基于VMD和FCM的配电网单相接地故障选线

为了准确识别出小电流接地系统的单相接地故障线路,提出基于VMD与模糊C均值聚类理论相结合的新故障选线方法。当系统发生单相接地故障时,故障和非故障相线路的零序暂态电流会有差异,由此可用VMD电流数据进行分析,提取主要频带信号和能量熵,用FCM算法对能量熵聚类将其分为故障信号类和非故障信号类,从而识别出故障线路。通过仿真证明了此方法选线结果准确、可靠。     

基于K-means算法的故障电弧检测方法

在正常工作和发生故障时对常见的电阻、电感串并联电路以及整流电路使用Cassie电弧模型进行simulink仿真,得到了不同电路和不同状态时的电流数据.在线性负载电路中,电弧故障电流具有明显的零休特征,但是非线性负载电路不具有此特征.应用快速傅里叶算法进一步分析了其不同状态下的电流谐波变化.利用k-means聚类算法理论...     

基于信号复杂度的高压交流线路暂态保护研究

基于线路故障暂态特征的保护比传统保护响应更快,对故障的判断更加准确,而且不会受到工频振荡等情况的影响。分析了线路故障时产生暂态分量的原因以及发生区内外故障时暂态特征存在差异的原因,介绍了小波变换以及小波奇异熵,用小波奇异熵来表征信号复杂度的变化,基于小波变换分析电流信号,并用小波奇异熵进一步分析信号的复杂度。在MATLAB/Simulink中搭建500kV线路仿真模型,通过仿真发现,线路发生区内故障时信号复杂度明显高于发生区外故障时的信号复杂度,利用区内、外故障时信号复杂度的差异构成了区分区内外故障的判据。     

基于宽频信息挖掘的同塔双回输电线路单端故障测距研究

基于同塔双回输电线路故障时激发的宽频暂态信息,充分利用同塔双回输电线路中非故障线路作为宽频暂态信息的传播通道,提出了利用两条线路上故障宽频信息比对的方法进行单端测距的措施.以零序电流为主要测量信息,对两回线路的零序电流进行全频域分解,挖掘宽频信息特征,并将整体特征作为输入,运用BP神经网络进行训练,区分出故障线路与非故障线路.对故障线路与非故障线路同端检测以提取全频暂态电气信息,利用S变换作为暂态信号分析工具,寻找故障线路与非故障线路的三相瞬时功率突变的时间点,综合运用算法融合的优势形成智能判据,实现故障线路测距,并通过仿真验证了该方法的有效性.     

基于IHHT-RF的配电网单相接地故障选线方法

小电流系统发生单相接地故障时故障特征易受高接地过渡电阻、小初相角等弱故障条件影响而导致选线准确率低。为此,提出一种基于改进希尔伯特黄变换—随机森林（improved Hilbert-Huang transform-random forest,IHHT-RF）的配电网单相接地故障选线方法。首先,提取每条线路在故障发生时的电流暂态信号,通过IHHT提取纯净的暂态电气量,构造标准差、能量熵和幅值畸变度3类特征向量;然后,将特征向量输入RF分类器建立故障选线模型,把故障选线问题转化为二分类问题;最后,将测量数据输入RF分类器中得出分类结果,实现故障线路的自动识别。仿真结果表明,该选线方法综合利用暂态信号的幅值、频率和能量等特征信息,不受弱故障条件、馈线结构等因素的影响,能有效提高故障选线的准确率,具有较强的适应性和可靠性。     

基于HHT和模糊C均值聚类的轴向柱塞泵故障识别

提出了一种基于Hilbert-Huang变换(HHT)和模糊C均值聚类算法相结合的故障识别方法。利用HHT在处理非线性、非平稳信号方面的优势,对采集到的轴向柱塞泵泵壳振动加速度信号进行HHT处理。首先对信号分别进行经验模态分解(EMD)和集总经验模态分解(EEMD),结合短时最大熵谱分析选取对故障最为敏感的固有模态函数(IMF)分量,再对其分别进行二次分解。然后,采用本文提出的基于局部边际能量谱特征能量的方法求出故障特征向量。最后,采用模糊C均值聚类算法进行故障模式识别。识别结果表明:EEMD比EMD在迭代次数上大幅减少,故障识别准确率有了显著提高。     

基于特征站点的公交IC卡数据站点匹配方法研究

设计了一种基于特征站点的公交IC卡数据站点匹配方法,首先利用k-means聚类方法,通过计算交易时间间隔将同一站点产生的交易数据归类,再根据线路站点客流特征和乘客出行的换乘行为寻找线路特征站点(客流峰值站点与换乘站点),站点匹配时优先将特征站点编号与聚类数据进行匹配,从而提高匹配精度.在数据实验中,将该方法与基于站点间运行时间的匹配方法进行了对比,结果显示,基于特征站点的匹配方法平均准确率为85%.     

基于多尺度形态分解谱熵的雷击干扰与短路故障识别研究

研究和识别输电线路直击雷的暂态特征对研制基于暂态量的保护及提高可靠性都具有十分重要的意义.针对雷击未故障、雷击故障和接地短路故障,提出了基于多尺度形态分解谱熵的雷击干扰识别方法.对不同的故障类型进行多尺度分解,分别计算在不同尺度上的能谱熵和奇异谱熵,作为待识别特征矢量.建立标准故障模式矩阵,对待识别样本的特征矢量与标准故障模式进行灰色关联分析,根据关联度的大小,判断待识别样本信号属于哪种故障类型.大量仿真计算验证以上所提方法正确、有效.     

一种基于MapReduce的改进k-means聚类算法研究

传统k-means算法的聚类中心需要经过多次迭代运算才能最终稳定,而MapReduce计算框架下的k-means聚类算法在处理迭代运算时效率并不理想.针对上述问题,提出一种新的基于MapReduce的k-means聚类算法.该算法对传统k-means算法进行了改进,通过将k-means聚类问题转化为Map和Reduce两阶段的k-means++算法聚类问题,并将权值概念和单通道技术引入到传统k-means++算法中,提升了算法在MapReduce框架中的执行效率.实验分析表明,该方法较之传统方法具有更好的加速比和可扩展性.     

基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断

针对滚动轴承故障诊断中多尺度样本熵特征向量维数高及其维度难以确定问题,提出了一种基于多尺度样本熵的主成分分析的模糊聚类故障识别模型。该模型首先使用多尺度样本熵方法提取滚动轴承正常、内圈故障、外圈故障、滚动体故障的振动信号特征。其次对多尺度样本熵特征向量使用主成分分析方法进行降维。然后通过累积贡献率来确定其特征向量的维度,并利用选定的特征向量属性作为模糊C均值聚类模型的输入并进行故障识别。最后通过分类系数和分类熵这两个聚类评价指标进行聚类效果的检验。实验结果表明该模型能较好的区分滚动轴承的正常与内圈故障、外圈故障、滚动体故障这4种信号。     

低压串联电弧故障电流高次谐波含有率试验

参照国内现有研究成果与美国UL1699标准搭建串联电弧故障实验平台,采集电弧电流与电弧电压数据,提出线路电流高次谐波含有率分析方法.通过对不同负载电路电流数据高次谐波含有率变化情况的分析,总结出电弧故障引起的高次谐波含有率的变化特征.研究结果表明,电弧故障发生时电流高次谐波含有率出现急剧上升(均值增幅大于15%),同时高次谐波含有率不稳定,激烈波动.     

基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

基于小波能熵的变压器励磁涌流的识别

提出了一种基于离散小波变换(DWT)并利用小波能熵作为判据来识别电力变压器励磁涌流和内部故障电流的方法.通过在MATLAB上搭建变压器空载合闸和匝间短路仿真模型,对其不平衡电流的小波功率谱进行分析,以验证这种新型判据的有效性.仿真结果表明,这种新型判据能够可靠地、快速地识别出励磁涌流和内部故障电流.     

基于动态小波变换的小电流接地系统故障选线研究

小电流接地系统发生单相接地故障时,由于故障电流小及接地点电弧不稳定等原因,其零序故障电流准确获取和定值整定困难,使其故障线路的检出仍是难题。提出一种基于动态小波变换的故障选线方法,利用所有健全线路暂态能量与故障线路暂态能量之差为最小值作为判据。该方法充分利用了动态小波变换分析故障信号的优势,克服常规小波变换在这方面的不足。仿真结果表明,该判据不受接地条件和接地方式影响,能够准确可靠地选出故障线路。     

基于小波包变换和支持向量机的故障选线方法

配电网发生单相接地故障时,故障线路与正常线路的零序电流非工频分量差异明显。针对在高阻接地时以模极大值的极性为判据导致选线成功率不高的问题,给出了一种零序电流非工频分量和支持向量机相结合的选线方法。该方法通过小波包变换分解各线路零序电流,按能量最大原则选取特征频带,将不同线路在特征频带上的能量与模极大值作为特征向量,以故障线路标号为分类目标,把故障选线转化为多分类问题,使用支持向量机预测故障线路;通过大量仿真得到训练样本,利用K折交叉验证和网格搜索对支持向量机进行参数寻优。测试集上的结果表明,该方法准确、可靠。在不同接地距离、接地电阻、故障初始相角下均能正确选线。     

基于暂态零序电流频谱灰关联分析的谐振接地系统故障选线方法

为提高谐振接地系统单相接地故障选线的准确性和可靠性,提出一种充分利用故障暂态特征的故障选线方法。首先,通过对故障后暂态零序电流特征进行分析,利用快速傅里叶变换(FFT)对各线路暂态零序电流进行频率分解,保留特征频段内的成分,得到各线路暂态零序电流频率-幅值曲线图;然后,根据故障线路和非故障线路在特征频段内曲线的相似度较低,而非故障线路曲线相似度高,通过灰色关联分析求取各曲线间的绝对关联度,利用绝对关联度定义选线判定系数,通过比较各线路判定系数与设定阈值的大小进行选线。EMTP/ATP和MATLAB仿真结果表明:该方法不受故障线路类型、接地电阻、故障合闸角等因素的影响,同时能有效识别母线故障,具有很高的选线准确性和可靠性。     

基于测量波阻抗的同杆双回输电线路故障识别

为提高行波保护在同杆双回输电线路上的灵敏性与可靠性,提出一种基于S变换的测量波阻抗比率制动故障识别算法. 利用S变换获取母线电压与线路电流的初始行波相量,据此计算线路测量波阻抗,给出和波阻抗与差波阻抗概念,引入综合和波阻抗和综合差波阻抗. 理论分析表明：当发生区内故障时,综合和波阻抗小于综合差波阻抗;当发生区外故障时,综合和波阻抗远大于综合差波阻抗. 引入比率制动系数,将综合和波阻抗作为制动量,综合差波阻抗作为动作量,建立比率制动保护判据进行区内、外故障识别. 大量仿真结果表明,该算法判据简单,性能可靠,动作灵敏、迅速,基本不受故障初始角、故障类型、过渡电阻、噪声干扰等因素影响.     

基于Zigbee技术的线路故障定位系统

设计了一种基于Zigbee通信技术的线路故障定位系统.该系统首先利用电流传感器对电路中的电流进行采集,并通过Zigbee技术将测量信号传入通信单元,然后通信单元利用GPRS系统将测量信号输入总控单元,总控单元通过对不同位置的电流信号变化进行检测,以实现对故障线路的定位.模拟试验结果表明,该系统能够对线路的故障实现准确定位.     

基于特征优选和加权聚类的商场用电模式分析

随着用电信息的采集完善,准确的用户用电模式分析将为电力智能化建设提供重要依据,在此背景下,针对用电模式分析中考虑聚类特征类型单一的问题,提出一种考虑多类型特征优选的加权聚类分析方法.首先,将负荷类特征和气象类特征归一化建立待选择特征集合;然后,结合互信息和灰色关联度优选出聚类特征集;最后,采用权重分配的k-means方法对优选特征集合进行聚类,结合负荷曲线分析各用电模式的典型用电行为.通过对上海市某商场用电负荷数据的分析,证明该方法能够减少数据冗余信息的干扰并提升聚类质量.