一种基于LCD-Hilbert变换和奇异谱熵的配电网暂时过电压类型识别方法

针对当前电力系统配网领域的过电压识别问题,提出一种基于时频分布特征的配电网暂时过电压分类识别方法。在暂时过电压中,单相金属性接地过电压的三相电压能量分布均匀度最低,间歇性弧光接地零序电压的直流分量最高,铁磁谐振零序电压信号在幅值和频率集中频带上存在很大差异。计算零序电压能量贡献率、零序电压平均值和三相电压奇异谱熵,提取过电压信号的时域能量分布特征;采用局部特征尺度分解(LCD)和Hilbert变换结合带通滤波算法计算零序电压重心频带,提取过电压信号的频域能量分布特征;结合阈值判别法实现暂时过电压类型识别。该方法不需要分类器,算法简单,计算时间少。仿真和实验表明该识别方法在不同故障条件下均有更高的识别率。     

330 kV变电站过电压仿真分析及分类识别

随着电网的不断扩展,电力系统过电压对输电线路和电气设备造成的危害日益严重,研究电网过电压信号对有效遏制过电压和完善系统绝缘具有关键意义。以某330 k V变电站为例,基于ATP-EMTP构建过电压仿真模型,取得单相接地、空载变压器合闸、电容器组合闸、空载线路合闸、直击雷以及感应雷6种典型过电压波形;然后采用时域与小波分析法提取电压有效值、陡度、小波能量等14个具有良好差异性的特征量;构造了基于SVM的过电压种类识别结构,用以对过电压特征量在每层SVM中进行选择。仿真计算结果表明,上述6种过电压平均识别率为87.9%,识别速率约1 s。该方法识别精确率高,运行速度快,可满足对电网过电压自动识别的工程要求。     

基于小波奇异熵和支持向量机的配电网故障类型识别

准确识别故障类型是实现配电网故障定位的前提。应用小波变换技术提取反映接地故障特征的零序电压低频信号能量,应用小波变换和信息熵相结合的方法提取三相电压的小波奇异熵。以零序电压低频能量和三相电压的小波奇异熵为输入特征量,以相别A、B、C和地G为输出量,建立了四输入四输出的SVM故障类型识别网络。应用ATP/EMTP搭建配电网仿真模型模拟了各种故障条件下的各种故障类型。仿真分析表明,该方法能够快速准确地识别各种故障类型,且不受过渡电阻、故障位置等的影响。     

基于小波奇异熵和支持向量机的配电网故障类型识别

准确识别故障类型是实现配电网故障定位的前提.应用小波变换技术提取反映接地故障特征的零序电压低频信号能量,应用小波变换和信息熵相结合的方法提取三相电压的小波奇异熵.以零序电压低频能量和三相电压的小波奇异熵为输入特征量,以相别 A、B、C和地G为输出量,建立了四输入四输出的SVM故障类型识别网络.应用ATP/EMTP搭建配电网仿真模型模拟了各种故障条件下的各种故障类型.仿真分析表明,该方法能够快速准确地识别各种故障类型,且不受过渡电阻、故障位置等的影响.     

基于S变换局部奇异值分解的过电压特征提取

针对实测过电压信号波形不规则、不易识别问题,根据矩阵奇异值的特点,提出了一种采用S变换和局部奇异值分解的过电压特征提取方法。首先通过S变换得到过电压发生时零序电压的时频模值矩阵,然后对矩阵进行划分,计算各个子矩阵的最大奇异值,利用最大奇异值在不同频带以及整个时频空间的分布差异来构造过电压特征量。对变电站实测的感应雷过电压等五种过电压信号的计算表明,所提取的特征量维数低,对过电压信号随机扰动具有相对稳定性,能提取出过电压的本质特征。     

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。     

基于多尺度数学形态学和高低频能量比值的海上风电场内部瞬态过电压特征分析

目前,海上风电场集电系统因电气设备频繁操作或故障所引起的高频瞬态过电压尤为严重。为识别不同类型下海上风电场内部过电压的瞬态特性,该文首先提出一种多尺度数学形态学信号特征提取方法,构建形态学结构元素新算子,运用多尺度数学形态分解方法提取瞬态过电压的高低频成分,构建适用于识别海上风电场内部瞬态过电压类型的时域特征量。再基于所构造的高频特征量和高低频能量比值识别特征量,结合支持向量机分类器模型对典型的内部瞬态过电压分类识别。仿真和试验研究表明,所提出的数学形态学算法相对于传统的小波算法,构造的特征量区分度更明显,可以准确地识别过电压类型,为海上风电场变电站电气设备的电压保护整定和绝缘配合奠定基础。     

小波分析在变压器绕组故障识别中的应用

利用小波技术分析了绕组单点局部放电、2 点局部放电模式下绕组各分段检测到的电压波形特征,计算了故障电压信号分解重构后低频与高频部分的小波能量函数值。计算结果表明,小波分析所得到的能量函数能较好地提取绕组中局部放电故障的信号特征,可为绕组局部放电模式识别和故障定位提供指导。     

基于小波包多分辨率分析的输电线路过电压识别

输电线路遭受雷击时,往往会造成保护的误动,因此进行过电压识别对研究基于暂态量保护及提高其可靠性都具有十分重要的意义。故障暂态信号的高频分量中包含了非常丰富的故障信息。利用小波包对暂态信号的前1 ms信息进行多分辨率分析,得出其在各个尺度的系数。发现故障信号在高频段和低频段的能量分布特点反映了故障的内在特性,利用这个特点对输电线路上的非故障性雷击、故障性雷击以及普通短路故障进行过电压识别,以提高保护的可靠性。大量的ATP仿真实验验证了该判据能可靠、准确地识别出3种过电压。     

基于阈值判断和支持向量机的电网实测过电压识别

过电压严重危害电网的安全稳定运行。目前,许多变电站已配置了可记录过电压波形的过电压在线监测装置,从而为过电压识别提供了基础条件。快速、准确识别出过电压种类对确定过电压发生原因及在此基础上开展检修工作具有指导意义。为此,提出了一种基于阈值判断和支持向量机的电网过电压识别方法,对暂时、操作以及雷电共11种过电压进行识别。在变电站采集得到共480条实测过电压波形数据,采用时域分析、频域分析和小波分析等数学方法相结合、多角度地提取过电压特征量,并将这些特征量输入由阈值判断和多级支持向量机构成的模式识别结构中进行识别。识别结果证明,所提特征量维数低、具有较大区别性,采用的识别方法准确性高、速度快,该识别方法可以较好地适用于对电网暂时、操作以及雷电过电压的识别。     

基于小波熵的直流系统环网接地故障诊断

针对直流系统中环网对接地故障检测的影响,在传统低频信号注入法的基础上提出了一种新的基于小波熵理论的直流系统环网接地故障检测方法。该方法利用小波分析具有时频局部化特性和熵能对系统状态表征的特点,将小波分析和熵结合起来完成信号的特征挖掘。通过低频信号注入,采集环网状态,计算小波熵作为系统的特征参数,以小波熵来识别不同情况的接地故障。仿真分析证明,小波熵能够反映环网发生接地故障前后的系统变化,用小波熵来提取环网故障信息并进行故障识别是一种行之有效的方法。     

基于多维结构熵的智能电网信息管理系统复杂性评估

智能电网信息管理系统复杂性评估是智能电网研究的新内容,目前尚无成形的理论。研究了智能电网信息管理系统的复杂性特征,提出了基于结构熵的复杂性评估方法,从系统主站层、通信网络层、智能终端设备层3个层面对智能电网信息管理系统的各个复杂性测量因素进行计算。在引入管理功和多维熵空间尺度理论的基础上,建立了基于多维结构熵的智能电网信息管理系统复杂性评估模型。该模型可以评估系统内部各层复杂性和整体复杂性,为系统的设计研发、运行维护和后续优化提供参考。以某市的智能电网信息管理系统为例,验证了模型的合理性。     

基于信息融合理论的电力系统预测方法研究

针对电力系统大而复杂的特点 ,分析了以往各种预测法对电力系统预测精度提高的有限性 ,提出了一种基于信息融合理论的电力系统预测法。依据对信息融合熵的定义 ,提出并证明了信息融合的有效性和熵最大压缩两定理。基于此 ,给出了基于信息融合理论的电力系统预测方法的依据、准则和步骤。通过对信息融合的信息量增加定理和基于信息融合理论的电力系统预测误差减小定理的提出与证明 ,以及实际算例 ,都充分说明了该方法的可行性和优越性     

基于信息熵最优约简算法的电网故障诊断模型

介绍粗糙集理论及信息熵约简方法,应用粗糙集理论对电网故障样本数据进行分析统计,建立决策表,采用信息熵约简算法对其进行条件属性约简,得到一组最小知识系统,再用粗糙集值约简方法对其进行简化,得到一组故障诊断的最小决策规则集,结合模型进行分析,证明该方法简便、快速、有效。     

基于DSP的变压器振动信号的小波能量谱熵提取

变压器器身的振动信号含有丰富的故障信息,利用振动法进行变压器运行状况的在线监测已经成为变压器故障诊断的研究重点之一。结合小波变换与信息熵的理论,采用变压器振动信号的小波能量谱熵作为故障诊断的特征信号,同时利用DSP芯片TMS320F2812作为核心芯片,设计并完成对变压器振动信号的采集和小波能量谱熵的提取。结果表明,变压器正常运行与故障运行时的小波包能量谱熵存在差异。因此,该方法能够有效提取变压器振动信号的特征值,为后续故障诊断提供有力的依据。     

电力暂态信号小波分析的后处理方法研究

由于电力系统暂态信号经小波变换后信息繁多,需要研究对小波分解的大量信息进行恰当后处理和自动特征提取的方法。文章从定量分析的角度介绍了小波分析后处理的概念,探讨了几种电力系统暂态信号小波变换后的特征提取方法,即后处理方法,包括模极大值与奇异性分析、能量分布分析、小波系数聚类分析、小波系数统计分析、小波熵分析,以及将其用于电力系统故障检测和分类的物理意义。对一种新型后处理方法小波奇异谱熵在频变系统中的应用进行了仿真分析,结果表明该后处理方法可应用于电力系统设备和线路的故障检测。     

电力通信可靠性评价体系的隶属函数构建

基于信息熵,构建了“典型排序”在模糊集上的隶属函数,证明了构建方式的合理性,是一种结合德尔斐专家调查法和熵权法的分析方法,且构造方式简单。利用信息转换参量,将“典型排序”转化为度量指标信息的相对重要性系数。结合电力通信系统评价指标体系,讨论了信息转化过程中“转化失真”对权重的影响,通过信息转化参量的最优取值减小了失真,计算并讨论了可靠性综合指数及其意义。     

小波包-最大熵谱估计及其在水轮机故障诊断中的应用

充分利用小波包(WP)的时频局部化分析能力和最大熵谱估计(MESE)的频谱细化优点,提出了一种新的谱分析方法——小波包一最大熵谱估计(WP-MESE)。该方法能对振动信号进行多分辨分解,提取故障特征信息,进而进行精确的频谱分析;并运用此法有效地提取了水轮机轴系动态特性信息。实践证明该法是提取微弱故障信息并进行早期诊断的有效方法。     

基于粗糙集理论的变压器故障诊断方法

将一种基于粗糙集理论的信息熵约简方法应用于变压器故障诊断问题中。首先应用粗糙集理论将电力变压器故障历史数据进行分析统计,建立决策表,然后采用信息熵约简算法对其进行条件属性约简,求取一组最小约简知识系统,并采用粗糙集约简方法对新系统进行简化,得到一组故障诊断的最小决策规则集。方法大大减小了编码的工作量,避免了约简属性组合查询及缺少关键属性时规则匹配所带来的不便,所以运算速度也会相对加快。最后结合实例分析,证明该方法的简便及有效性。     

雷达发射机测试性验证试验方案样本量优化

随着装备系统测试性验证的开展,雷达发射机系统中存在着故障样本数量庞大、试验周期长、试验成本高的问题,提出一种基于改进信息熵和Bayes后验风险准则的方法,对故障样本量进行优化。首先以雷达发射机系统子部件的虚拟试验数据为基础,采用改进信息熵的方法,通过折合系统子部件的虚拟先验信息,得到其系统级试验数据,确定先验分布;再通过Bayes后验风险准则方法,确定试验样本总量与最大允许失败次数,即确定试验方案。以雷达发射机系统的故障检测率为例,在保证双方指标要求的前提下,采用本文所提方法获得的测试性试验故障样本量为165,与经典抽样和序贯概率比检验方法相比,故障样本量分别减少了64.97%和51.18%,在一定程度上验证了本文所提方法的有效性。