基于高频特性的电弧故障识别方法的研究

提出了一种基于高频信号的电弧故障识别方法。通过天线接收电弧故障的高频信号,利用电弧故障发生时产生的高频信号的三阶累积量和四阶累积量发生的变化进行电弧故障识别。试验表明,电弧故障发生时辐射的高频信号的三阶累积量呈现明显的负偏态,四阶累积量呈现明显的正偏态,通过该方法可以很好地对电弧故障进行识别。     

基于小波包变换和高阶累积量的电弧故障识别方法

当低压配电系统接入混合负载或在支路中出现电弧故障时,电弧故障识别难度大幅提升。针对此类电弧故障,提出一种基于小波包变换与高阶累积量相结合的电弧故障识别方法。首先采集不同负载、支路电弧故障下的电压、电流数据,建立电弧故障波形数据库;然后利用小波包变换对电弧电流信号进行分析,通过对多种试验数据进行分析,确定了通用电弧特征频带,对电弧电流波形进行重构作为电弧特征信号;通过分析故障电弧特征信号的4阶累积量值,提出了一种能够在时域中识别电弧故障的判据。该判据可以准确、快速地识别单一负载、混合负载以及支路电弧等情况下的电弧故障,且能够较为准确地检测电弧故障发生的时刻,为复杂电弧故障识别及起弧时刻的研究提供参考。     

基于小波近似熵的串联电弧故障识别方法

根据UL1699标准搭建了串联电弧故障发生装置,并针对不同类型负载进行实验,获得了供电线路正常工作状态和发生电弧故障状态时的电流信号实验数据。应用小波变换对电流信号进行分解重构,通过近似熵(Ap En)算法对分解重构后各频段信号的不规则程度进行量化,得到电流信号的特征向量,并将其输入到支持向量机(SVM)。通过SVM对电流信号特征向量进行分类,完成电弧故障的检测识别。结果表明,通过小波近似熵算法得到的电弧故障特征向量能够作为诊断识别电弧故障的有效依据。     

基于自回归参数模型的低压系统串联电弧故障识别

利用电弧发生装置对若干典型的低压单相用电设备在串联故障电弧回路中的工作电流特征进行模拟实验研究,提出了基于自回归参数模型的低压系统串联电弧故障识别方法。采用三阶Burg自回归(autoregressive,AR)模型对采集的电流信号建模,提取其AR模型参数,然后采用基于距离测度的欧氏距离平方d 2实现对低压单相负载在正常回路和串联电弧故障回路电流信号的特征识别和故障辨识。该方法不仅适用于线性负载回路,而且适用于非线性负载回路的串联电弧故障识别。自回归参数模型法有效解决了低压系统串联电弧故障回路与非线性负载回路的电流信号识别问题,论文也同时提出了使用该方法时的参考矢量建议值。     

采用高频特性的低压电弧故障识别方法

为准确识别交流电力系统中的电弧故障问题,针对不同类型负载的电弧故障,提出一种基于小波熵的电弧故障普适性检测方法。运用小波变换提取电弧故障发生时在电流过零点附近产生的高频信号,采用该高频信号的小波熵表征电弧故障的突变信息,并利用最小二乘支持向量机对小波熵进行分类,实现对电弧故障的有效识别。结果表明,在文中的实验条件下能够全部识别出电弧故障。该方法不仅可以对单一负载和组合型负载的电弧故障进行识别,还可以避免负载正常电弧和负载启动过程引起的误判,也能克服一些抑制性负载的干扰。     

SVD滤波的串联故障电弧特征分析

为进一步研究故障电弧特征,针对三相电动机及变频器负载开展了串联故障电弧实验。首先将电流信号经过一阶差分预处理,再通过奇异值分解SVD(singular value decomposition)对信号进行两级滤波,剔除信号中的工频和噪声成分。采用柯尔莫可洛夫-斯米洛夫K-S(Kolmogorov-Smirnov)检验法分析SVD滤波信号的正态分布情况。采用线性调频Z变换CZT(chirp-Z transform)对SVD滤波信号0～500 Hz频段进行频谱细化分析。提取时域峭度和特征频段幅值平均值组成特征向量,并构建故障电弧区矩形。通过大量数据测试表明:该方法可有效识别三相电动机及变频器负载回路中发生的故障电弧。     

3阶累积量在航空串联故障电弧检测中的应用

为提高航空串联故障电弧判别的可靠性,提出了一种基于归一化处理的3阶累积量的方法,适用多类负载的航空交流故障电弧检测。通过提取线路中电流信号的相关特征参数,实现对串联故障电弧识别,并利用T检验和威布尔概率图分析并确定了阈值,实现了最终的判别。该航空串联故障电弧判别方法不受负载类型、电流大小的影响,可靠性高。计算结果表明,该方法能有效提取出故障电弧电流与正常运行时的特征差异,正确率较高,可满足实时性要求。     

基于直接数字频率合成的电弧发生方法研究*

低压交流故障电弧信号是低压交流故障电弧特性研究的基础,为此提出一种基于直接数字频率合成的故障电弧发生方法,并根据该方法设计并实现了故障电弧产生电路。该方法以Cassie电弧模型为基本模型,通过直接数字频率合成技术产生电弧信号,电弧信号经功率放大电路放大后耦合到负载电路,进而用于研究故障电弧特性。将实际电路输出数据与仿真模型数据进行对比,实验采集到的电弧电流信号与仿真电弧电流信号基本吻合,验证了该故障电弧发生方法的可行性和准确性。该电弧发生方法解决了传统电弧发生仪器操作繁琐、风险大、成本高等问题,方便了对低压交流故障电弧特性的研究,提高了实验效率及可重复性。     

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。     

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 FastICA-BAS-MCKD 的滚动轴承 复合故障特征提取方法

针对强背景噪声下轴承复合故障特征难以分离提取的问题,提出了一种基于快速独立成分分析-天牛须-最大相关峭度 解卷积算法(FastICA-BAS-MCKD)的滚动轴承复合故障特征提取方法。 首先,引入 FastICA 对滚动轴承多通道故障信号进行盲 源分离;其次,利用 BAS 算法同步优化 MCKD 算法的解卷积周期 T、滤波器长度 L 和移位数 M,构建基于 BAS-MCKD 的滚动轴 承振动信号自适应分析方法;然后,应用 BAS-MCKD 方法处理分离后的信号,实现分离信号的降噪和特征增强;最后,应用希尔 伯特解调方法对 MCKD 处理后的信号进行包络谱分析,实现滚动轴承不同类型故障的识别。 仿真和实测信号的分析结果表 明,所提方法能清晰地从复合故障信号中提取出单一故障特征频率,为滚动轴承复合故障特征提取提供了一种有效的解决 方案。     

基于FastICA的输电线路行波故障测距方法

为了解决输电线路故障信号存在抵偿效应导致测距精度不足的问题,建立线性瞬时混合的线路模型。采用快速独立成分分析法(FastICA)对采集的多通道线路故障原始数据(观测信号)进行相关分析,将表征故障特征的各分量逐一提取。以能量比函数对故障分量进行求解,设定能量比阈值以定位故障时刻,实现基于行波原理的线路精确测距。大干扰条件下故障特征受噪声信号干扰,会对测距精度产生影响。对此,FastICA算法能将噪声信号从故障原始数据中分离,避免噪声对测距过程产生的影响,进一步提高测距精度。仿真实验证明:所提出的方法能有效避免噪声干扰的影响,能适应大干扰条件下的故障测距,具有较好的抗干扰性。     

基于FastICA的低压电弧特征分析

针对电弧故障特征量提取难的问题,将独立分量分析方法引入到电弧故障特征提取研究领域。依照UL 1699标准搭建电弧故障试验平台,采集试验电路中的电压、电流信号,采用FastICA算法对试验数据进行分离。通过不同负载分离结果的对比分析,可提取电弧故障的典型特征。试验结果表明,该方法能够成功获取故障信号的各独立分量,进而更有效地提取电弧故障的典型特征。     

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号,但是在有噪声的环境下,会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号,该方法不受高斯噪声的影响。首先,利用高阶累积量对高斯噪声不敏感的特性,改进Burg算法的预测误差标准。其次,为了降低引入高阶累积量而增加的计算量,反射系数的求取采用递推形式。最后,利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明,所提出的算法明显改进了Burg算法的谱估计性能,能够在噪声环境下获得准确的间谐波参数估计。     

电站锅炉声学测温中时间延迟估计的仿真研究

为了在电站锅炉声学测温中获得准确的声波飞渡时间，针对强噪声环境下弱信号检测问题，研究了声信号的时间延迟估计。对从国内某电站锅炉采集的炉膛噪声进行了频谱分析和统计分析，认为炉膛噪声是以中心频率250~ 1000 Hz的低频燃烧噪声为主的类高斯噪声。指出了电站锅炉环境下几种传统的时延估计方法的不足，提出了一种基于高阶累积量的时延估计方法。在指数分布信号中加入实测炉膛噪声信号，设定不同的信噪比，分别对基于ML互相关方法和基于3阶累积量方法进行了100次蒙特卡罗时延估计仿真试验。结果表明，在较低的信噪比下，3阶累积量方法仍可以抑制非高斯信号中相关高斯噪声的影响。不仅为声学测温中的声波飞渡时间测量提供了指导，而且对基于时延估计的锅炉四管爆漏声源定位有一定的参考价值。     

谐振接地电网故障暂态能量自适应选线新方法

谐振接地系统发生单相接地故障时,由于故障电流小及接地点电弧不稳定等原因,其零序故障电流准确获取和定值整定困难,使其故障线路的检出仍是难题。提出一种基于暂态能量的故障选线自适应方法,利用所有健全线路暂态能量与故障线路暂态能量之差为最小值的原理,构成故障选线算法。新方法不仅能消除故障电流小和接地点电弧不稳定的影响,还能在短线故障时,克服健全长线电容电流的影响,有很强的抗干扰能力,无需整定也不涉及极性和方向的判断,具有自适应性,可大大改善保护对故障线路检出性能。大量的数字仿真结果表明了该方法的有效性。     

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor, PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化变分模态分解(variational mode decomposition, VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering, NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.273 8 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。     

改进FastICA算法在谐波检测巾的应用

介绍了一种基于改进的快速独立分量分析(FastlCA)算法,并将其引入到谐波检测中.该算法在FastICA算法的基础上对牛顿迭代法进行了改进,使其满足三阶收敛,同时依据负熵极大的独立性准则实现了谐波信号的盲分离.为了更好地逼近真实信号.对分离后的信号进行幅值修正,从而完成谐波的检测.仿真实验结果表明了该算法相对于Fas...