基于小波变换和BP网络的输电线路故障类型识别

提出了基于小波变换和BP网络的输电线路故障类型识别方法。建立了基于Matlab仿真技术的输电线路模型,根据该模型,提取故障前后的三相电流和零序电流信息,经过小波变换输入BP神经网络,BP网络的输出即为故障类型识别的结果。仿真结果表明,该故障定位方法准确可靠。     

小波变换和BP网络在输电线路故障类型识别中的应用

提出了基于小波变换和BP网络的输电线路故障类型识别方法。建立了基于Matlab仿真技术的输电线路模型,根据模型提取故障前后的三相电流和零序电流信息,经过小波变换输入BP神经网络,BP网络的输出即为故障类型识别的结果。仿真结果表明,故障定位方法准确可靠。     

利用小波分析实现EHV输电线路暂态保护初探

介绍了连续小波变换定义、基于多分辨分析的Mallat快速小波分解算法,研究了小波在电力系统应用中的几个关键问题.基于输电线路故障暂态电流的特点和暂态保护基本原理,建立了基于小波变换的暂态保护启动判据和跳闸判据.仿真分析了一实际电网EHV输电线路在不同故障点及不同故障时刻该暂态保护方案的可行性.     

基于改进递归小波变换的超高压线路边界保护元件算法

在分析输电线路边界频率特性的基础上,提出了一种基于改进递归小波变换的超高压输电线路边界保护元件算法。采用改进递归小波变换分别提取高频和次高频2个不同中心频率的故障暂态电流分量,利用母线对地杂散电容和阻波器对高频暂态分量的衰减作用,根据2个不同频率分量的暂态能量比值来识别保护区内外的故障。采用PSCAD/ EMTDC对某500 kV超高压输电线路模型进行仿真,结果表明该算法基本不受故障位置、故障过渡电阻、故障类型和故障初始角的影响,能准确识别保护区内外故障。改进递归小波变换算法只采用历史数据信息,实时性好,计算量少,因此基于改进递归小波变换的超高压输电线路边界保护元件算法可提高计算速度,能够满足超高压输电系统高速保护的要求。     

利用小波分析实现EHV输电线路暂态保护初探

介绍了连续小波变换定义、基于多分辨分析的Mallat快速小波分解算法 ,研究了小波在电力系统应用中的几个关键问题。基于输电线路故障暂态电流的特点和暂态保护基本原理 ,建立了基于小波变换的暂态保护启动判据和跳闸判据。仿真分析了一实际电网EHV输电线路在不同故障点及不同故障时刻该暂态保护方案的可行性。     

基于多小波包和人工神经网络的电力系统故障类型识别

采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障.先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别.仿真结果表明采用多小波包提取的故障电流特征量比采用传统小渡包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势.     

基于小波变换的超高压输电线路故障选相新原理

介绍了连续小波变换定义、基于多分辨分析的Mallat快速小波分解算法。根据超高压(EHV)输电线路故障暂态电流的特点。提出了基于小波变换能量特征的故障选相新原理和算法。借助MATLAB/SIMULINK仿真分析软件,研究了一实际电网EHV输电线路在区内不同故障条件下选相原理的有效性。结果表明,该方案是可行的。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别.该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确.     

基于模极大值的高压串补输电线路保护新方法的研究

提出了基于小波变换模极大值的高压串补输电线路保护新方法,该方法利用小波变换对高压串补输电线路两侧的电流信号进行分解,得到突变点的模极大值乘积符号,从而准确地区分内部故障和外部故障.在电力系统实时数字仿真器(RTDS)中搭建含固定串补和可控串补的广西500kV电网仿真系统,利用RTIDS对串补线路的各种内外部故障进行了全...     

基于小波变换模极大值的输电线路单端故障定位

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离,但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上,利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法,能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明,该方法切实可行。     

基于WEMTR的柔性直流输电线路故障测距

提出了基于小波技术的电磁时间反转(WEMTR)理论的柔性直流输电线路故障测距原理。对线路两端故障电流的1模量进行小波分解,提取有效信息;将所提取的有效暂态量以时间轴镜像,即进行时间反转;再将时间反转后的电流量作为电流源并联在无损镜像线路两端,并在无损镜像线路上各处都假设发生故障,计算各个假设故障的接地电流有效值;假设故障电流有效值最大处即为所求故障点处。理论证明,该方法不受过渡电阻和故障类型的影响。在PSCAD/EMTDC搭建了基于模块化多电平换流站的高压直流输电系统进行仿真验证,输电线路采用相域频变分布参数模型。结果表明,不需要高采样率,该方法可以得到精确的故障测距结果。     

基于暂态电流信号的EHV输电线路保护新方案

提出了一种基于单端电流暂态信号小波变换的超高压输电线路快速保护方案。利用单端暂态电流信号的小波变换模极大值,对电流信号的李氏指数进行最小二乘法估计,来判断故障线路。通过大量ATP仿真证明,在各种故障情况下该保护算法能准确、可靠地动作。     

基于二进小波变换的输电线路故障测距方法

输电线路发生故障后将产生向变电站母线运动的行波,因此可以在母线处采集并记录故障行波即可实现输电线路的精确故障测距。但由于输电线路故障电流信号中具有很强的突变信息,因此须用小波变换对实变信号进行奇异性检测,从而将奇异信号发生的时刻转换为故障距离。本文在介绍二进小波函数及二进小波变换的基础上,通过建立故障行波的故障特征与小波变换模极大值之间的关系,构造了一种基于行波原理的输电线路故障测距方法。     

基于高频分量的高压直流输电线路单端保护方法

输电线路是高压直流输电系统中故障率最高的元件。针对现有输电线路行波保护耐过渡电阻能力差,存在难以识别区内高阻故障和远端区外金属性故障的问题,提出了一种高压直流输电线路单端保护方法。基于高压直流输电系统拓扑,分析了高压直流输电线路区内和区外故障电流的特征,从而利用小波变换提取高频分量电流构建保护方法。仿真结果表明,该方法不受过渡电阻、故障距离影响,保护可靠性高。     

基于小波变换的TCSC输电线路保护新方法的研究

提出了基于B样条半正交小波的晶闸管控制的串联电容补偿(TCSC)输电线路保护新方法,该方法利用小波变换对TCSC输电线路两侧的电流信号进行分解,得到突变点的模极大值乘积符号,从而准确地区分内部故障和外部故障。利用实时数字仿真器(RTDS)对MOV正常工作及失效时的不同内外部故障类型进行了仿真。仿真结果表明,该方法简单可靠,且不受TCSC串补装置的影响。     

基于小波包和模糊Petri网的输电线路故障类型识别方法

提出一种基于小波包和模糊Petri网的输电线路故障类型识别方法。利用小波包对故障电流信号进行分解,并计算出各频段的能量值,以此能量特征值作为训练样本对模糊Petri网模型进行训练优化,使用测试样本对模型进行测试,实现输电线路故障识别。通过算例仿真验证,表明该方法具有一定的有效性和实用性。     

基于模糊神经网络的故障类型识别

提出了基于模糊神经网络的双端电源输电线路故障类型识别的方法,用ATP提取输电线路故障后一周后继电保护安装点的三相电压电流以及反映接地故障的零序电流基频分量及其相应的相角,并采用T-S模型与改进BP算法结合的模糊神经网络,实现故障类型识别。该方法不受故障位置、故障电阻及对两端电源初始相角差、系统运行方式等不确定的因素影响,仿真结果表明该类型识别方法可靠、正确。     

基于改进灰色关联度及尺度一小波能量谱的输电线路故障选相

提出基于改进灰色关联度和尺度一小波能量谱的输电线路故障选相新方法,依据尺度一小波能量谱分析提取暂态故障特征,再由改进灰色关联度分析来确定故障相别。对故障线路三相电流信号进行小波分析,获取各尺度下的小波变换系数,计算尺度一小波能量谱;采用改进的灰色关联度算法对故障信号能谱和参考序列进行关联度分析,根据最大关联度原则确定故障类型。仿真表明,该方法能准确地判断故障相别。     

基于对称分量变换的暂态电流极性方向比较保护算法

研究了一种新的基于暂态电流极性比较的方向保护技术.使用对称分量变换对三相暂态电流行波信号进行解耦,然后用其电流模量小波变换后的模极大值极性关系,辨识区内或区外故障:线路内部故障时线路两端的电流模量小波变换模极大值极性相同,而线路外部故障时则相反.该算法用单一模量对各种故障类型都可以给出正确的结果,较好地克服了以往采用Clark变换和Karrenbauer变换使用单一模量情况下对某些故障不能正确反应等缺陷.EMTDC仿真实验证明了算法的可行性.     

基于高阶多分辨率奇异熵的高压输电线路故障选相

将高阶多分辨率奇异熵用于挖掘输电线路故障特征,提出了一种利用电流故障分量的高阶多分辨率奇异熵值进行故障选相的方法,该方法基本不受故障类型、故障位置、过渡电阻和系统摆开角的影响.故障选相过程中,对电流故障分量数据进行小波变换,计算不同尺度下小波变换系数的高阶累积量,并对以高阶累积量为元素的状态矩阵进行奇异值分解,最后计算...