基于小波变换的交流系统串联电弧故障诊断

为实现对用电系统低压用户端中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特性,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,本文提出一种基于小波变换的串联电弧故障诊断方法。该方法首先采用极大极小原理对信号进行降噪处理,并结合小波变换模极大值对信号进行多分辨分析;将三阶Daubechies小波基函数提取出的各频段细节信号模极大值作为网络输入的特征向量,利用基于阻尼最小二乘法改进的多层前馈(Back Propagation,BP)神经网络构建特征向量与电弧故障之间的映射关系进行故障诊断分类。测试结果表明,该方法可有效实现交流系统中串联电弧故障的诊断分类。     

基于多特征融合神经网络的串联电弧故障识别技术

传统低压保护装置如低压断路器、熔断器等无法有效检测出由于接触不良、绝缘失效等导致的串联电弧故障,因此如何准确检测串联电弧故障成为目前研究的热点问题.为此,采用基于电流波形的检测方法展开深入研究,通过搭建电弧故障平台模拟串联电弧故障,获得了不同负载下正常和电弧故障的数据;然后在此基础上建立了多特征融合的神经网络算法,并利...     

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%。     

基于多特征融合的光伏系统串联直流电弧故障识别方法

针对目前光伏系统中存在的串联直流电弧故障特征量少、识别定位困难等问题,提出一种基于多特征融合的光伏系统串联直流电弧故障识别方法。首先搭建实验平台,采集正常和串联直流电弧故障下的电流信号并利用小波变换进行降噪;其次,对降噪后信号提取时域上的电流均值变化率和电流周期最值差特征量,并提取频域上的各频带能量及能量比,利用集合经验模态分解（ensemble empirical mode decomposition, EEMD）得到各阶信号本征模态函数（intrinsic mode function,IMF）,计算各阶IMF故障信号与正常信号余弦相似度,并提取相似度较低电弧的IMF能量熵特征;然后,以时域、频域、能量熵特征构成多维特征向量,构建故障电弧特征空间,通过实验确定故障空间边界参数,得到特征判据,根据多维特征判据实现直流电弧故障检测;最后,通过实验分析验证所提方法的准确性。     

基于经验小波变换复合熵值与特征融合的故障电弧检测

针对电力系统交流配电线路中串联故障电弧易引发电气火灾且检测精度不高的问题,提出一种基于经验小波变换(empirical wavelet transform,EWT)复合熵值与信号特征融合的故障电弧诊断方法。首先搭建故障电弧实验平台,对典型负载实测电流归一化处理,利用经验小波变换进行频谱分割并提取出具有紧支撑的模态分量,根据燃弧前后信息熵熵减分析选取特征分量。为反映时频多域细节复杂度特征,提取时频域特征分量复合熵值与时域敏感特征组成多域高维特征,利用主成分分析(principal component analysis,PCA)选取累积贡献率高于90%的主元实现特征降维融合,最后输入概率神经网络(probabilistic neural network,PNN)验证检测精度。结果表明,融合特征较单域特征检测精度更高,选用负载最低诊断率达98%验证了该方法的有效性。     

低压交流串联故障电弧辨识方法

故障电弧是影响配电网络安全可靠运行的主要问题之一,研制故障电弧保护开关能够有效降低因故障电弧引发的电气火灾事故,从而保障配电网络安全可靠运行。但故障电弧辨识因线路负载、燃弧条件等原因而存在一定复杂性,该文在分析电弧燃烧特点的基础上介绍了一种多特征融合的故障电弧辨识方法。首先,借助高速相机在微小时间尺度内分析了燃弧特性,电弧不稳定性影响回路电流谐波含量;然后,从时域、频域和信号无序度三个方面分析了回路电流在线路正常和发生电弧故障时的差异,并提取了电流平均值、谐波幅值、小波能量熵三个特征量,结合各种负载特征变化的共同点确定了线路正常与故障的特征量阈值范围;最后,通过制作样机对故障电弧辨识方法的有效性和稳定性进行了验证。结果表明,所述方法在实际工程应用中的平均辨识准确率为90%,满足工程应用中的准确性和稳定性要求。     

基于HCMAC神经网络的故障电弧检测方法

低压故障电弧电流的有效值往往小于热脱扣器的动作电流,导致传统的电路保护装置失效.模拟低压电气线路中的故障电弧,利用电流采样装置对故障电弧电流进行采样.在分析故障电弧电流波形特征的基础上,利用HCMAC神经网络对电流波形的各周期均值、斜率和小波变换高频系数三个判据进行综合评判,有效克服了单一判据的局限性.仿真结果表明,基于HCMAC的故障电弧检测方法可有效识别故障电弧特征,提高辨识故障电弧的准确率.     

基于电压特征能量的低压交流串联电弧故障检测方法

串联电弧故障电流波形受负荷类型影响较大,利用电流特征构建通用故障判据难度较大。为识别故障点电弧电压,提出了一种基于电压特征能量的串联电弧故障检测方法。首先,通过分析故障点电弧电压及监测点故障电压特征规律,对故障信息的特征频带选择进行了论证。然后,以不同负荷下的电弧电压波形特征归类为依据,提出了基于电压特征频带全域能量幅值和敏感相位域能量相位信息的故障检测方法。最后,利用全域总能量幅值和敏感域能量相位映射统计比实现了综合故障检测策略的构建。试验结果表明,所提方法在不同线路参数和测试负荷下的故障检测准确率超过了98%且无误检发生,验证了其有效性。     

基于Camberra距离的串联电弧故障诊断方法

为进一步降低低压电弧故障的误识率,针对串联电弧故障,提出一种基于脉冲信号变换的Camberra距离诊断方法。将负载电流转变为脉冲波,随机电弧故障表现出脉冲波的非周期波动。通过脉冲宽度的时间序列数值差分提取电弧故障的随机特征,构造出基于差分序列统计特性的故障特征向量。特征向量点值图呈现出明显的聚类特征。根据特征向量的Camberra距离分析结果与脉宽特征,给出电弧故障误识别问题的解决方法,确定了电弧故障的诊断算法。参考UL1699的电弧故障仿真试验和实际样机测试结果验证了该方法的可行性和较高的可靠性。     

基于电弧电流高频分量的串联交流电弧故障检测方法

通过分析典型负载下电弧电流高频分量在时域与频域表现出的不同特征,提出一种串联交流电弧故障检测方法。该方法利用电弧电流变化率与其有效值的比值以及6~12k Hz频段电流幅值这2个特征参量进行串联交流电弧故障识别;并利用负载启动电流持续时间远远小于电弧电流持续时间的特点,设定电弧故障检测时间阈值,降低负载启动过程对串联交流电弧故障检测的影响。试验结果表明,所提方法能够实现串联交流电弧故障的快速检测,对硬件要求相对较低,简便易行。     

电力电子电路多源特征层融合故障诊断方法

设计了一种多源信息特征层融合的故障诊断方法,应用在电力电子电路的诊断过程中.选择待测电路的节点电压和重要支路电流作为融合对象,利用小波变换和主成分分析对数据进行预处理和特征提取,采用间隔交叉的方式将电压特征矢量和电流特征矢量联合形成特征矢量,通过神经网络对联合特征矢量进行推理分类,得到故障诊断结果.以Buck-Boost电路为诊断实例,对比分析了选择不同特征融合对象对故障诊断结果的影响,实验结果证明该方法可以明显提高电路诊断率.     

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。     

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。     

基于MATLAB的电弧建模仿真及故障分析

单相电弧接地故障是中压配电网中的主要故障形式,建立准确的接地电弧模型对于故障分析是十分必要的。文中在MATLAB平台上构建了基于弧隙能量平衡理论的接地电弧模型,通过与实测波形相比较,证明该电弧模型能有效地反映实际接地电弧的特性,并利用小波变换,提取电弧电压、电流的暂态信息,对故障信号的奇异点进行分析,确定故障时刻。     

模拟电路故障诊断的多小波神经网络算法

提出了基于多小波变换和能量归一化预处理的模拟电路故障诊断多小波神经网络算法.这种方法能够有效提取故障信号特征,从而减少小波网络训练时输入层和隐层节点的个数,减小网络的规模,降低计算的复杂度,也加快了训练速度.最后在Matlab和模拟电路仿真软件IsSpice4下对算法的收敛性能进行了仿真比较,结果表明基于多小波变换的算法能够对模拟电路的故障进行有效诊断和定位,而且收敛速度比小波包变换更快一些.     

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。