基于αβ变换和自适应卡尔曼滤波的任意次谐波电流检测

为了实时准确地检测实际电力系统的谐波电流信号,提出了一种基于αβ变换和自适应卡尔曼滤波的任意次谐波电流检测方法.该方法首先对三相电流信号进行归一化处理,然后通过αβ变换将含有谐波和噪声的三相不对称电流信号分解为两个互相垂直的αβ分量,建立含有基波和谐波正负序分量的卡尔曼滤波状态方程,通过改变状态方程的参数可以实现任意指定次谐波的检测.最后利用卡尔曼滤波算法快速准确地检测三相不平衡电流信号的基波分量和任意次谐波分量.通过自适应修正系统噪声方差阵Q,降低模型误差并有效抑制滤波发散现象.MATLAB仿真结果证明了该方法的有效性.     

用于配电网单相接地故障选线的注入信号检测技术

注入信号法已广泛应用于配电系统单相接地故障选线。注入信号的幅值与工频信号相比十分微弱,能否可靠、准确检测出注入信号就成为选出接地线路的关键。在分析注入信号幅值和频率对检测影响的基础上,设计一种模拟滤波与数字滤波相结合的注入信号检测方案。模拟滤波采用双T滤波器,主要完成工频陷波和对注入信号的选频放大;数字滤波采用差分滤波器和带通滤波器,对直流分量、基波和各次谐波进一步衰减,并准确提取注入信号。采用PSPICE和MATLAB分别对模拟滤波电路和数字滤波器性能进行仿真分析,结果表明所设计的滤波系统能够准确、可靠地对注入信号进行检测。     

自适应卡尔曼滤波技术在故障分类中的应用

本文论述了应用自适应卡尔曼滤波技术进行故障分类的方法。这种方法是把每一相电压或电流同时用两个卡尔曼滤波模型进行处理,一种模型表示故障相特征,另一种模型表示非故障相特征,故障相和非故障相的识别,是通过后验概率的计算来确定。故障相一旦被确定,使用故障相卡尔曼滤波器,继续估计暂态过程中的基波电压和电流分量。所述算法在山东邹县——潍坊500kV数字仿真线路上进行了验算,结果表明,该算法准确、可靠,收敛速度小于5毫钞。     

基于EMD和卡尔曼滤波的振荡信号检测

针对振荡信号,可以定量计算振荡信号的参数,同时定位振荡发生的起始时刻。振荡的随机性使其常常叠加于基波信号之上,EMD分解能将叠加于基波信号上的振荡信号提取出来,从而使得卡尔曼状态空间方程简化而可靠。在建立卡尔曼状态空间时,利用Z变换建立迭代关系,使得含指数变化项的振荡信号的状态更新变得简单。利用该方法可以快速精确地检测出振荡的频率和衰减指数,最后利用振荡发生起始点处的采样值可以快速确定振荡的最大幅值。卡尔曼滤波能容纳一定程度的噪声,可以利用卡尔曼滤波将噪声的影响有效降低,通过仿真实验可以看到该方法能有效检测振荡信号的实时参数,并确定振荡的有效区间,误差均较小。最后通过比较几种检测振荡信号的方法,证明了本方法的优势。     

一种基于最速下降算法的基波提取自适应滤波器

提出了一种基于最速下降算法的单相基波提取自适应滤波方法。对该自适应滤波器原理及设计方法进行了说明,给出基波信号各参数表达式,通过大量的Matlab仿真,着重对该系统在电压畸变情况下的基波撮取性能进行考查,同时分析了其检测精度与动态响应的关系、初始值的设置对检测效果的影响,结果表明,该自适应滤波器构成一个稳定的多参数(幅值、频率、相位)反馈控制回路,可较准确地提取单相信号的基波分量,实时性好,且具有良好的鲁棒性和抗干扰能力。     

基于小波变换和三点法的基波频率测量

小波变换可以在非同步交流采样情况下,提取畸变信号中的基波分量,但检测结果存在少许误差。三点法可通过任意三个等间隔检测点提取正弦信号频率,但检测点误差会严重影响测频精度。对三点法误差的数学机理进行分析发现,合理的选择检测点之间的间隔可以使结果误差最小。极值分析和牛顿迭代法可被用来近似计算最优检测点间隔。通过误差的抑制和个别较大误差结果的剔除,小波变换能与三点法结合对电网中畸变信号的基波频率进行高精度检测。仿真算例证明本文算法精度要优于小波变换与过零法或极值法结合的算法精度。     

考虑衰减直流分量的动态相量强跟踪测量算法

故障电流信号的频率变化以及包含的衰减直流分量会严重影响基于傅里叶变换的相量测量算法的精度和动态响应速度。文中提出了一种利用强跟踪滤波器滤除衰减直流分量的动态相量测量算法。首先,将衰减直流分量用其二阶泰勒展开多项式来表示,在状态变量中添加衰减直流分量及其一阶导数和二阶导数,建立含有基波角频率、幅值等参数和衰减直流分量参数的故障电流的非线性状态空间模型,减小信号估计的模型误差。其次,为了提高扩展卡尔曼滤波器在系统达到稳定时对系统参数突变的跟踪能力,利用强跟踪滤波器递推估计各状态变量。所提方法能够有效抑制衰减直流分量对相量测量精度的影响,对时变故障电流信号具有良好的动态响应能力。采用所提算法对加噪声的数值信号以及ATP-EMTP故障仿真信号进行相量测量,结果验证了算法的正确性与有效性。     

小波变换在超高压输电线路双端故障测距中的应用

研究了基于小波分解的故障测距,对故障行波电流信号进行相模变换,通过小波分解提取出故障分量发生奇异性的时间点,针对以往利用单端行波故障测距存在故障距离检测不准确的问题,采用双端故障测距将行波到达两端的时间相减,可以更准确地定位故障点。实例分析表明该方法有很高的测距精度。     

基于SWT的电力系统基波检测

在噪声混入含有基波的信号时,传统的时频分析方法在基波提取过程中易出现模态混叠。为了准确检测出基波分量,利用时频分析精度较高的同步挤压小波变换(Synchrosqueezing Wavelet Transform, SWT)实现基波检测。首先,采用SWT将含有基波的信号分解为一组内蕴模态类函数(Intrinsic Mode Type functions, IMTs),第一个分量IMT1即代表基波。然后,该分量经Hilbert变换实现基波频率和幅值的测量。在谐波幅值瞬变、噪声混入、基波频率波动、间谐波频率靠近基波和谐波的情境下进行算法验证。实验结果表明,SWT能够准确提取基波,频率精度最高可达10?8量级,具有较强的抗噪性,且SWT的基波提取能力强于谐波和间谐波。     

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。     

Abrupt change detection in power system fault analysis using adaptive whitening filter and wavelet transform

This paper describes the application of the adaptive whitening filter and the wavelet transform used to detect the abrupt changes in the signals recorded during disturbances in the electrical power network in South Africa. Main focus has been to estimate exactly the time-instants of the changes in the signal model parameters during the pre-fault condition and following events like initiation of fault, circuit-breaker opening, auto-reclosure of the circuit-breakers. The key idea is to decompose the fault signals, de-noised using the adaptive whitening filter, into effective detailed and smoothed version using the multiresolution signal decomposition technique based on discrete wavelet transform. Then we apply the threshold method on the decomposed signals to estimate the change time-instants, segmenting the fault signals into the event-specific sections for further signal processing and analysis. This paper presents application on the recorded signals in the power transmission network of South Africa.     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

基于形态小波的低压系统短路故障早期检测

低压配电系统中存在着较强的脉冲噪声及自噪声干扰，影响了短路故障特征的准确提取。为充分利用短路后电流变化率剧增这一重要故障信息以对短路故障进行早期检测，必须设计有效的滤波算法，在保留故障信号特征的前提下最大限度地抑制噪声干扰的影响。该文将数学形态学滤波器作为多尺度小波变换的前置滤波单元，形成一种新型的形态小波算法模型，并应用于低压系统短路故障早期检测中。该模型兼顾了数学形态学滤波器与多尺度小波变换各自的优点，可以较好地提取故障特征、抑制各种噪声，并能够在硬件上实时实现。计算机仿真结果和在以TI TMS320F2812 DSP为核心的硬件系统实验证实了该模型的有效性。     

基于数学形态学暂态特征提取的高压直流输电线路精确故障定位

在介绍数学形态学基本原理的基础上,给出了利用数学形态学梯度技术提取暂态行波信号突变特征,反映信号突变时刻的故障定位新方法。仿真结果表明该方法对于近距离故障,高阻接地故障等传统方法难于准确定位的故障类型都具有很好的定位效果。本文详细分析和比较了数学形态学变换和小波变换对突变信号的检测性能,分析和仿真结果都表明,数学形态学梯度技术对突变信号具有很强检测能力,相比于小波变换等积分变换来说,数学形态学对噪声不太敏感,变换结果更易于分辨,且算法简单,耗时较小,易于硬件实现。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

基于解析小波变换方法的鼠笼型异步电动机转子断条检测新方法

提出利用解析小波变换方法检测异步电动机转子断条故障。解析小波变换是将小波分析与Hilbert变换相结合,可以正确区分异步电动机负荷波动与转子断条故障。该方法可以准确判定负荷突变发生时刻,提高了异步电动机转子断条故障检测的可靠性及准确性。数值仿真结果证明了该方法的有效性。     

小波变换在局部放电信号提取中的应用

本文尝试将波波变换应用于提高用脉冲电流法测得的局部电脉冲的信噪比。     

基于平稳小波包分解和希尔伯特变换的故障特征自适应提取

提出一种自适应地提取信号特征分量的故障检测方法.采用逐层推进的平稳小波包分解算法,运用希尔伯特变换,在对信号进行小波包分解的同时,对分解结果进行瞬时频率和瞬时幅值分析,根据设定的分量提取和信号分解规则,实现信号分解路径的自主搜索,自适应地构建信号的小波包分解树,对信号进行多分辨率的频谱分析,达到信号消噪和特征分量提取的目的.仿真研究表明该方法的分量提取规则简单、目标明确,信号分析结果简洁,具有运算时间少、数据存储量小的特点和良好的抗噪性能,所提取的故障特征分量的时-频-幅值信息清晰、易于检测.     

Symlets小波幅值算法研究

提出了利用小波变换高频分量模极大值预测故障电流幅值的Symlets小波幅值算法.分析了Symlets小波的正交性、计算性和对称性,给出了与sym3小波相关联的分解与重构滤波器,研究了Symlets小波幅值算法可精确捕捉故障发生时刻的基本原理,建立了基于sym3小波变换高频分量模极大值的故障电流幅值计算数学模型.通过利用sym3小波变换对不同电流信号进行分解和重构,确定了每周期采样点数不同和故障前最后一个采样点相位不同时数学模型中系数k的大小.仿真结果表明,该算法可精确捕捉故障发生时刻并能在7/N个电力信号周期内定量预测出故障电流幅值.