基于多特征融合的交流系统串联电弧故障诊断

为实现对用电系统低压端串联电弧故障的准确诊断,根据交流系统中低压串联电弧故障的奇异性、能量特性及不确定性,通过自主搭建的电弧故障模拟实验平台及不同负载下的串联电弧故障模拟实验,提出一种基于多特征融合的串联电弧故障诊断方法。该方法根据信号不同特性,结合小波变换理论对经降噪预处理后的采样信号进行主成分分析,提取各频段特性对信号的贡献率,并以信号3种特性中最大贡献率所在频段的空间位置关系作为特征向量构成1?3阶信号特性分布矩阵;将此矩阵作为网络的输入向量,利用改进多层前馈神经网络构建特征向量与电弧故障之间的映射关系。测试结果表明,该方法可减小电弧燃烧对诊断结果的影响,实现对串联电弧故障的诊断分类。     

基于小波变换的故障电弧检测方法研究

描述了故障电弧的危害、定义及检测方法分类。提出了一种基于Daubechies 4阶小波变换的故障电弧检测方法。通过试验分析证明,其具有计算简单、实时性强等特点,能有效检测线路中是否有故障电弧产生。     

基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法

针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。     

基于小波变换的小电流接地系统电弧故障选线

小电流接地系统单相接地故障时往往伴随着电弧的产生，故障电弧带来了很多高频分量，这也是目前许多选线装置不可靠的重要原因所在。利用故障电弧引起的奇异特征，用小波奇异性检测原理对故障零序电流进行大量的仿真。仿真结果表明，本小波选线算法在发生电弧故障时也能正确选出故障线路，同时也说明了此方法的准确性、可靠性以及高适应性。     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

基于小波变换模极大值的SPD故障诊断技术

使用复合波诊断以ZnO压敏电阻为主要元件的SPD的故障中电压信号的突变点往往携带SPD运行状态的重要信息。基于小波分析的信号奇异性检测理论可通过检测信号小波变换模极大值点来确定信号奇异点,通过分析信号模的极大值及其出现位置诊断SPD的故障。籍此理论分析了不同故障类型的SPD复合波冲击下的电压信号,证明使用小波分析模极大值诊断SPD故障的方法行之有效。     

基于小波变换的TWERD变频器故障诊断研究

以TWERD变频器为研究对象,分析了三相SPWM逆变器的工作原理和故障类型,研究了该类型变频器在正常运行和故障状态下的输出线电压波形。根据故障信息和输入及负载变化时的不同数据,对变频器输出线电压进行小波变换,提取其低频能量值作为特征向量,再利用BP神经网络建立特征向量与故障类型的映射关系,确定变频器故障桥臂和故障点。仿真结果表明经过46次训练后,诊断准确率达到96.5%以上,收敛速度快,精度高。     

基于小波变换模极大值的输电线路单端故障定位

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离,但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上,利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法,能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明,该方法切实可行。     

基于改进经验小波变换多特征融合的航空交流串联电弧故障检测

针对时频域分析方法经验模态分解（EMD）在处理电弧信号上存在模态混叠现象,提出一种基于改进经验小波变换（IEWT）多特征融合与极限学习机（ELM）的电弧故障检测方法。该方法首先将电弧电流信号进行IEWT变换,自适应分解为5个经验模态分量（EMFs）,提取EMFs的权重能量熵、EMF4的样本熵及EMF1的方均根值作为特征量。在进行数据标准化后,将3个电弧故障特征融合并形成多维特征矩阵,最后通过ELM进行故障识别。在分析中对IEWT和EMD分解进行比较,结果表明,IEWT方法要优于EMD对信号的处理,并且在多特征提取下也避免了单一特征造成的误判,再结合ELM可以准确识别出电弧故障,经试验验证平均准确率为97.85%。     

基于小波能量矩的航空交流串联电弧故障识别算法研究

针对现有串联电弧故障识别方法会受到线路中串联的非线性负载、电感性负载影响导致工作状态误判的问题,提出了一种基于小波能量矩的串联电弧故障特征提取方法。对串联电弧故障发生试验采集到的电流数据进行多分辨率小波分解,将分解得到的小波能量矩作为回路电流信号的特征量,找出工作状态区分明显的特征向量。利用参数寻优后的K最近邻算法进行特征分类,进而识别出线路中发生的电弧故障。分类验证结果显示,该方法提取的回路电流特征明显,分类算法简单,对电弧故障的识别率较高。     

基于小波变换的电力系统故障暂态信号分析

介绍了连续小波变换定义.小波变换具有良好的时频局部化特性,并可根据信号频率的变化自动调节时频窗口,因此小波变换十分适合电力系统故障产生的暂态信号的分析.电力系统故障暂态信号的小波变换模极大值标志着电力系统最重要的故障特征,可以作为继电保护和故障测距的依据     

基于小波变换的超高速行波保护和故障定位算法

提出了利用故障后产生的电流行波实现输电线路超高速保护和高精度故障定位的算法。借助于小波分析工具,将电流行波信号进行小波变换,通过分析线路两端电流行波初始波头模极大值的极性来判别区、内外故障;同时利用模极大值对应的时间差来实现故障距离的测定。论文详细分析了影响行波保护和故障定位的各种因素,提出了相应的应对措施。大量的PSCAD/EMTDC仿真结果表明,算法能够实现线路超高速保护和高精度故障定位双重功能。     

基于小波变换的超高速行波保护和故障定位算法

提出了利用故障后产生的电流行波实现输电线路超高速保护和高精度故障定位的算法。借助于小波分析工具,将电流行波信号进行小波变换,通过分析线路两端电流行波初始波头模极大值的极性来判别区、内外故障;同时利用模极大值对应的时间差来实现故障距离的测定。论文详细分析了影响行波保护和故障定位的各种因素,提出了相应的应对措施。大量的PSCAD/EMTDC仿真结果表明,算法能够实现线路超高速保护和高精度故障定位双重功能。     

基于小波变换的行波差动保护

行波差动保护在原理上具有灵敏可靠及良好的选择性等优点,而且不受分布电容电流、母线结构、过渡电阻、电流互感器饱和等因素的影响.但传统的行波差动保护要求实时传送所有高速采样数据,目前的通信手段难以胜任;若降低采样频率,则保护的灵敏度和可靠性将会降低.文中在对行波的小波分析的基础上,提出了基于小波变换的行波差动保护原理和算法.新的保护仅利用行波故障信息中的关键信息--行波波头信息,显著减少了数据通信量,使之能够适应现有的通信手段,同时提高了保护的灵敏度和可靠性.分析和仿真表明该保护动作快速、灵敏、可靠,可作为超(特)高压输电线路主保护.     

基于小波包变换和神经网络的逆变器故障诊断

本文提出了一种基于小波包变换和神经网络的PWM逆变器故障诊断方法。利用小波包分解的分频特性对逆变器机侧电流信号进行小波包分解,求得故障特征频率相应子频带的信号能量值,将此作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。仿真结果表明该方法的有效性。     

一种基于小波变换的超高压线路故障选相方法

为了在超压线路发生故障时能够实现快速选相,基于故障行波的特点和小波变换的奇异性检测原理,提出了一种故障选相方法。由各种故障类型的边界条件,经过相模变换公式推导出故障点电流各模分量小波变换的模极大值满足的基本关系,得到选相简化判据并进行了改进。仿真表明,该选相方法对任何故障相角、过渡电阻、故障位置处发生的各种类型故障都能准确识别。     

基于小波变换的变压器励磁涌流识别方法

用Matlab构建变压器励磁涌流和内部故障电流仿真模型,利用小波函数对得到的波形进行多尺度辨析,通过观察小波变换的模极大值在多尺度下的演化趋势,确定波形奇异性,从而定性地区分励磁涌流和内部故障电流的小波判据。通过设定不同的变压器参数,并进行仿真,可证明此方法可以很好地识别变压器励磁涌流和内部故障电流,有效避免由于误判而引起的变压器差动保护误动。     

小波变换在变频机组定子故障诊断中的仿真研究

在变频机组运行过程中,定子突然出现故障是变频机常见故障之一,严重时会造成重大的经济损失和恶劣的社会影响。定子突然出现故障时,无论是外部故障还是内部匝间短路故障,它们的共同特征就是定子电流会产生突变信号。小波变换模的极值点常对应于信号突变点。利用Matlab/Simulink模块建立了变频机组定子的外部故障和内部故障模型。利用小波变换模极大值方法对两种故障模型进行了诊断,不但能够检测出故障,而且还能对故障发生的时刻进行准确的定位,实现了变频机组的实时诊断。