Hilbert-Huang变换在电力系统过电压识别中的应用

将希尔伯特-黄变换(HHT)方法引入到过电压信号分类识别研究中,该方法由经验模态分解(EMD)与Hilbert变换两部分组成,能够定量、准确地对信号幅值及频率特征进行刻画。采用HHT方法对7种电力系统中常见的过电压信号进行了分析计算,结果表明HHT方法计算得到的瞬时幅值谱、Hilbert边际谱、Hilbert时频谱,能够作为特征量对不同种类型过电压进行分类识别。基于HHT算法与RBF神经网络搭建了过电压信号分层识别系统,并以实测过电压数据对其进行验证,结果表明,该分类识别系统能够有效地对过电压信号进行分类识别,并具有较高的识别率。     

电力系统暂时过电压多级支持向量机分层识别

提出了一种电力系统暂时过电压多级支持向量机（M-SVM）分层识别的方法。根据暂时过电压分类,建立暂时过电压分层识别系统,并采用“二分树”法构建多级支持向量机分类器。在变电站实测过电压数据的基础上,提取了三相及零序电压的时域统计特征和小波时频特征,同时对特征量进行逐级选择,将这些特征量作为M-SVM的输入,实现暂时过电压类型辨识。现场数据测试表明,采用的M-SVM分层识别方法具有训练样本少、训练时间短、识别率高的优点,可较好地应用于电力系统暂时过电压类型识别。     

基于S变换局部奇异值分解的过电压特征提取

针对实测过电压信号波形不规则、不易识别问题,根据矩阵奇异值的特点,提出了一种采用S变换和局部奇异值分解的过电压特征提取方法。首先通过S变换得到过电压发生时零序电压的时频模值矩阵,然后对矩阵进行划分,计算各个子矩阵的最大奇异值,利用最大奇异值在不同频带以及整个时频空间的分布差异来构造过电压特征量。对变电站实测的感应雷过电压等五种过电压信号的计算表明,所提取的特征量维数低,对过电压信号随机扰动具有相对稳定性,能提取出过电压的本质特征。     

电力系统实测过电压信号的特征量提取与验证

提高实测过电压信号识别率的关键是提取的特征量具有区别性、稳定性和明确的物理意义。为此,提出一种新的提取实测过电压信号特征量的研究思路:首先结合过电压信号产生的物理过程和影响因素对其时域和频域特征进行分析,然后确定其具有区别性、稳定性和明确物理意义的特征,最后选择合适的信号处理技术提取相关的特征量。以电容器组合闸、感应雷、弧光接地3类常见的实测过电压信号为对象,依照所提出的研究思路分别提取了相应的特征量,并构造了基于支持向量机的分类器对这3类过电压的实测样本(共98个)进行了识别,识别率分别为100%、100%、97.3%,总识别率达99%。识别结果证明了对以上3类过电压信号所提取特征量的有效性,同时表明所提出的思路可供更多类型的实测过电压信号的特征量提取参考。     

基于比值法的铁磁谐振过电压分类研究

在变电站实测过电压波形基础上,根据铁磁谐振过电压发生机理及波形特征,将小波变换良好的时频局部化特性和傅里叶变换良好的频域分析能力有机结合,提取了能够有效反映铁磁谐振过电压的特征参量,并提出利用比值法识别铁磁谐振过电压的方法。结果表明该理论基础直观,大量现场实测数据验证了该方法在识别铁磁谐振过电压时的有效性和可靠性。     

基于Hilbert变换和分类树的电能质量扰动分类辨识

提出了一种基于Hilbert变换和分类树相结合的暂态扰动分类方法。首先运用Hilbert变换对暂态扰动信号进行时域分析,然后提取扰动信号的特征量,最后生成用于对暂态扰动信号进行分类的决策树分类辨识方法,以此来实现暂态扰动信号的分类辨识。仿真计算结果表明,该方法能够对暂态扰动信号进行有效的分类辨识,分类树简单、易于实现且准确度高。     

基于综合门限值小波包去除变压器局部放电白噪声

分析了变压器局部放电信号及白噪声干扰的小波变换特征,提出了采用综合门限值的小波包变换从白噪声中提取局部放电信号的方法,对实测数据进行了处理.     

调制域分析仪中减少随机测试误差的小波变换方法

基于调制域分析仪随机测试误差的特征和数据处理要求,本文简要介绍了小波变换的多分辨率信号处理及其去噪的原理,从理论分析和实验两个方面讨论了信号及随机误差的小波变换特性,给出了减少随机误差的小波变换方法。通过对实测数据的处理,证明了小波变换对换制随机误差、提高测量精度,真实,准确重现被测信号（包括信号的突变部分）具有较好的效果。     

S变换模矩阵和最小二乘SVM在雷电及操作过电压识别中的应用

提出一种基于S变换模矩阵和最小二乘支持向量机(SVM)的雷电及操作过电压识别方法。通过对零序过电压信号的S变换模矩阵进行奇异值分解,将过电压信号的特征信息分解到不同的时频特征子空间,提取奇异值的5类统计特征参量作为过电压识别的特征向量,并将其输入最小二乘SVM分类器,实现雷电及操作过电压的类型识别。过电压实测数据表明:所提特征方法的特征量维数低,抗干扰能力强;采用的识别方法训练次数少,识别率高,可较好地应用于雷电及操作过电压的识别。     

采用时频矩阵奇异值分解和多级支持向量机的雷电及操作过电压识别

雷电及操作过电压的识别,对改进和提高电力系统绝缘配合水平具有重要意义.提出了一种基于时频矩阵奇异值分解(singular value decomposition,SVD)和多级支持向量机(support vector machine,SVM)的雷电及操作过电压识别方法,通过对过电压信号的小波分解,构建多尺度时频矩阵,利用 SVD 对该矩阵进行奇异值分解,将信号分解到不同的时频特征子空间,然后获取过电压信号的奇异谱,并计算奇异谱的特征量,将这些特征量作为多级 SVM 的输入,实现雷电及操作过电压的辨识.对变电站实测5种过电压信号的计算表明:提取的特征量维数低,对过电压信号的电磁干扰具有相对稳定性;采用的识别方法训练次数少,识别率高,能够实现雷电及操作过电压的准确分类.     

能源互联网多能扰动识别的数据流处理模型

电能、燃气、热能等多能源融合使能源在生产—调配—使用过程中极易发生多能扰动,传统的离线扰动识别方法很难满足能源互联网实时性的要求,采用数据流处理技术可对多能扰动信号进行在线识别。从能源互联网的能量—信息交互入手,对能源互联网多能扰动问题进行分析,为不同扰动信号建立数学模型。采用小波变换对扰动信号进行分解,并基于滑动窗口构建扰动信号的数据流处理模型。该模型首先构建滑动窗口概要数据结构,其次改进小波树更新算法以实现概要结构快速更新,优化扰动信号特征提取,最后采用决策树算法对信号特征进行分类。构建的数据流处理模型被应用到电能质量扰动和燃气质量扰动的识别中,验证该数据流处理模型的有效性。     

Power quality disturbance classificationbased on time-frequency domain multifeatureand decision tree

Accurate classification of power quality disturbance is the premise and basis for improving and governing power quality. A method for power quality disturbance classification based on time-frequency domain multi-feature and decision tree is presented. Wavelet transform and S-transform are used to extract the feature quantity of each power quality disturbance signal, and a decision tree with classification rules is then constructed for classification and recognition based on the extracted feature quantity. The classification rules and decision tree classifier are established by combining the energy spectrum feature quantity extracted by wavelet transform and other seven time-frequency domain feature quantities extracted by S-transform. Simulation results show that the proposed method can effectively identify six types of common single disturbance signals and two mixed disturbance signals, with fast classification speed and adequate noise resistance. Its classification accuracy is also higher than those of support vector machine (SVM) and k-nearest neighbor (KNN) algorithms. Compared with the method that only uses S-transform, the proposed feature extraction method has more abundant features and higher classification accuracy for power quality disturbance.     

基于小波能量统计法的HVDC换相失败故障诊断

将小波变换应用于高压直流输电系统换相失败的故障诊断中,基于多分辨率分析分别对不同故障情况下的直流电压、直流电流、交流电压和交流电流等暂态信号进行分解,提取每一层的特征;根据各层小波能量统计,定义2个故障诊断指标作为辨识各种故障的判据,并针对这2个指标分别设置4个阈值以诊断直流线路故障和不同原因引起的换相失败故障。仿真结果表明,该方法不仅能准确区分换相失败故障和直流线路故障,而且能判断引起换相失败的原因。     

基于小波分解和数据挖掘中决策树算法的电能质量扰动识别方法

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种基于小波分解和数据挖掘中决策树算法的电能质量扰动(power quality disturbance,PQD)识别方法。建立了正弦信号和6 种常见PQD 信号的数学模型,通过小波分解得到了上述信号的特征量,结合决策树方法实现了对PQD 的自动分类,并通过合理选择小波类型、分类算法和去噪方法提高了PQD 的分类精度。实验结果验证了该识别方法的准确性和高效性。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。     

基于迁移学习的配电网内部过电压识别方法

数据驱动方式作为解决配电网内部过电压识别的一种方法,因过电压样本数量较少而在实际应用中受到限制.为此,提出了一种基于迁移学习的深度卷积神经网络(D-CNN)配电网内部过电压识别算法.首先,通过仿真和连续小波变换(CWT)的方法构造了6种10 kV配电网内部过电压二维时频图.然后,分别利用Alexnet、Vgg-16、G...     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

边缘检测在HVDC系统故障诊断中的应用

为了及时分辨HVDC系统故障类型并快速恢复,对直流输电标准测试系统在各种故障,包括交流系统发生故障、逆变换相失败故障以及直流线路故障下的典型响应特性进行了分析。采用劋trous小波方法将行波信号分解成不同尺度下的小波面,其中包含了该尺度下细节信息,实现对故障的边缘检测;提出了3种故障判别准则,推出了模极大值能量的概念,并利用反射行波信号的小波变换模极大值的幅值、极性及模极大值能量等变化规律对不同HVDC系统故障进行诊断,实现逆变器换相失败和交流系统单相故障的识别。MATLAB仿真结果表明提出的方法能很好地完成HVDC系统的故障诊断。     

基于小波能量矩的输电线路暂态信号分类识别方法

信号能量的时频分布可以反映不同信号的本质区别,小波能量矩既可以反映信号能量在频域上的分布,也可以间接体现能量在时域上的分布。文章将基于小波能量矩的信号特征提取方法用于区分输电线路的故障暂态信号与非故障暂态信号。首先基于500 kV输电线路仿真模型得到电容投切、三相断路器操作、单相接地短路、一次电弧故障、非故障性雷击和故障性雷击6种类型的暂态信号;然后利用小波变换提取这些信号各频带的能量矩,得到能量矩统计图并对各暂态信号小波能量矩的分布特点进行分析,在此基础上提出了暂态信号分类识别判据。基于小波能量矩方法提取的暂态信号特征较明显,分类识别简便,仿真结果验证了该方法的可行性和有效性。     

基于S变换和分类树的电网暂态电能质量扰动分类辨识

针对暂态电能质量的检测分析,分别在强弱两种噪声背景下运用S变换的不同方法对暂态多扰动信号进行定位检测.对于暂态多扰动的分类辨识,运用了基于S变换和分类树相结合的暂态电能质量多扰动分类辨识方法,首先运用S变换对暂态多扰动信号进行时频分析,然后提取扰动信号的特征量,最后生成用于对暂态多扰动信号进行分类的决策树分类辨识方法,...