基于小波分析的电缆故障行波测距仿真研究

为了实现电缆故障的精确定位,将小波变换模极大值与信号奇异性关系的理论应用于检测电缆故障行波信号。借助电磁暂态仿真软件PSCAD/EMTDC,以35kV交联聚乙烯单芯电缆为原型,建立电力电缆故障仿真测试模型。采用Daubechies小波对故障测试波形进行多尺度、多分辨率分析,仿真结果表明利用小波变换的时频局部化特性能够有效聚焦到电缆故障行波信号中脉冲的起始点,为提高电缆故障定位精度提供了有效的检测方法。     

基于小波变换的高压断路器振动信号故障诊断仿真研究

小波变换在时域和频域内同时具有局部化能力,是分析故障信号奇异性的主要工具。对振动信号进行小波消噪,提取有用信号;利用Hilbert变换求取信号包络,对包络进行小波变换取得各尺度上的信号波形。根据小波变换各尺度上模极大值的传递性来计算信号包络波峰的奇异性指数,以此作为断路器故障诊断的一种特征参数,是一种新颖而有效的方法。     

李氏指数及其在电力系统暂态信号分析中的仿真应用

在分析电力系统暂态故障信号的奇异性和小渡变换奇异性检测基本原理的基础上，得出电力系统暂态故障信号奇异性的特殊性．提出了利用小波变换进行故障暂态信号奇异性检测的方法，并描述了算法的基本思路以及李氏指数的计算步骤。对实际输电系统进行了仿真，通过对暂态故障信号的多尺度分析及各尺度上的信号重构．得出各尺度下的模极大值，从而计算出李氏指数并判断信号奇异性。     

基于线调频小波变换能量谱的电机故障信号处理

提出了一种基于高斯线调频小波变换诊断电机故障的新方法。线调频小波变换是信号的时间-频率-尺度变换, 具有比小波变换及其它时频分析更强的非平稳信号分析功能。利用高斯线调频小波变换作电机故障信号的能量谱估计,可提取电机故障信号的频率成份。试验结果表明,这种方法比Fourier变换和小波变换频率分布的能量更集中。     

基于改进灰色关联度及尺度一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一小波能量谱的输电线路故障选相新方法,依据尺度一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,计算尺度一小波能量谱;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障类型。仿真表明,该方法能准确地判断故障相别。     

基于小波分析的HVDC换相失败故障诊断浅析

将小波变换应用于高压直流输电(HVDC)系统换相失败的故障诊断中,基于多尺度分析分别对不同故障情况下的直流电流进行分解,并利用尺度能量和尺度熵这两种小波处理方法提取故障特征,分别定义两个故障诊断指标作为辨识各种故障的判据,然后针对这两个指标分别设置4个阈值以诊断直流线路故障和换相失败故障。仿真表明,在不同的HVDC系统故障情况下,暂态信号小波尺度能量和尺度熵的分布都具有一定的规律性,可分别作为判断系统故障的有效依据,提出的判据能准确地对换相失败故障做出诊断。     

电力系统暂态保护中小波基的选择与应用

电力暂态信号的识别、处理和利用是新一代继电保护,（暂态保护）技术发展的基础。小波变换在时域和频域内均有局部化能力,是电力暂态信号分析的强有力工具。文中研究和描述小波分析理论,探讨了小波基的特性,为电力系统常见暂态信号分析的小波基选择提供了依据。利用Matlab对一条500kV输电线路进行发生单相接地时故障定位仿真以及重合闸误动仿真,并利用小波分析中的模极大值和多尺度方法分析了仿真结果,结果证明了该选择的正确性。     

小波分析在变压器差动保护中的应用

正确区分电力变压器励磁涌流和内部故障电流是变压器保护中一个尚未得到完善解决的问题,变压器励磁涌流具有明显的奇异性,小波变换在多尺度分析和时频域表现优秀,适合用来提取信号边缘和峰值突变的特征,能够很好的检测信号奇异性。对励磁涌流和故障电流进行小波分析,然后对信号小波变换后的波形进分析,可直接利用波形特点进行判断。     

基于形态学–小波的传感器故障诊断

基于输入输出信号趋势分析,提出基于形态学–小波的传感器故障检测与诊断的新算法。由不同宽度结构元素构成的改进型广义形态滤波器对输入输出信号进行滤波;采用小波多分辨分析对滤波后的信号进行分析,对故障的突变点进行准确定位;利用小波变换模极大值在多尺度上的表现与李普西兹(Lipschitz)指数的关系,对传感器各个类型故障进行识别。该文针对传感器死区、恒偏差、恒增益及漂移故障进行了仿真,仿真结果证明了该算法的有效性。     

基于振动分析的风力机齿轮箱故障诊断

为实时、准确、简易地诊断出风力机齿轮箱故障类型,提高风力机的稳定性,提出一种面向多故障的基于多尺度小波分析和希尔伯特变换的实时齿轮箱故障诊断方法。利用故障发生前期微弱的故障征兆,首先用小波降噪技术滤除齿轮箱振动信号中的噪声,然后对信号进行多尺度小波分解,通过分析高频重构信号,来判断是否将要产生故障;如果确定故障将要发生,再对高频重构信号进行希尔伯特变换,通过分析能量包络谱相应的波形参数值来判定预测故障的类型。利用试验数据对该方法进行分析验证,证明了该算法的简单和有效性。