基于暂态电流小波熵权的输电线路故障选相方法

在暂态电流信号小波分析结果的基础上,借鉴熵权的概念,给出了小波熵权的定义,提出一种利用高频暂态分量的小波熵权实现故障选相方法。该方法直接利用电流互感器的暂态高频电流,使用小波提取暂态信号特征,对提取的信号特征计算其沿尺度分布的权重,得到暂态信号的小波熵权,由此构造故障选相判据进行选相。基于EMTDC和MATLAB环境,利用该方法对某一典型500 kV线路进行各种故障类型选相的仿真分析,分析表明该方法具有高速、准确的特点,且不受过渡电阻、故障时间及故障位置等因素的影响,具有一定的实用价值。     

基于小波能量熵和支持向量机的高压输电线路故障选相方法研究

提出了一种基于小波能量熵和最小二乘支持向量机( LS - SVM)的高压输电线路故障选相的新方法.首先对采集到的故障后三相电流信号进行合适的小波分解,得到特定时间窗口内的三相小波能量熵的累加值以及各相之间的比值.利用各相的小波能量熵累加值以及比值作为表征不同故障类别的特征向量,并输入到LS - SVM分类器.采用支持向...     

基于暂态能量的故障选相方法研究

提出了一种基于暂态能量的超高压输电线路选相方案,在分析各种故障类型的电气量特征基础上,利用三相暂态能量构成了选相方案.理论分析和ATP仿真验证了该方案动作速度快,对故障类型,故障位置,过渡电阻及故障时刻不敏感,且不受CT 饱和,系统振荡,系统结构和运行方式的影响.     

基于暂态能量的故障选相方法研究

提出了一种基于暂态能量的超高压输电线路选相方案,在分析各种故障类型的电气量特征基础上,利用三相暂态能量构成了选相方案。理论分析和ATP 仿真验证了该方案动作速度快,对故障类型,故障位置,过渡电阻及故障时刻不敏感,且不受CT 饱和,系统振荡,系统结构和运行方式的影响。     

一种基于暂态能量的故障检测和选相方案

提出了一种基于暂态能量的超高压输电线路故障检测和选相方案,该方案利用电流行波和电压行波构成能量判据来检测区内外故障。在分析各种故障类型的电气量特征基础上,利用暂态能量构成了选相判据。理论分析和ATP仿真验证了该判据对故障类型、故障位置、过渡电阻及故障起始角不敏感,不受CT饱和、系统振荡、系统结构和运行方式的影响。     

一种基于暂态能量的故障检测和选相方案

提出了一种基于暂态能量的超高压输电线路故障检测和选相方案,该方案利用电流行波和电压行波构成能量判据来检测区内外故障.在分析各种故障类型的电气量特征基础上,利用暂态能量构成了选相判据.理论分析和ATP仿真验证了该判据对故障类型、故障位置、过渡电阻及故障起始角不敏感,不受CT饱和、系统振荡、系统结构和运行方式的影响.     

一种基于模糊逻辑的新型故障序分量选相元件

在对两种传统的序分量比相选相元件的动作特性进行深入分析的基础上 ,提出了一种基于模糊逻辑的新型故障序分量选相元件。该元件应用模糊逻辑思想 ,将Δ I·1/I·2 和 I·0 /I·2 两种序分量比相选相元件有机地融合在一起 ,充分发挥了序分量比相选相元件的优势。该元件能够仅通过故障相区的比较就实现故障选相 ,不需配合其他判别方法 ,也不需要用户进行整定计算。仿真结果表明 ,通过合理地设置选相判据的权重以及动作阈值 ,可以使选相结果基本不受过渡电阻和系统运行方式的影响 ,具有较强的鲁棒性     

利用小波变换进行故障选相

分析母小波的选取问题，强调相频特性的重要性，并选用一种复小波为母小波。首次提出利用该复小波及其快速递推算法进行故障选相的新判据。经大量仿真试验证明，所提出的新判据基本不受故障类型、过渡电阻、初相角和故障点位置的影响，可以无延时地即时判明故障相别。提出的方法具有算法简单、检测准确、抗干扰能力强、不会发生误判的优点，具有较好的应用前景。     

利用行波固有频率和原子能量熵的故障选相方法

准确识别故障信号中所含固有频率成分特征是基于该量的选相算法的核心,分析故障时相电流中所含固有频率的能量与故障类型的关系,提出一种直接分析相电流中固有频率特征的选相方法;多相短路故障时,在滤除工频分量后,各故障相中均含有显著的固有频率且频率相等,非故障相中的固有频率能量很弱:单相短路时各相均难有稳定的固有频率。应用原子分解法分析故障电流,若固有频率成分显著存在,则其对应主导原子且能量熵值最大,根据相电流中主导原子的能量熵值及其频率即可进行选相。经仿真验证,文中方法具有较理想的固有频率辨识能力,选相结果稳定,可靠。     

基于多尺度能量统计和小波能量熵测度的电力暂态信号识别方法

电力暂态信号的检测与分类在电力系统暂态保护、电能质量分析等诸多领域得到广泛的应用,暂态信号的有效特征提取是信号分类识别的基础和前提条件。在介绍了电力系统暂态信号的多尺度表示及定义用于特征提取的2种小波分析处理方法(能量统计分析和小波能量熵分析方法)的基础上,建立了单相接地短路、开关操作、电容投切、一次电弧和雷击等5种暂态类型的EMTDC仿真模型,利用能量统计分析和小波能量熵分析方法给出了5种暂态信号在不同状态下随尺度的分布规律。仿真结果表明,部分暂态信号的多尺度能量统计特征和小波能量熵测度的分布表现出一定规律性,是一种有效的特征提取方法,具有一定的可聚类和信号识别能力。该方法为故障信号的分类提供了新的思路。     

基于相关分析和模糊推理的故障选相元件

提出了一种基于相关分析和模糊推理的故障选相元件。利用电流的故障分量提取出正、负、零序电流,然后对正、负序电流进行相关分析,利用模糊集合对相关系数建立多特征判据进行选相。该方案选相快速,不受过渡电阻、故障初始角的影响,与电流突变量差选相元件相比提高了在高阻接地时选相的灵敏度和两相接地短路时选相的可靠性。仿真结果验证了该选相方案的有效性。     

小波奇异熵及其在高压输电线路故障选相中的应用

泛化的信息熵目前已在数据挖掘、信号识别和故障诊断等领域得到了广泛有效的应用。小波熵是一种典型的泛化熵测度，其在电力系统故障检测和识别中的应用具有巨大的潜力。探索各类小波熵算法的机理及其所揭示的电力系统现象本质是进一步开拓其应用的前提。对于小波熵算法之一的小波奇异熵，该文在研究小波变换、奇异值分解及信息熵理论的基础上，分析了其应用原理和本质。基于对小波奇异熵的研究，将其应用于高压输电线路的故障相识别，并提出了基于故障暂态的故障选相判据和方案。基于PSCAD/EMTDC的故障仿真结果表明：该故障选相方案能快速准确地识别各类故障，并且不易受到故障时刻、过渡电阻、故障位置等因素的影响，具有较好的适应性。     

基于小波熵和小波熵权的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题。小波分析是具有时频局部化特性的时频分析方法,在此基础上定义的小波熵具有较好的定量特征提取能力。基于此,在给出小波熵、小波相对熵和小波熵权的基本原理和定义的基础上,文章提出利用小波熵和熵权两种测度来分类和识别电能质量扰动信号,建立了各种扰动的仿真模型,对电压突降、突升、中断,振荡暂态、脉冲暂态、电压尖峰、缺口、谐波等扰动类型进行了系统的仿真分析。结果表明,不同类型扰动信号的小波熵及熵权具有不同的定性规律,小波熵及小波熵权对电能质量扰动具有一定的分类识别能力。     

基于小波变换和模糊逻辑的暂态电能质量扰动分类

针对暂态电能质量扰动现象的内在特征,提出了小波变换和模糊逻辑相结合的暂态电能质量扰动分类方法。该方法使用小波变换提取扰动的时间特征,将扰动持续时间、扰动幅度、扰动频率、电压变化率绝对值作为暂态电能质量扰动的特征向量,输入到4输入2输出的模糊逻辑推理系统,自动判别暂态电能质量的扰动类型及扰动强度。在Matlab平台上使用该方法对应用电磁暂态仿真工具EMTDC仿真得到的暂态电能质量扰动波形进行分析,效果良好,验证了该方法的有效性。     

基于电流行波能量和小波变换的输电线路故障选相研究

根据输电线路的故障行波进行故障相的识别,考虑故障时的电压初始相角对行波特性的影响,提出了针对不同电压相角区间的故障识别原理,即对线路故障进行分区讨论。利用小波变换的时频特性提取故障后各相a模电流的行波能量,根据不同故障类型中各相电流行波能量的相对关系确定相应的选相方法和判据。运用PSCAD/EMTDC得到的仿真结果表明,划分不同相角区间的思想和利用电流行波能量的相对关系进行故障选相的方法具有选相迅速、准确的特点,不受故障类型、故障时刻、接地电阻和故障位置等因素的影响,适应性良好。     

一种基于谐波小波的单相接地故障选线方法

为了提高配电网单相接地故障选线方法的精度和鲁棒性,重点分析了谐波小波的表达式及谐波小波变换算法,在这基础上提出了一种基于谐波小波的单相接地故障选线方法.该方法首先在线路出口处并联谐振滤波装置,改变线路出口处的特征阻抗,然后将采样到的故障信号运用谐波小波变换算法完成对暂态电流特征频带内电流成分提取,最后通过比较特征频带内暂态电流能量幅值及能量衰减系数实现故障选线、选相.仿真实验表明该方法选线精度高而可靠,具有较高的工程应用价值.     

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。