布参数混合线路模型,分析了测距中伪根的产生原因,通过对二分搜寻法改进来避开伪根,通过改进算法测出故障位置,并将测距结果与自动重合闸技术配合,从而提高了电力系统的安全可靠性。Matlab仿真结果表明,该测距算法不受伪根、过渡电阻、故障类型和位置以及不同步采样角等条件的影响,能够快速、精确地实现故障测距。     

基于时空全数据的输电线路单端行波测距故障定位

为了提高传统的单端行波测距精度以及计算效率，在分析故障行波传播过程的基础上，提出一种基于时空全维度单端测距方法，利用初始波前和反射波前计算故障在第一或第二半段的距离，再利用第三次波前确定上述二者的正确数值。首先利用单端原理计算行波波前到达时间，分析在线路前部、中部和后半区段下的第三次行波波前到达时间，消除传统单端定位的误差，并给出了故障区段识别流程。最后通过仿真分析，与传统的双端测距方法相比，所提基于时空全维度数据的输电线路单端行波测距方法的测距精度以及效率明显提高。     

基于改进经验小波变换的行星齿轮箱故障诊断

行星齿轮箱振动信号具有复杂多分量和调幅-调频的特点。幅值解调和频率解调方法能够避免传统Fourier频谱中的复杂边带分析,有效识别故障特征频率。经验小波变换通过对信号Fourier频谱的分割构造一组正交滤波器组,能提取具有紧支撑Fourier频谱的单分量成分,再对单分量成分运用Hilbert变换即可实现信号的解调分析。经验小波变换能够有效分离出调幅-调频成分,不存在模态混叠现象,具有完备的理论基础,自适应性好、算法简单、计算速度快。将改进的经验小波变换应用于行星齿轮箱振动信号的解调分析;提出了一种单分量个数的估算方法,解决了经验小波变换中的Fourier频谱划分问题;给出了对故障敏感的信号分量的选取方法,提高了分析的针对性。将改进方法应用于行星齿轮箱振动仿真信号和实验信号分析,验证了该方法的有效性。     

基于自适应最优Morlet小波的滚动轴承故障诊断

滚动轴承早期故障信号中故障信息比较微弱常常被强噪声所掩盖,增加了对滚动轴承故障诊断的难度。针对这一问题,笔者提出了基于自适应最优Morlet小波变换的滚动轴承故障诊断方法。首先,利用粒子群优化算法对Morlet小波变换的核心参数进行自适应寻优,在获得最优Morlet小波的同时保证了良好的带通滤波性能;然后,将最优Morlet小波对滚动轴承早期故障信号进行滤波去噪,提高信号的信噪比;最后,对最优Morlet小波滤波信号进行包络谱分析,通过包络谱中的主导频率成分与滚动轴承各元件的故障特征频率对比从而判断轴承的故障位置。仿真数据和实测数据分析结果证明,笔者所提方法能够有效提取故障信号中的特征信息,具有一定的有效性。     

改进小波去噪Teager算子的齿轮微弱故障提取方法

针对齿轮箱在强噪声背景下齿轮微弱故障振动信号的特征不易被提取的问题,提出将改进小波去噪和Teager能量算子相结合的微弱故障特征提取方法。采用改进小波阈值函数对振动信号进行去噪处理,与形态学滤波和传统小波阈值函数相比能够有效地提高信号的信噪比。对去噪后的信号进行集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)得到若干本征模式函数(intrinsic mode function,简称IMF),计算各IMF分量与原信号的相关系数并结合各IMF分量的频谱剔除虚假分量。对有效的IMF分量计算其Teager能量算子,并重构得到Teager能量谱,对重构信号进行时频分析并将其结果与原信号的希尔伯特黄变换(HilbertHuang transform,简称HHT)得到的边际谱进行对比。实验研究结果表明,本研究方法相比HHT能够对齿轮微弱故障特征进行更为有效地提取,验证了本研究方法在齿轮箱微弱故障诊断中的可行性。     

基于IEWT和MCKD的滚动轴承故障诊断方法

针对经验小波变换（Empirical wavelet transform,EWT）对强噪声环境中滚动轴承微弱故障诊断的不足,主要是傅里叶频谱分段不当的问题。提出一种基于最大相关峭度解卷积（Maximum correlated kurtosis deconvolution,MCKD）降噪与改进EWT相结合的滚动轴承早期故障识别方法。首先采用最大相关峭度解卷积算法以包络谱的相关峭度最大化为目标对原信号进行降噪处理、检测信号中的周期性冲击成分,然后根据信号Fourier频谱的包络极大值进行分段,通过分析各频段平方包络谱中明显的频率成分来诊断故障。新方法能有效降噪、增强信号中周期性冲击特征、降低单次偶然冲击的影响、抑制非冲击成分。通过对含外圈、内圈故障的滚动轴承进行试验分析,结果表明,相比于快速谱峭度图和小波包络分析方法,该方法提取出的特征更加明显,能有效实现滚动轴承早期微弱故障的识别。     

Rolling element bearing faults diagnosis based on optimal Morlet wavelet filter and autocorrelation enhancement

The fault diagnosis of rolling element bearing is important for improving mechanical system reliability and performance. When localized fault occurs in a bearing, the periodic impulsive feature of the vibration signal appears in time domain, and the corresponding bearing characteristic frequencies (BCFs) emerge in frequency domain. However, in the early stage of bearing failures, the BCFs contain very little energy and are often overwhelmed by noise and higher-level macro-structural vibrations, an effective signal processing method would be necessary to remove such corrupting noise and interference. In this paper, a new hybrid method based on optimal Morlet wavelet filter and autocorrelation enhancement is presented. First, to eliminate the frequency associated with interferential vibrations, the vibration signal is filtered with a band-pass filter determined by a Morlet wavelet whose parameters are optimized by genetic algorithm. Then, to further reduce the residual in-band noise and highlight the periodic impulsive feature, an autocorrelation enhancement algorithm is applied to the filtered signal. In the enhanced autocorrelation envelope power spectrum, only several single spectrum lines would be left, which is very simple for operator to identify the bearing fault type. Moreover, the proposed method can be conducted in an almost automatic way. The results obtained from simulated and practical experiments prove that the proposed method is very effective for bearing faults diagnosis.     

小波包和小波脊线相结合的解调方法在液压泵故障诊断中的应用

针对轴向柱塞泵故障振动信号呈现出的非平稳和非线性特点,提出了一种基于小波包能量法与小波脊线法相结合的信号解调方法,将其用于液压泵故障诊断中的信号解调过程。该方法首先对原始振动信号进行功率谱分析,明确故障振动信号反映出的能量集中频带带宽;根据确定的带宽和原始信号分析频率设定小波包分解的层数,采用小波包能量法提取出分解系数对应频带能量最大的特征信息进行信号重构;利用小波脊线法对重构后的频带信号进行解调处理,通过信号的包络解调谱提取故障的特征频率,利用解调后的时频谱对液压泵单柱塞滑靴磨损、斜盘磨损以及中心弹簧故障进行分析。通过实验结果验证,该方法能有效地对液压泵的故障信号进行解调,并能找出反映故障的敏感特征频率。     

基于行波分析的变压器绕组匝间短路故障定位

针对变压器绕组匝间轻微短路故障定位问题,本文提出基于行波分析的故障定位方法。该法在绕组线端输入低压脉冲以获取行波反射信号,基于相关系数和SG滤波的改进EEMD降噪法降低噪声对行波的干扰,分别采用相似度分析法与能量比值法分析行波,得到大致随故障位置单调变化的故障特征集,再结合遗传神经网络建立起故障特征与故障位置的映射关系,实现匝间短路故障定位。仿真和样本实验结果表明了本文方法的可行性。     

基于 ZigBee 无线通信技术的机械主轴轴承振动检测

为了明确当前机械运转过程中可能出现故障的位置和危险程度,提出了基于 ZigBee 无线通信技术的机械主轴轴承振动检测方法。将采集的现场信号转为电信号,使用内核型号为 51 的 CC2430 异步串行端口进行逐字传输,结合 C 语言建立无线传感循环传输通信基站。使用时域指标方式计算峭度指标、裕度指标和有效值,利用结构参数和几何模型提取振动特征频率,针对不同频率下振动信号,使用小波分组和小波重构方程组消除噪声,借助频带运行能值判断当前振动类型。对比实验通过分析小波分解功率值与能值,验证所构模型的自适应能力,结果表明,提出的检测方法从主轴振动频谱入手,能够准确找出故障原因,具有较高的可行性。     

Improved CICA algorithm used for single channel compound fault diagnosis of rolling bearings

A Compound fault signal usually contains multiple characteristic signals and strong confusion noise, which makes it difficult to separate week fault signals from them through conventional ways, such as FFT-based envelope detection, wavelet transform or empirical mode decomposition individually. In order to realize single channel compound fault diagnosis of bearings and improve the diagnosis accuracy, an improved CICA algorithm named constrained independent component analysis based on the energy method (E-CICA) is proposed. With the approach, the single channel vibration signal is firstly decomposed into several wavelet coefficients by discrete wavelet transform(DWT) method for the purpose of obtaining multichannel signals. Then the envelope signals of the reconstructed wavelet coefficients are selected as the input of E-CICA algorithm, which fulfills the requirements that the number of sensors is greater than or equal to that of the source signals and makes it more suitable to be processed by CICA strategy. The frequency energy ratio(ER) of each wavelet reconstructed signal to the total energy of the given synchronous signal is calculated, and then the synchronous signal with maximum ER value is set as the reference signal accordingly. By this way, the reference signal contains a priori knowledge of fault source signal and the influence on fault signal extraction accuracy which is caused by the initial phase angle and the duty ratio of the reference signal in the traditional CICA algorithm is avoided. Experimental results show that E-CICA algorithm can effectively separate out the outer-race defect and the rollers defect from the single channel compound fault and fulfill the needs of compound fault diagnosis of rolling bearings, and the running time is 0.12% of that of the traditional CICA algorithm and the extraction accuracy is 1.4 times of that of CICA as well. The proposed research provides a new method to separate single channel compound fault signals.     

基于LCD的自适应小波脊线解调及齿轮故障诊断

针对最佳小波参数的设定和齿轮裂纹故障振动信号频率成分复杂、信噪比低等问题,将遗传优化算法、小波脊线解调与局部特征尺度分解(local characteristic-scale decomposition,简称LCD)相结合,提出了基于LCD的自适应小波脊线解调方法。首先,采用LCD方法将原始信号分解为若干个内禀尺度分量(intrinsic scale component,简称ISC),并通过选择蕴含特征信息的ISC来实现信号降噪;然后,以小波能量熵为目标函数,采用遗传算法优化小波参数,得到自适应小波;最后,通过自适应小波分析提取ISC的小波脊线,从而实现对原始信号的解调分析。通过齿轮裂纹故障诊断实例验证了该方法的有效性和优越性。