基于小波变换的故障电弧检测方法研究

描述了故障电弧的危害、定义及检测方法分类。提出了一种基于Daubechies 4阶小波变换的故障电弧检测方法。通过试验分析证明,其具有计算简单、实时性强等特点,能有效检测线路中是否有故障电弧产生。     

一种基于小波变换能量与神经网络结合的串联型故障电弧辨识方法

针对交流串联型故障电弧发生时回路电流幅值较小、传统线路保护装置不能有效检测的问题,提出一种基于小波变换能量与神经网络结合且适用于多种典型负载的串联型低压交流故障电弧辨识方法。利用自制的电弧发生装置模拟产生低压交流故障电弧,获取了6种典型家用负载情况下电路正常运行及产生串联型故障电弧时回路的电流信号。对采集的信号进行小波分解,将各层细节信号能量的平均值和标准差输入BP神经网络后构成小波神经网络,实现对不同负载测试样本的辨识。采用粒子群优化算法计算神经网络训练初始值,利用自适应学习率方法提高了训练速度。算法输出结果含义明确,输入层特征量选取合理。实验结果表明,采用该方法进行故障电弧辨识的准确率达到95%以上。     

基于小波能谱熵的串联型故障电弧检测方法

低压线路中的串联故障电弧检测多以提取电流信号的故障特征为主,实际中,电流故障特征难以与非线性负载的负荷电流特征进行区分。相比之下,通过识别负载端故障电压特征更易建立统一故障判据。本文通过建立电弧分段仿真模型分析了电弧电阻对负载端电压故障特征的影响,从选择最优小波分解层数与小波基函数出发,提出了一种利用小波能谱熵的电弧故障检测方法,该方法利用故障电弧电压对负载端电压造成的畸变进行故障检测,利用小波能谱熵克服了故障特征频带难以确定的问题。实测及对比实验表明,该方法可有效识别各类负载线路的串联电弧故障,其检测准确率达98%以上。     

基于小波变换与逻辑斯蒂回归的混合式配电变压器故障辨识

混合式配电变压器(HDT)在智能配电网中能够代替传统配电变压器实现无功功率补偿、谐波治理和电压调节等功能.为了区分当HDT发生故障的时候,是变压器内部故障还是电力电子故障,该文首先通过仿真得到HDT不同故障工况下的大量一次侧、二次侧、三次侧、四次侧电流特征量数据,然后借助小波变换理论,对得到的数据进行四层离散小波变换,...     

低压故障电弧的形态小波分析

故障电弧是引发电气火灾的重要原因之一.将形态小波引入故障电弧研究领域,利用LabVIEW软件设计了形态小波分析模块,实现对信号波形的可视化分析.利用该模块结合新型测试系统,对台灯、微波炉、空调和计算机等常见家用负载的正常及故障电弧波形进行实际采集和分析.对混合负载情况下不同位置的故障电弧特征进行了形态小波分析,为构建智能化通用故障电弧诊断模型进行了初步的探索.     

基于小波特征及深度学习的故障电弧检测

由线路绝缘层老化破损、电气接触不良等原因产生的串联故障电弧严重威胁着低压配电系统的电力安全。其电流小、温度高、隐蔽性强等特点更是给检测和识别带来了困难。基于此,提出一种基于小波特征及深度学习的串联故障电弧检测方法。通过搭建串联故障电弧实验平台,采集了典型阻性、阻感性、感性负载下的电流信号,对电流信号进行小波变换构造了训练集和测试集,通过改进的AlexNet模型识别故障电弧并输出检测结果。实验结果表明,采用该方法进行串联故障电弧识别的准确率约为95.58%,比利用AlexNet模型要高出约10.58%。     

基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

基于改进小波变换的故障电弧检测方法的研究

为了有效避免因故障电弧而引发的电气火灾,对故障电弧的故障检测进行了深入研究。故障电弧检测最常用的方法是小波变换,但是它存在着频谱混叠的问题。针对这一问题,提出一种基于添加节点前奇抽取的抗频谱混叠的改进小波变换算法,并利用多种负载进行验证,从而优化故障电弧检测,最后得到了准确度高、计算简单、实用性好的串联故障电弧检测方法。根据UL1699搭建了故障电弧实验平台,并基于此平台进行电弧发生实验。根据实验仿真结果的验证,改进小波变换解决了小波变换的频谱混叠问题,提高了故障电弧检测的精度,有效地减少故障误报率。     

电弧故障断路器检测技术及相关标准

介绍了电弧故障断路器的主要工作原理,分析了波形检测的关键技术。在相关标准研究的基础上,介绍了电弧故障断路器的主要性能要求及技术指标。详细分析了与电弧故障检验有关的试验,包括串联电弧故障试验、并联电弧故障试验、屏蔽试验和误脱扣试验。     

基于小波变换的小电流接地系统电弧故障选线

小电流接地系统单相接地故障时往往伴随着电弧的产生，故障电弧带来了很多高频分量，这也是目前许多选线装置不可靠的重要原因所在。利用故障电弧引起的奇异特征，用小波奇异性检测原理对故障零序电流进行大量的仿真。仿真结果表明，本小波选线算法在发生电弧故障时也能正确选出故障线路，同时也说明了此方法的准确性、可靠性以及高适应性。     

基于HCMAC神经网络的故障电弧检测方法

低压故障电弧电流的有效值往往小于热脱扣器的动作电流,导致传统的电路保护装置失效.模拟低压电气线路中的故障电弧,利用电流采样装置对故障电弧电流进行采样.在分析故障电弧电流波形特征的基础上,利用HCMAC神经网络对电流波形的各周期均值、斜率和小波变换高频系数三个判据进行综合评判,有效克服了单一判据的局限性.仿真结果表明,基于HCMAC的故障电弧检测方法可有效识别故障电弧特征,提高辨识故障电弧的准确率.     

基于dsPIC的电弧故障检测装置

在分析故障电弧特征的基础上,利用Matlab对故障电弧波形进行3次B样条小波分解。经分析得m,可利用第4尺度下的细节分量最大值作为判断故障电弧发生的依据。在实物设计中,以dsPIC为核心搭建了电弧电流采样硬件电路、继电器控制硬件电路,编写Mallat小波分解算法程序、故障判断程序等,设计了一个基于dsPIC的电弧故障检测系统。最后,搭建了串联电弧故障模拟试验电路,并以电水壶为典型负裁对系统的功能进行测试。通过试验,验证了系统对于电弧故障识别的有效性。     

建筑配电系统故障电弧的仿真与检测

选择合适的电弧模型,对建筑配电系统发生的故障电弧进行了仿真.基于小波的时一频分析特点和人工神经网络(ANN)的学习能力,提出了一种分辨故障电弧和正常负荷电流的方法.该方法通过小波变换对信号进行多分辨率分析,提取信号的特征矢量,利用人工神经网络对输入特征矢量进行故障识别.仿真实验的结果表明,该方法具有良好的故障识别件能.     

基于形态学滤波和OTSU的串联故障电弧识别方法

为有效识别不同负载串联故障电弧,针对不同类型的纯阻性负载,变频机-电机负载,工控机负载等进行故障电弧实验。对采集到的正常工作状态和电弧故障状态下的电流信号使用db4小波基对电流的一阶前向差分信号进行了5层分解,得到电流信号在32个频段的分解波形,作为故障电弧的辨识特征。通过计算同一时刻各个频段的方差,将分解的频段信号重新构成新的信号。利用形态学算法对此重构信号进行滤波,突显出故障情况下的电流特征。通过最大类间方差(OTSU)方法提取波形阈值,并统计阈值与滤波后波形的交点个数。研究结果表明,正常状态和故障电弧状态下滤波后波形与波形阈值的交点个数有明显的区别,可以作为故障电弧的识别特征。     

串联故障电弧检测方法的研究

提出了一种基于小波包能量熵的故障电弧检测方法,该方首先计算电流信号的小波包能量熵对故障电弧电流信号的能量分布进行定量描述,然后,提取故障电弧电流与正常工作电流的能量熵比值,并将其作为故障发生的判据。结果表明,该方法能有效提取串联故障电弧电流的时频特征,为串联故障电弧的诊断和检测提供了一种新途径。     

基于小波变换的配电网电压暂降的干扰源辨识

该文用EMTP建立了一个配电网电压暂降仿真系统，对线路故障引起的电压暂降以及多级电压暂降、变压器投运和感应电动机启动引起的电压哲降进行了原理分析并给出了相应的仿真结果。仿真分析结果表明：电压暂降的电压波形特征是和特定的干扰源相联系的，因此，可以利用它来辨识电压暂降的干扰源。在此基础上，文中提出了基于三次中心B样条小波变换的电压暂降干扰源辨识方法，该方法以电压暂降的电压波形为分析对象，以小波变换的奇异性检测理论为基础，利用B样条小波变换准确地提取了各种电压哲降的波形特征量，并对故障、变压器投运和三相感应电机启动引起的电压暂降做了辨识。仿真试验结果表明该方法简洁可靠，辨识准确性高，抗干扰能力强。     

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。     

基于改进形态Haar小波在输电线路故障测距中的应用研究

提出将改进形态Haar小波(IMHW)用于输电线路行波测距中.从信号的时域上提取奇异点,能够较为快速和准确地定位奇异发生的时刻,适合应用于输电线路故障测距.大量ATP仿真结果表明采用基于IMHW变换的行波测距能够准确地提取行波信号的波头位置,具有较高的测距精度.IMHW变换主要是加减和取极值运算,与经典Mallat小波算法相比,该算法具有结构简单,算法量较小,易于工程实现的特点.     

基于经验小波变换复合熵值与特征融合的故障电弧检测

针对电力系统交流配电线路中串联故障电弧易引发电气火灾且检测精度不高的问题,提出一种基于经验小波变换(empirical wavelet transform,EWT)复合熵值与信号特征融合的故障电弧诊断方法。首先搭建故障电弧实验平台,对典型负载实测电流归一化处理,利用经验小波变换进行频谱分割并提取出具有紧支撑的模态分量,根据燃弧前后信息熵熵减分析选取特征分量。为反映时频多域细节复杂度特征,提取时频域特征分量复合熵值与时域敏感特征组成多域高维特征,利用主成分分析(principal component analysis,PCA)选取累积贡献率高于90%的主元实现特征降维融合,最后输入概率神经网络(probabilistic neural network,PNN)验证检测精度。结果表明,融合特征较单域特征检测精度更高,选用负载最低诊断率达98%验证了该方法的有效性。