基于 VMD与 HT分析的小电流接地系统故障选线技术分析

配电网中小电流接地系统发生单相接地故障时,具有故障幅值小、噪声波动大等特点,导致线路电流变化特征不明显,采用传统选线技术又难以判断是线路故障还是母线故障.为了及时准确地判断线路故障,提出了一种基于 VMD与 HT分析的小电流接地系统故障选线新技术.首先利用Simulink搭建三种小电流接地模型———中性点不接地系统模型、中性点经消弧线圈接地模型及中性点经高阻接地系统模型.然后提取三种模型的零序电流进行 VMD 分解得到 K 个固有模态函数IMF,将分解得到的IMF通过 HT分解得到每个模态相应的幅值谱图.最后通过算法逼近度计算每个模态相应的幅值,得到相应的算法逼近度系数,对比系数可以正确判断故障线路与非故障线路.结果表明,在三种不同接地模型中,基于 VMD与 HT分析的小电流接地系统故障选线新技术在不同故障距离、不同接地电阻情况下能够有效识别故障与非故障线路,具有一定的实用性。     

基于VMD和改进聚类算法的配电网故障选线方法

为提高小电流接地系统单相接地故障的选线准确率,设计了一种基于调幅调频函数的变分模态分解VMD(variational mode decomposition)与K-means++聚类算法相结合的故障选线方案。对故障发生后各条线路零序电流信号进行VMD分解,得到多个自适应频带特征的本征模态函数;构造以低频分量的波形相关系数为横坐标和以高频分量初始极性为纵坐标的二维平面,在该二维平面绘制代表各出线的散点分布图;最后通过Kmeans++聚类算法对所构造的散点点集进行聚类分析,利用代表故障线路的散点属于离群点的特点,筛选出故障线路。通过Pscad软件进行仿真验证,结果表明,该故障选线方法不受条件改变的影响,能够实现对故障线路的准确识别,具有较好的抗噪能力。     

综合高低频段分量的谐振接地系统故障选线

针对谐振接地系统单相接地故障特征提取困难、故障识别率低的问题,提出一种基于参数优化变分模态分解VMD(variational modal decomposition)的选线方法.首先,利用果蝇优化算法对变分模态分解的影响参数组合进行迭代寻优,以获取最佳分解层数K及惩罚因子α,通过优化后的变分模态分解将各馈线零序电流分解为若干个反映信号局部特性的本征模态函数.其次,通过希尔伯特(Hilbert)边际谱能量熵反映各馈线零序电流低频段衰减直流分量的含量差异度,利用曲线斜率反映各馈线高频段暂态电容分量与母线零序电压导数的线性关系,构成综合高、低频段故障特征的双重选线判据.大量Matlab/Simulink仿真结果验证了该方法在不同故障情况下选线的准确性.     

基于VMD-LSTM的小电流接地系统故障选线方法

提出一种基于VMD-LSTM的故障选线方法.首先通过VMD算法将各出线零序电流分解为表征其特性的高、中、低频分量,分时段计算各分量能量值,并依次输入到LSTM神经网络中,通过建立各分量能量随时序变化特征与故障线路的联系,从而实现故障选线.仿真结果表明,该方法不受故障初始相角、接地电阻以及故障距离等因素影响,且在有噪声干...     

基于优化VMD 的小电流接地系统接地故障选线方法

小电流接地系统发生接地故障后,若无法及时快速确定故障线路并加以切除,故障过电压长期作用有可能 造成电力设备损坏,严重影响系统安全,而小电流接地系统接地故障信号不明显,为故障选线带来困难.鉴于此,针 对小电流接地系统单相接地故障在选线时存在的信号微弱、特征不明显等问题,利用一种灰狼优化后的变分模态分解 (VMD)提取故障选线特征,以提高信号的分解精度,并与神经网络进行联合实现故障线路的甄别.最后利用ATPＧ EMTP仿真实验验证所提方法的准确性,与小波算法及传统算法对比,优化后的系统选线准确率更高.     

基于VMD能量相对熵的配电网单相接地故障选线方法

针对目前配电网单相接地故障选线存在的问题,提出一种基于变分模态分解(VMD)和能量相对熵结合的故障选线新方法。该方法首先采集线路故障后一个周期的暂态零序电流信号,运用VMD方法对其进行分解得到有限个不同尺度的本征模态函数(IMF)分量;计算各IMF分量的能量和作为线路的暂态能量;再结合能量相对熵对线路的暂态信号特征进行量化放大;最后通过比较各条线路的能量相对熵大小进行故障选线。Matlab仿真对其可行性和有效性进行验证,结果表明:该方法不受消弧线圈补偿度、故障距离、故障初相角和过渡电阻的影响,均可实现对故障线路的正确选线。     

基于改进SSA-VMD和多尺度模糊熵的接地故障选线方法

针对高压配电网发生单相接地故障时暂态工频电流分量利用不充分,提出一种基于改进麻雀搜索算法优化变分模态分解(SSA-VMD)和多尺度模糊熵的接地故障选线方法。首先,利用精英反向学习策略提高麻雀搜索算法的种群多样性,利用改进后的SSA对VMD进行迭代寻优,由实验数据可得,优化后的变分模态分解可准确区分各馈线暂态零序电流的工频分量。其次,计算各馈线零序电流工频分量的多尺度模糊熵值,并采用多尺度模糊熵偏均值作为选线判据,选出故障线路。经MATLAB/Simulink仿真结果表明,该方法在大多数故障条件下均可正确选线,可靠性高,具有较强的鲁棒性。     

基于深度信息融合的小电流接地故障选线

基于信息融合技术的小电流接地故障选线方法当信息融合效率低时,将直接影响接地选线的准确性。分别利用傅里叶变换(FFT)和经验模态分解(EMD)对稳态和暂态的零序分量特征进行分析,通过建立故障测度函数,计算出线路故障测度;利用信息增益度,建立各种选线方法的故障测度;利用线路和方法故障测度得到最终的样本故障测度。把样本故障测度作为特征输入量,利用单纯形法(SM)优化参数的最小二乘支持向量机(LSSVM)算法进行深度信息融合选线。仿真结果表明上述方法应用于选线中具有很高的准确率和灵敏度。     

基于改进EEMD与GA-BP的谐振接地故障选线方法

针对谐振接地系统发生接地故障,存在暂态信号特征辨识度低,且单一特征作为选线判据易受故障条件影响等问题,提出一种基于改进EEMD与GA-BP神经网络的故障选线方法。首先使用边界局部特征尺度延拓法加集合经验模态分解和多尺度排列熵算法的混合算法（MEEMD）分解暂态电流信号,各项分解指标说明MEEMD能准确区分高频特征分量和基频分量并有效改进端点效应和抑制模态混淆。然后提取重构的高频分量能量、方向以及裕度因子等特征并将其用来训练、测试GA-BP神经网络。结果表明所提出的选线方法有较高的准确率且不受线路类型、接地电阻影响,有较强的鲁棒性和容错性。     

基于压缩感知理论的小电流接地故障选线法

将一种全新的信号处理方法——压缩感知理论应用于小电流接地故障的选线中．采用压缩采样方法对故障前1／4周期到故障后1／4周期各线路零序电流进行低频压缩采样．然后通过恢复算法对所采信号进行精确重构。对承构信号采用小波去噪后进行经验模态分解（empirical mode decomposition．EMD）,选出各线路零序电流最高频IMF分量作差分运算．依据故障线路零序电流最高频IMF分量在故障发生时刻的一阶差分板性和健全线路相反的原则实现故障选线。Matlab仿真试验表明该方法不受采样频率限制．选线结果具有较高的准确度．     

基于VMD-CNN的小电流接地系统故障电弧检测方法研究

构建准确且符合特定场景的电弧模型,研究电弧小电流接地的电流信号特征,并基于可量测电气量信号进行处理,对于及时可靠辨识故障电弧具有重要意义。提出一种小电流接地系统故障电弧的检测方法,通过建立故障电弧模型,基于变分模态分解算法(Variational Mode Decomposition, VMD)和卷积神经网络算法(Convolution Neural Network, CNN)对故障电弧进行准确辨识。首先,采用改进“控制论”电弧模型,基于PSCAD软件平台搭建了典型10 kV配电网仿真模型和接地“控制论”电弧模型。其次,采用变分模态分解算法对故障情况下的电气信号进行处理,得到4组电流信号的固有模态分量(Intrinsic Mode Function, IMF)。然后,提取包含信号基频成分的第一组IMF(IMF1)作为卷积神经网络(CNN)的输入。最后,应用CNN对IMF1进行特征识别,正确辨识正常与电弧故障情境。实验与仿真结果显示,通过利用VMD-CNN识别方法,提高了对原始电流信号识别准确度,能准确检测出故障电弧。     

基于变异系数与高阶累积量的小电流接地故障选线

针对现有谐振接地系统的暂态量选线法准确性不高的问题,提出一种基于变异系数与高阶累积量的小电流接地故障选线。首先利用变异系数求解零序电流故障分量的初始极性,判断其是线路故障或是母线故障。若为线路故障,则利用变分模态分解对各出线零序电流进行分解,提取出零序电流的直流分量和工频交流分量。最后结合直流分量的高阶累积量和工频交流分量的初始极性构造判据,最终实现双重极性选线。仿真结果表明,该方法不受故障合闸角、过渡电阻的影响。     

基于RNN-LSTM神经网络的小电流接地故障选线方法

针对配电网中小电流接地系统故障选线难的问题，提出一种基于RNN-LSTM神经网络的小电流接地故障多判据融合的选线方法。将各线路零序电流的基波特征分量、五次谐波特征分量、小波能量特征分量作为输入量，将故障线路作为输出量，建立小电流接地故障选线RNN-LSTM选线模型。最后用MATLAB/Simulink进行仿真验证，验证了算法的准确性和可行性。     

基于变分模态分解与空洞卷积神经网络的配电网故障选线方法

小电流接地系统发生单相接地故障时,零序电流故障特征微弱且繁杂多变,传统选线方法可靠性有待提高。提出了一种基于变分模态分解（variational mode decomposition, VMD）与空洞卷积神经网络的配电网故障选线方法。首先,分析配电网健全线路和故障线路的电气特征,采用零序电流作为故障特征信号,为选线模型的输入量提供理论依据;其次,通过变分模态分解把零序电流序列分成不同频率的固有模态函数,提高故障信号特征的平稳性和差异性;然后,采用空洞卷积神经网络作为选线网络,以增大卷积操作感受野的方式增强模型的自适应分类能力;最后,在MATLAB/Simulink中构建10 kV配电网进行算例分析,结果表明,该方法在不同故障场景条件下均有较高的选线效果,验证了所提方法的鲁棒性与准确性。     

基于NGO-VMD-DE的单相接地故障信号特征提取

针对电力系统输配电线路发生单相接地故障时,电气设备的电磁环境干扰,故障零序电流成分复杂等原因导致故障特征信息提取困难,变分模态分解参数人为确定导致其对零序电流分解效果差,常用的熵运算慢,鲁棒性差,进而后续选线准确率低的问题,提出了一种新的基于NGO-VMD-DE的单相接地故障的零序电流故障特征提取方法。首先,通过北方苍鹰优化算法(NGO)优化变分模态分解(VMD)实现零序电流信号的自适应分解,建立了自适应相关系数的本征模态函数(IMF)分量选取准则选取有效分量,然后对选取的分量进行重构,最后对重构后的信号进行散布熵(DE)计算以提取单相接地故障的零序电流故障特征,通过搭建模型进行仿真实验,并与近似熵、样本熵、模糊熵、排列熵等其他特征熵值指标进行对比表明,所提出的故障特征提取方法可以更加准确、有效地表征发生单相接地故障线路的零序电流故障信息。     

基于暂态信号分析的矿井电网单相漏电故障选线

为解决矿井电网系统漏电故障选线这一安全供电技术难题，提出了一种基于暂态信号特征监测与辨识技术的单相接地故障选线方法。利用变分模态分解算法对线路测量的暂态零序电流信号进行解析，制定了以特征模态分量模最大值极性和线路模态能量权重因子差异性相结合比较的故障选线判据。通过设定故障触发条件对矿井电网系统选线模型进行仿真环境测试，结果表明该选线方法不受故障合闸角、接地电阻和消弧线圈补偿度的影响，均可实现故障线路的识别，具有较强的工程适应性。     

基于经验小波分析的小电流接地系统单相接地故障选线方法

针对小电流接地系统单相接地故障选线中因故障特征量不明显而导致选线困难甚至误选的问题,提出了一种基于经验小波变换(Empirical Wavelet Transform,EWT)的小电流接地系统单相接地故障选线方法。该方法利用经验小波变换能自适应分割傅里叶频谱以分离不同模态和提取调幅-调频模态函数的优点,对小电流接地系统中单相接地故障零序电流的模态分量进行提取,并以零序电流的低频模态分量综合相关系数和高频分量能量值实现故障线路的综合选线。最后在Matlab仿真软件中验证了所提方法的有效性和优越性。     

基于变分模态分解与图信号指标的配电网高阻接地故障识别算法

为有效检测配电网高阻接地故障(HIF)的发生,本文结合变分模态分解与图信号指标,提出一种全新的HIF识别算法.首先,利用变分模态(VMD)分解得到故障暂态零序电流的多个本征模态分量;其次,根据峭度准则选取对故障暂态突变量最敏感的模态分量,进而计算该模态分量的图信号指标作为故障指标;最后,通过随机森林分类器对故障特征进行...     

基于模糊理论的配电网多判据融合故障选线方法研究

配电网的单相接地故障选线问题一直都没有得到很好的解决,而单一选线方法会因故障特征和外界干扰的影响,存在动作死区和使用局限性。本文利用模糊理论将具有互补性的基于高频模态能量的故障选线方法、基于5次谐波分量的故障选线方法和基于衰减直流分量的故障选线方法进行智能融合,实现了基于模糊理论的多判据融合故障选线。仿真实验证明该融合故障选线方法能够适用于小角接地故障、高阻接地故障、线路末端故障、电弧性接地故障等不利于实现选线的故障,且该方法具有较高的准确度和可靠性。     

基于经验模态分解的配电网故障定位方法

为了提高含分布式电源配电网的故障定位准确度,提出一种基于经验模态分解的配电网故障定位方法。首先应用经验模态分解故障零序电流,选用第3个本征模态函数分量;然后对第3个本征模态函数分量进行一阶差分,得到配电网故障定位特征;最后采用支持向量机对故障进行分类,并通过仿真实验测试算法的性能。仿真结果表明,本文可以快速、准确地对故障区间进行定位,而且故障定位正确率高于其他配电网故障定位方法。