基于改进算法的粗糙集理论故障选线装置研究

针对KA系列模糊智能选线装置中小波包多频带选线算法所出现的误选问题,提出了基于粗糙集理论的小波包多频带的选线算法.该算法主要是应用粗糙集理论对故障样本的数据挖掘能力来确定低频衰减信号的增强比例,并在此基础上进一步利用粗糙集理论的信息融合功能对单相接地故障电流信号中所蕴藏的各种暂态及稳态信息进行融合.动模仿真实验结果表明基于粗糙集理论的选线算法能更有效地解决小波包选线算法所出现的误选问题,且较模糊选线算法精度更高、抗干扰能力更强、运行更稳定.     

基于模糊粗糙集理论的小电流接地故障选线融合技术研究

正确的接地故障选线是小电流接地系统存在的一大难题．通常采用的单一故障选线方法只对部分故障信息进行处理,因此选线的可靠性不高。基于这种状况,利用信息融合技术,并以基于暂态的信号增强的小波包故障选线法和基于稳态的群体基波比幅比相法、5次谐波比幅比相法、有功法四种接地故障选线方法为例进行了模糊综合评判实例仿真。PSCAD仿真结果说明针对多种选线方法进行模糊信息融合能够充分发挥其各自优势,相互补充,扩大正确选线的范围。     

基于模糊理论的小电流接地故障选线融合技术研究

正确的接地故障选线是小电流接地系统存在的一大难题,通常采用的单一故障选线方法只对部分故障信息进行处理,因此选线的可靠性不高。基于这种状况,利用信息融合技术,并以基于信号增强的小波包故障选线法、群体基波比幅比相法、有功法的3种接地故障选线方法为例进行了模糊综合评判实例仿真,仿真结果说明针对多种选线方法进行模糊信息融合能够充分发挥各自优势,相互补充,扩大正确选线的范围。     

三种小电流接地系统选线算法及其仿真验证

针对小电流系统发生单相故障时单一选线法存在着一定动作死区问题,提出了相关系数选线算法、小波包多频带选线算法和小波包单频带极性选线算法。基于PSCAD/EMTD的35 kV系统模型的大量仿真数据显示,这三种选线算法不受各种过渡电阻、故障电压初始角和故障点位置的影响,能够正确选线。     

基于信息融合的配网故障选线仿真与研究

为了提高小电流接地系统故障选线装置的选线精度,提出了基于信息融合的选线方法,即将几种互补的基于暂态和稳态特征的单一选线方法用于综合选线.首先根据暂态、稳态故障特征的特点定义各自的故障测度函数,再分别利用粗糙集理论和非线性合成算法模型将各种故障特征的故障测度函数进行融合选线,最后在Matlab中搭建了配网模型和编写融合算法的程序进行仿真分析和选线方法的验证.仿真结果表明,基于粗糙集理论和非线性合成算法的信息融合选线方法选线精度较高,具有良好的应用价值.     

基于现场实录波形的小电流接地故障暂态选线研究

为解决小电流接地系统单相接地故障特征不明显的问题,借助小波理论提出了基于DS证据理论的融合判据。首先确定小波基及小波分解尺度,并构造小波能量矩阵以确定故障特征频带。进而,在此特征频带下提取出三种故障特征:小波能量比、小波重构系数方差及暂态功率方向,并分析对比了三种特征的灵敏性。考虑到各个故障选线特征的检测灵敏性不同,为了提高选线准确率,进一步提出了基于DS证据理论的选线融合判据。最后,对现场实录波形进行分析。分析结果表明,该融合判据能够有机融合三种选线特征,提升选线正确率,具有较好的工程应用价值。     

配电网单相接地故障选线的一种新方法

为了提取故障暂态信号的相位谱特征以进行配电网单相接地故障选线，引入了零序电流解析信号的小波包分解。信号的解析表达形式可以更好地描述信号的幅值、相位和瞬时频率随时间变化的规律；它有着比原信号增大一倍的幅值谱、和原信号相同的相位谱和瞬时频率。小波包克服了小波变换不能对高频序列进一步分解的缺陷，在时域和频域上皆具有良好的局部化特性，可以聚焦被分析信号不同频带的时域特性。通过对构造的零序电流解析信号进行小波包分解，提取在适当频带的信号相位谱，依据故障线路和非故障线路相位谱的不同进行故障选线。理论分析和仿真结果表明：这种基于零序电流解析信号的小波包分解所提取暂态信号相位谱的选线判据具有很高的灵敏性和可靠性。     

基于粗糙集理论的配电网故障选线装置研究

为了提高小波包选线方法的选线精度,提出基于粗糙集理论和小波包分析的故障选线方法。该法利用电磁暂态软件ATP-EMTP仿真单相接地得到一组零序电流信号,从中提取故障特征,如最大幅值衰减比、首波头极性和有效值,并将其作为条件属性,信号需增强的比例作为决策属性,从而构成一个信息系统。通过属性约简和规则约简后得到最小规则集,并用该规则集增强低频采样信号。再进行小波包分解实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。试验结果表明该系统选线精度高、运算速度快、抗干扰能力强、运行稳定。     

基于暂态量和小波包的配电网故障选线方法

分析了配电网单相接地时的故障特征,对现有基于稳态量与暂态量的故障选线方法进行分析比较,指出故障暂态电流幅值比稳态对地电容电流大得多,而且几乎不受消弧线圈影响,因此,利用暂态电流进行选线可以克服稳态选线方法灵敏度低、易受消弧线圈影响的缺点。为了精确提取故障时的暂态信号用于选线,发挥小波包能进行时频联合分析的优势,对发生接地故障时各线路的暂态零序电流进行小波包分解,提取出各频带信号分量的小波包系数。其中,电流采样值直接用于形成故障选线的第1判据,多个高频分量的小波包系数则形成综合判据以提高选线准确性。该方法能适应小电流接地系统中的不同故障模式,选线准确性高。仿真验证了该方法的有效性。     

基于多频带分量重构的小电流接地系统自适应选线新方法

在分析小电流接地系统中传统小波包选线方法的优势与不足的基础上,提出一种基于多孔算法小波包变换的多频带分量重构自适应选线新方法:首先根据系统运行方式和线路参数确定出选择频带(selected frequency band,SFB)的范围,然后利用多孔算法小波包变换良好的分频特性与保持线性相位的性质,对故障零序电流采样数据...     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于粗集理论的小电流接地系统故障选线

分析了小电流接地系统中基于小波包的故障选线方法工作原理，证明了在故障线路暂态零序电流信号采样后能量损失较大时，该方法失效。为了克服该方法的局限性，提出了一种基于粗集理论的改进故障选线方法。将提取的暂态零序电流故障特征作为条件属性，信号增强倍数作为决策属性，构成一个决策系统。通过对决策表的约简，得到决策系统的最小决策算法，从而实现信号增强。再利用小波包变换对增强的信号分解，实现故障选线。ATP-EMTP仿真表明，该方法有效地提高了小电流接地选线的准确性。     

基于量子神经网络和证据融合的小电流接地选线方法

在研究基于集成量子神经网络和Dempster-Shafer (DS) 证据理论故障诊断模型的基础上,提出将该模型应用到小电流接地选线中.利用快速傅里叶变换和小波包变换从零序电流信号中提取故障特征量来训练多个量子神经网络,再用DS证据理论对各个神经网络的输出结果进行全局融合,得到综合选线结果.仿真结果表明该模型对小电流接地选线具有很强的适应性,且不受系统接地方式、合闸角、过渡电阻等因素的影响,解决了单一判据选线准确率低和高维输入神经网络训练收敛速度慢、诊断时间长等问题.     

基于纵横交叉算法的神经网络配电网故障选线研究

为了提高小电流接地系统单相接地故障选线的精度,提出一种基于纵横交叉算法优化RBF神经网络的故障选线新方法。利用Matlab/Simulink仿真单相接地得到一组零序电流信号,通过小波包变换和傅里叶变换从中提取出暂态特征值、有功分量以及五次谐波分量。再将提取得到的特征量作为神经网络的输入,用纵横交叉算法优化后的神经网络对故障特征值进行训练,实现故障选线。仿真中建立100组不同的故障样本,其中80组作为训练集,20组作为测试集。实验结果表明,与传统神经网络相比,CSO-RBF方法训练效果好,准确性高。     

基于DSP技术和小波理论的小电流接地系统故障选线装置的研究

着重研究了利用小波包变换提取故障信号的暂态高频分量,通过比较各馈线零序电流小波变换的模值来实现故障选线,并结合DSP技术,以TMS320VC33为核心,以模块化设计完成装置的开发,实现小电流接地系统的故障选线功能.     

中性点非有效性接地系统故障选线

通过对中性点非有效性接地系统接地故障暂态过程的分析并结合小波包理论,针对接地故障的特点,提出了利用暂态零序电容电流的特征频带并结合其极性与幅值关系来进行故障选线的方法,介绍了该方法的选线基础、原理和步骤。Matlab仿真实验表明,该选线方法提高了接地故障选线的准确性和可靠性,具有良好的应用前景。     

基于GA优化BP神经网络的有源配电网高阻接地故障选线方法

当配电网发生高阻接地故障时,逆变型分布式电源的接入会向零序网络中注入不平衡的谐波电流,改变原有故障特征的分布规律,导致传统高阻故障选线方法失效。考虑光伏电源接入对配电网的影响,提出了一种基于GA优化BP神经网络通过融合多种故障特征的有源配电网高阻接地故障选线方法。首先,利用Matlab/Simulink搭建谐振接地系统仿真得到选定周波的故障零序电流,根据小波包变换从中提取小波包能量熵和模极大值,并将其作为数据样本。然后,将数据输入优化后的网络中进行训练,得到能够实现智能选线的机器学习模型。最后,算例分析表明该方法较传统算法提高了迭代速度和训练精度,在多种复杂故障条件下具有良好的选线容错率,且具有一定的抗噪能力。     

模极大值均方根比在配网暂态接地故障选线中的应用研究

针对小电流接地系统单相接地故障暂态量电流特征,给出一种以零模电流模极大值均方根比值为判据的接地故障暂态选线方法。利用小波包分析和奇异性检测理论对故障线路与非故障线路零模暂态电流奇异性差异进行分析,计算选线频带内各线路零模电流的模极大值序列及模极大值的均方根值,并根据均方根比值确定故障线路。理论分析和EMTP大量仿真试验结果表明,该方法能适应工程应用中可能存在的影响因素,具有灵敏度高、自适应能力强、选线准确等特点。     

基于GA优化BP神经网络的小电流接地故障选线方法

将GA优化BP神经网络的算法引入到小电流接地故障选线方法中。文中基于MATLAB进行仿真试验，通过小波包法、五次谐波法、基波比幅比相法及零序有功功率法等传统选线方法，将零序电流信号的各种特征量进行提取，经过故障测度函数计算得到故障测度数据，将数据分别输入到GA-BP神经网络与单一BP神经网络进行训练和测试，讨论GA-BP神经网络算法与单一BP神经网络算法选线性能的差异，输出故障选线结果并与基于各选线方法的故障测度数据进行对比。结果表明，综合多种传统选线方法的GA-BP神经网络准确率明显高于传统选线方法，且其选线速度与精度优于单一BP神经网络，能够更快速、有效地进行故障选线，满足配电网故障选线要求。