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。     

基于差值-均方根法的故障电弧检测的研究

在对原故障电弧检测方法进行研究和总结的基础上,根据故障电弧发生时电流波形呈现的随机性特点,提出了一种基于差值一均方根法的故障电弧检测方法。经过不同负载、不同功率条件下的大量试验,结果验证了该方法能有效区分故障电弧和正常电弧,以及扰乱负荷,简单可靠,具有重要的理论价值和实际意义。     

基于自组织映射网络的电动机故障分类识别

电动机作为一种主要的驱动设备广泛地应用于各个工业领域,如何及时确定电机故障原因、类别及故障严重程度,是电机可靠运行的重要保障。SOM神经网络采用的是无教师学习的自学习方式,无需在训练或学习过程中预先指明这个     

基于邻波电流差与随机性的交流串联电弧故障识别

低压电力线路的交流串联电弧故障易引发电气火灾,造成人身财产损失。根据故障的电流突变量幅值与电流变化量的电弧随机性特征,提出了基于电流邻波绝对差与随机性的电弧识别方法。该方法基于故障前后的电流突变量变化规律,以突变幅度作为故障启动判据。然后根据故障周期间电流变化量在不同负载种类、气隙间距下的电弧随机特征时域分布,构建了电弧故障存在性判据。最后通过一维卷积神经网络综合识别电弧故障。当故障支路负载功率占比20%时,所提方法使用未训练干路数据的平均检测准确率为90.97%,可有效检测串联电弧故障,具有较好的适应性。     

基于改进的自组织特征映射网络的电能质量检测与识别

针对电能质量扰动信号频谱广(从0～数兆赫兹)、不同扰动信号之间相互叠加的特点,采用小波变换和神经网络(ANN)相结合的方法对电能质量扰动信号进行识别.利用db4小波对IEEE定义的9种电能质量扰动信号进行粗略分类,提取扰动特征信号;与其他文献中不同的是,这里利用一些少量的已知样本对权向量进行初始化,对网络进行非强制性的修正,确定收敛准则,自适应调节学习速率等,从而对自组织特征映射(SOFM)网络进行改进,利用有限的学习样本对神经网络进行训练,提高神经网络分类的精度.用改进的自组织特征映射网络对电能质量扰动信号进行Matlab仿真,结果表明达到了较好的分类效果.     

基于自组织映射网络的峰值负荷预测方法

应用扩展自组织映射网络研究了电力系统峰值负荷预测问题。在传统的Kohonen自组织映射(SOM)网络的学习算法的基础上,为了提高电力系统峰值负荷预测的精度,进一步提出了一种扩展的自组织映射算法。在这个SOM网络中,除了权矩阵外,还有一个输入输出对的局部梯度(Jocobian)矩阵也被存储在神经元中。这样,在输出空间中梯度信息围绕输出权值产生了一个一阶扩展,便可得到一个输出的改进估计值。同时,提出了一个Jocobian矩阵的生成算法。最后采用纽约市的电力负荷数据为研究对象,证明了所提出方法的有效性。     

基于自组织特征映射网络的锅炉漏风模式识别

提出了锅炉漏风模式广义特征向量和冗余特征向量等概念，并在此基础上建立了基于自组织特征映射网络(SOM)的锅炉漏风运行模式识别模型，给出了具体的仿真试验结果。     

基于深度置信网络的三相串联故障电弧检测方法

针对三相串联故障电弧的研究大多只是提供一种能够识别出故障电弧的方法,没有考虑用于工业实时检测的可能性,提出了一种基于深度置信网络的故障电弧检测方法。首先,通过搭建三相异步电机故障电弧实验平台获取不同故障情况下的电流数据,并利用提升小波变换对其进行去噪;其次,通过核主成分分析法KPCA(kernel principal component analysis)提取去噪之后的数据的主成分,减少需要分析的变量;最后,通过PSO优化的DBN网络进行故障识别,与BP神经网络和极限学习机相比,其检测速度更快且准确率达到了98.8%,为应用于实时检测提供了可能性。     

基于电流相似度与高频能量的串联故障电弧检测方法

故障电弧是引起电气火灾的重要原因,针对非线性负载工况下故障电弧保护算法的误动作和拒动作问题,提出一种基于电流相似度与高频能量的串联故障电弧检测方法。参照标准搭建故障电弧实验平台并进行实验,从时域、频域角度分析电弧电流特征。采用小波函数预处理电流信号,选取电流低、高频特征量。设定故障电弧特征量阈值,以此为基础提出故障电弧识别算法。实验结果表明,该算法能够准确识别多种负载条件下的故障电弧,且未发生误动作和拒动作。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常...     

基于非对称卷积神经网络的电弧故障检测系统

串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。 根据低压串 联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。 针对串联电弧故 障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映 射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。 之后,为了不增加时间开销,同时改善模型的识别效能,使 用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。 最后,利用容器封装 已训练好的故障识别模型,实现故障信息的快速分析。 验证表明,所提方法对串联电弧故障的识别率达到 99. 95%,具有良好的 识别效果。     

基于XGBoost的配电网高阻接地故障检测方法

配电网高阻接地故障具有电气量微弱、与正常运行工况相似等特点,因此难以检测。针对传统指标阈值法常由经验整定,在复杂环境下适应性较差、灵敏性不足等问题,提出一种基于极端梯度提升(extreme gradient boosting, XGBoost)的配电网高阻接地故障检测方法,以避免复杂的阈值整定。首先,通过建立10 kV中压配电系统高阻接地故障的等效模型,获取高阻接地故障和正常运行工况的零序电流数据。然后,在对数据进行归一化处理的基础上,利用XGBoost直接从原始量测信息中学习其与高阻接地故障的映射关系,构建高阻接地故障检测模型,以降低因特征提取产生的误差。最后,大量仿真结果表明,所提方法对高阻接地故障检测具有较好的灵敏性和速动性,并且在噪声和数据缺失等情况下表现出较强的泛化能力。     

基于时频域分析和随机森林的故障电弧检测

针对生活用电器品种繁多,不同类型用电器之间的故障电流与正常电流波形可能类似,导致传统的故障电弧识别方法不能有效检测的问题,提出一种时频域分析与随机森林结合且适用于多种典型负载单独或混合工作的串联型低压故障电弧识别方法.根据收集到的多种负载频谱与纯阻性负载频谱的相关系数,将负载分为开关电源型负载和非开关电源型负载,分别训...     

基于短路电流小半波特征的短路故障快速检测方法

为使超高压输电线路上的限流器在短路早期快速投入,短路故障快速检测方法的研究至关重要。首先分析了短路电流暂态特征随故障初相角等因素的变化规律,发现部分故障初相角短路工况下电流呈现小半波特征的现象,此时传统检测方法难以满足速动性的要求。然后提出了一种基于短路电流小半波特征的检测判据,利用电流瞬时值或变化率的零点间隔作为检测量,与传统检测判据配合,实现了任意故障初相角下的短路快速检测,并保证了在负荷投切等干扰工况下的可靠性。最后通过离线仿真、现场短路试验验证了该方法的有效性。结果表明所提方法能在2.9 ms内辨识出短路故障。     

基于混沌分形理论的故障电弧诊断方法研究

引入混沌分形理论,从混沌空间域角度分析故障电弧的内在演化规律和电弧特性,提出一种基于混沌分形理论的故障电弧诊断方法.通过重构相空间和盒维数、关联维数、最大Lyapunov指数等对电弧电流的混沌分形特性进行定性、定量分析,形成电弧的空间域特征向量,构建故障电弧诊断模型.针对低压用电系统中空气压缩机、开关电源等负载线路,对...     

基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

基于小波多分辨率分析和自组织映射网络,提出了一种电力系统电能质量扰动问题的分类识别方法.在多分辨率分析中,利用小波方程和尺度方程可以对信号进行多层分解.对各层信号进行统计分析得到标准差,相当于对分解后的信号进行了特征提取,可以反映信号的离散度并作为各层的特征值,且特征明显、数值量小.对得到的特征值,采用自组织映射网络进行聚类分析,就可以实现电能质量扰动类别的智能判断.仿真结果表明该方法判别精度高、速度快,可供电能质量问题的监测分析参考.     

基于电弧电磁辐射的故障电弧识别

随着用电系统中非线性负载的增多,根据故障电弧的电压电流特征进行故障电弧识别容易发生故障电弧的误判别。针对该问题,本文自主搭建了故障电弧模拟试验平台,并在不同负载下进行了串联故障电弧的模拟试验。在试验分析的基础上,提出了一种基于电弧电磁辐射信号的故障电弧识别方法,通过故障电弧时域信号的模极大值提取,得到故障电弧的电磁辐射信号特征值,并根据该特征值进行故障电弧的识别。试验结果表明,在计及距离衰减、屏蔽、非线性负载干扰以及传感器测量方位等影响因素的条件下,该方法能够实现故障电弧的有效识别,提高了故障电弧的识别准确率。     

触电事故特征改进近似熵检测方法

为了有效减少人身触电事故的发生,针对低压系统,给出一种基于近似熵的触电特征快速检测方法。利用滑动时间窗计算单通道测量所得总剩余电流的近似熵值。根据近似熵变化规律识别触电事故特征。并针对近似熵算法存在的计算冗余问题,提出一种改进近似熵算法,以此减少触电特征检测时间。对IEC人体电阻抗模型、实验用兔和小树枝进行低压实验,并利用数据验证该方法。结果证明,触电特征近似熵检测方法具有噪声鲁棒性、不受总剩余电流幅值和触电方式影响的特点,采用改进近似熵算法缩短了触电特征检测时间,能满足工程应用需要。