基于动态小波变换的小电流接地系统故障选线研究

小电流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。提出一种基于动态小波变换的故障选线方法,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作为判据。该方法充分利用了动态小波变换分析故障信号的优势,克服常规小波变换在这方面的不足。仿真结果表明,该判据不受接地条件和接地方式影响,能够准确可靠地选出故障线路。     

基于非故障相暂态电流的小电流接地系统故障选线的研究

针对小电流接地系统单相接地故障选线的研究现状,提出基于非故障相暂态电流的单相接地故障选线的方法。该方法利用小波变换分析非故障相暂态电流,通过对暂态电流模极大值数值的比较实现故障线路的选择。ATP仿真分析的结果表明,该方法准确可靠。     

基于概率神经网络的配电网接地故障选线方法

针对小电流接地系统单相接地故障,提出一种基于概率神经网络的配电网接地故障选线方法。采集每条线路在单相接地故障发生时的零序电流暂态信号(一个周波,故障前1/4个周波和故障后3/4个周波),运用db10小波序列进行5层小波包分解。提取零序电流小波能量并将其输入到PNN网络,实现故障线路自动识别。并给出故障选线小波包分解算法和PNN算法的具体步骤,可直接用计算机编程实现。运用Matlab软件对中性点不接地系统和中性点经消弧线圈接地系统均进行了仿真,验证了该方法的可行性与准确性。     

基于小波理论和故障暂态信号的小电流接地故障选线策略

为解决单相接地故障稳态特征信号微弱而造成的选线困难问题,提出基于小波理论和故障暂态信号的小电流接地故障选线策略。该方法首先根据电网零序电压是否突然大幅升高判断电网是否发生了接地故障,并根据零序电压的模极大值出现的时刻确定接地故障发生的时间点;其次,提取故障前后一个周波内的线路电流数据进行小波分解;最后,分析、比较电流信号小波分解后的结果,确定故障线路。通过多个现场实例验证,可以实现小电流接地故障有效选线。     

基于提升小波的输电线路短路故障奇异点检测

输电线路的破坏大多由短路故障引起．通过分析短路故障,采用提升小波对故障后的电流进行检测．仿真结果表明,提升小波能有效地检测输电线路短路故障信号的奇异点．同传统小波变换相比,提升小波变换计算速度更快,计算方法更简单．     

基于小波包能量熵的低压串联故障电弧诊断

为了实现低压串联故障电弧的有效诊断,基于ULI699标准搭建了交流电压为220V、频率为50Hz的串联故障电弧实验平台,并对不同负载回路正常工作电流以及串联故障电弧电流进行数据采集,提出基于小波包能量熵的低压串联故障电弧诊断方法.通过对电流信号进行4层小波包分解,提取小波包能量熵作为特征向量描述故障电弧电流信号在不同频段的能量分布.采用主元分析（PCA）法提取特征向量的主元作为BP神经网络的输入,实现样本最优压缩以简化神经网络结构.仿真结果表明,该方法故障诊断准确率较高,能够有效地识别串联故障电弧.     

基于暂态电流极性的小电流接地系统故障选线装置

根据均匀传输线路的频率特性,对于空载线路,当频率小于fm时,线路输入阻抗呈容性,线路可用一集中电容等效.小电流接地系统发生单相接地故障时,对零序分量来讲,非故障线路相当于空载.根据这一特点,对小电流接地系统中线路的零序参数相频特性进行研究,得出系统发生单相接地故障时不同频带上暂态零序电流特性.在选定频带(Selected Frequency Band,SFB)内,非故障线路零序电流极性和故障线路相反.应用小波包对各线路的暂态零序电流进行分解,小波包系数的符号代表了相应频带零序电流的极性,通过比较SFB内小波包系数的符号,便可找出故障线路.RTDS(Real Time Digital Simulator)试验结果表明此方法可以准确地实现单相故障选线.     

基于小波能熵的变压器励磁涌流的识别

提出了一种基于离散小波变换(DWT)并利用小波能熵作为判据来识别电力变压器励磁涌流和内部故障电流的方法.通过在MATLAB上搭建变压器空载合闸和匝间短路仿真模型,对其不平衡电流的小波功率谱进行分析,以验证这种新型判据的有效性.仿真结果表明,这种新型判据能够可靠地、快速地识别出励磁涌流和内部故障电流.     

基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

利用小波分析的电流测试方法实现模数混合电路的故障诊断

模数混合信号电路已成为未来电路设计的发展趋势,对模数混合电路诊断和测试方面的需求日益急迫。文章首先针对模拟/数字混合电路的故障诊断,基于小波分析理论,提出了动态电流(IDDT)测试方法。其次应用小波变换的时频分析特性,对模拟/数字混合电路正常模式和故障模式的IDDT采样信号进行小波分解,得到特征小波系数,计算出正常模式和故障模式下相应特征小波系数的均方根误差。最后将待检测电路的特征小波系数均方根误差与已知正常及故障模式的特征小波系数均方根误差进行比较,根据结果的异同实现模拟/数字混合电路的故障诊断。通过仿真实验验证了该测试方法的有效性,与传统单一时、频域(FFT)诊断分析方法相比,仿真结果显示,该方法对模拟/数字混合电路的故障有较高的检测灵敏度,可以实现绝大多数故障的准确定位,为模拟/数字混合电路故障的准确诊断提供了一种有效手段。     

基于小波变换和粗糙集的风电变流器故障诊断

为确定双馈风电机组转子侧变流器开路故障的位置,提出一种基于小波变换和粗糙集的风电变流器单相开路故障诊断方法.基于小波变换进行转子侧变流器的三相故障电流特征向量提取;基于粗糙集将获取的特征向量提取值进行离散化和属性约简处理,并将得到的最小约简决策表作为转子侧变流器单相开路故障的参考样本;通过待检测样本与参考样本的欧式距离值确定转子侧变流器的故障位置.以T2开路故障为例,对采集数据进行了小波变换与粗糙集分析,通过计算欧式距离验证了所提出的算法在进行双馈风电机组转子侧变流器开路故障诊断中的有效性.     

模拟电路单故障与多故障诊断的提升小波和RBF方法

为了更高效、更准确地诊断模拟电路的单故障和多故障,提出了提升小波和RBF神经网络相结合的方法。该方法用提升小波系数表征故障电路的特征,训练RBF神经网络,将训练好的神经网络作为分类器,对故障电路进行诊断。通过对比,提出的提升小波方法诊断效果明显优于传统小波,准确率达到99.2%,用时更长。结果表明,基于提升小波和RBF神经网络的模拟电路单故障与多故障诊断方法可以有效地提取故障电路的特征并准确快速地对故障进行分类。     

基于模糊神经网络的模拟电路故障诊断算法

将小波包分析、模糊理论和神经网络有机结合在一起,提出了一种基于小波包特征提取和模糊规则的模拟电路故障诊断的神经网络算法。计算和仿真实验结果表明,该方法可以减少网络的训练规模,加快网络的收敛速度,能够为模拟电路故障诊断提供一种新的有效的方法。     

基于小波变换的整流电路故障诊断

小波变换具有在时域和频域内的局部化特性,对于弱信号的检测非常方便,易于从高信噪比的信号中去除噪声,在故障诊断领域中的信号去噪应用非常广泛.首先介绍了小波变换的基本原理,建立了晶闸管三相桥式全控整流电路的MATLAB仿真模型,并对故障仿真中的含噪信号进行了小波变换去噪,较好地从噪声中分离出了电压故障曲线.     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度?相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号“能量”和“时间延迟”两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

遗传算法优化的SVM模拟电路故障诊断方法

提出了一种利用遗传算法优化的SVM多分类决策树(GADT-SVM)实现模拟电路故障诊断的新方法。介绍了GADT-SVM的设计思想和算法原理;利用传递函数对模拟电路进行建模,并用小波分解提取电路冲激响应的能量分布作为故障特征;使用GADT-SVM对故障特征样本进行分类实现故障诊断。仿真结果表明,与未经优化的DAG-SVM和DT-SVM故障诊断方法相比,该方法可以减小诊断“误差积累”的影响,具有更好的误差控制能力。     

基于小波神经网络的容差模拟电路故障诊断方法

以模拟电路的故障诊断为例,利用小波分析,将电路故障信号进行层次分解,获得不同频段的信号成分,取其能反映故障信号特征的成分作为电路故障特征,再输入给神经网络,大大减少了神经网络的输入数目、简化了神经网络的结构、减少了它的训练时间,并提高了辨识故障类别的能力.     

模拟集成电路故障诊断与参数辨识的代数方法

为实现模拟电路参数辨识和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断和参数辨识方法。该方法不同于基于数字信号处理（DSP）与人工智能的方法,而是从代数观点出发,以被测电路响应矩阵的本征值随被诊断器件参数的变化而变化的对应关系为基础,建立故障模型。该模型将故障检测,故障定位和参数辨识一体化处理,具有易于工程实施的优点。实验结果表明该方法的计算时间开销小,可降低测试成本,故障定位和故障参数辨识精度高,实验结果中的最大辨识误差为2.35%。     

DSP在机械设备故障诊断中的应用

介绍了机械设备故障诊断信号的几种处理方法－频域分析,时域分析,时一频域分析,简述了Ｗｉｇｎｅｒ分布及小波,小波包原理,同时给出了故障分析的实例,比较几种诊断方法,对于分析以非稳态振动为表征的机械故障提供了有效的分析手段,指出信号处理的小波分析方法是现代信号处理的较好方法。