基于小波变换和奇异值分解的串联电弧故障检测方法

根据线路中电流信号的变化来检测电弧故障,小波变换是一种常用的检测方法,但是单纯利用小波变换对于正常情况和电弧故障的区分并不明显,而且其结果存在很大的冗余。针对这一问题,提出了采用一种基于小波变换和奇异值分解的串联电弧故障检测的方法。利用电弧模拟发生装置产生串联故障电弧,采集在多种负载下线路正常工作和发生串联电弧故障时的电流。首先对采集的电流信号进行离散小波变换,得到离散小波系数序列,构造特征矩阵;然后对特征矩阵进行奇异值分解,并定义电流信号的特征参数,利用特征参数作为串联电弧故障检测的依据。试验结果表明:正常情况和电弧故障下的特征参数区分明显且没有交叉,易于确定阈值,利用该方法进行串联电弧故障检测的准确率较高,且大大压缩了小波变换结果的冗余性。     

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。     

WPSEG法在GIS故障识别中的应用

为了对气体绝缘全封闭组合电器GIS(gas insulated switchgear)更好地进行故障诊断,本文结合小波包变换、奇异值分解SVD(singular value decomposition)、能量值法,提出了基于小波包奇异能量WPSEG(wavelet packet singular energy)值的GIS故障识别方法,该方法通过量化故障特征对不同故障进行识别。对故障信号进行小波包分解重构得到小波包系数矩阵;利用SVD分解求得矩阵的奇异特征值,最终求取奇异特征值的能量。对现有的GIS 4类超高频局部放电仿真信号进行分析表明,不同故障的WPSEG值不同,同一类故障,小波包分解层数不会影响WPSEG值,并且在相同噪声环境下,4类缺陷的WPSEG值是成比例增长的,不会影响故障的识别。通过与小波包奇异熵WPSEP(wavelet packet singular entropy)法在GIS故障识别中的应用,说明WPSEG值的优越性。     

基于混沌和SVD-DWT的数字图像水印算法

提出了一种基于奇异值分解和离散小波变换相结合的数字水印算法。将二值水印图像用混沌的方法进行置乱并对原始图像进行N层小波分解,对小波系数LLn,LHn,HLn,HHn分别采用不同的方式嵌入水印信息。对LLn部分,根据系数的能量大小嵌入伪随机扩频序列;对LHn,HLn,HHn三个小波系数矩阵作奇异值分解,将置乱水印的奇异特征值嵌入到这三个小波矩阵的奇异特征值中。针对嵌入方案,设计了非盲检测和盲检测算法。实验仿真表明,该算法能够经受住噪声、中值滤波、JPEG压缩和剪切等攻击,具有较强的鲁棒性。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.     

基于小波奇异值和支持向量机的高压线路故障诊断

提出了基于小波奇异值（WSV）和支持向量机（SVM）的电力系统故障类型识别的新方法。利用WSV来量化故障特征,再与SVM结合进行故障类型识别。对故障线路三相电流信号进行小波包变换分解,获取故障信号的小波细节系数;利用相重构技术将小波细节系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;将小波奇异值向量输入到SVM分类器进行故障类型识别。仿真表明,对于不同的故障类型,其小波奇异值分布明显不同,而对于同一类型故障,其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性。SVM具有训练样本少、训练时间短、识别率高等优点。     

基于小波包去噪与EMD的故障电弧检测算法研究

经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。     

基于小波奇异值和支持向量机的高压线路故障诊断

提出了基于小波奇异值(WSV)和支持向量机(SVM)的电力系统故障类型识别的新方法.利用WSV来量化故障特征,再与SVM结合进行故障类型识别.对故障线路三相电流信号进行小波包变换分解,获取故障信号的小波细节系数;利用相重构技术将小波细节系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;将小波奇异值向量输入到SVM分类器进行故障类型识别.仿真表明,对于不同的故障类型,其小波奇异值分布明显不同,而对于同一类型故障,其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性.SVM具有训练样本少、训练时间短、识别率高等优点.     

基于关联维数与小波包-AR谱的串联故障电弧特征研究

供配电系统的电气连接点常因接触松动、机械振动等原因产生串联型故障电弧,串联型故障电弧易引起电气火灾等电气安全事故,影响供电的可靠性。为进一步研究串联故障电弧的特征,在实验室开展了接触松动和机械振动两种生弧条件下的串联故障电弧实验,提出了基于分形理论和小波包-自回归(AR)谱分析的串联型故障电弧特征提取方法。首先对实验电流信号进行分形特征分析,计算各种工作状态下电流信号的关联维数;然后对信号进行小波包分解及重构,对重构后的各频段信号进行AR谱分析,研究不同频段信号AR谱能量在燃弧前后的变化规律,构建以关联维数和E3,0频带能量比例系数为特征量的特征向量。分析结果表明,分形关联维数和小波包-AR谱能量能够有效的描述各类型负载在两种生弧方式下的串联型故障电弧,可用于诊断因接触松动及机械振动原因引起的串联故障电弧。     

电动汽车驱动电机与负载模拟系统建模及 电弧故障仿真研究

电弧故障是引发电动汽车电气火灾的重要原因之一。电动汽车行驶工况复杂,电机及其驱动系统电压高、电流大,且其电弧故障随机性强、隐蔽性高导致真车故障实验难以开展,因此提出一种借助小功率电机与负载系统模拟故障的方法,以便快速开展大量实验,研究电弧故障特性。首先,在电动汽车负载转矩计算和等效缩放的基础上搭建了模拟实验平台,采集三相永磁同步电机线路串联电弧故障电流。其次,运用MATLAB软件构建空间矢量脉宽调制控制的电动汽车驱动电机与负载模拟系统,引入Cassie电弧故障模型并进行改进,对电动汽车三相永磁同步电机线路串联电弧故障展开仿真分析。最后,采用基于平肩宽度占比和小波包分解能量占比的特征提取方法,将仿真数据与实测数据进行比较并定量评价。结果表明,所提出的高斯电弧故障复合模型的相对平均误差最小,仅为7.6%。所构建的仿真系统可有效模拟实际线路的电弧故障,对电动汽车电气火灾的防控具有重要意义。     

基于灰度-梯度共生矩阵的串联故障电弧特征

为了获取非线性负载回路中串联故障电弧的特征,利用自行研制的故障电弧实验系统开展了变频器和工控机负载条件下的串联故障电弧实验。提出一种基于灰度-梯度共生矩阵的特征提取方法。采用前向差分法对电流信号进行预处理,并利用小波包技术对差分信号进行分解、重构,将重构信号按频率高低依次放入二维数组;二维数组中同时刻各频段的能量归一化后,将其转换为0~255的灰度值图像,对灰度值图像进行Wiener滤波并采用Laplace算子进行锐化和加强处理,取频率高于1 562.5 Hz的图像求解灰度-梯度共生矩阵。通过计算共生矩阵的15种特征量,筛选得到工控机和变频器负载条件下串联故障电弧的特征向量。将获取的故障电弧特征向量输入到支持向量机进行故障电弧识别测试,验证了上述故障电弧特征提取方法的有效性。     

基于半正交三角样条小波包的电机故障信号处理方法

三角样条小波(TSW)是作者首先提出适合电力系统信号处理的小波函数,它是对称的半正交小波。基于它的小波包称为半正交小波包,它的算法简洁、准确,与Daubechies小波迭代算法不同。三角样条小波是对称的或反对称的小波,基于它的滤波器具有线性相位或广义线性相位,因而可避免信号相位失真,实验结果表明半正交小波包对故障信号的分解、压缩、重构比Daubechies小波包效果明显。另外对故障信号的小波包分解的不同频带的特征值正常信号的特征值进行比较可以对故障信号进行谐波检测和定位。     

基于改进变分模态分解的SRM功率变换器故障诊断方法

为实现开关磁阻电机功率变换器故障诊断,本文提出了一种改进变分模态分解结合奇异值分析的方法,基于经验模态分解自适应特性和中心频率确定变分模态分解的分解数,并对故障相电流进行处理,根据互信息分析选择最佳模态分量构造初始特征矩阵,进行奇异值分解后计算归一化奇异值作为特征向量,输入支持向量机分类器进行故障识别。为验证诊断方法的可行性,建立了仿真模型与其他诊断方法进行了对比;搭建了开关磁阻电机实验台,测试了开路、短路故障状态,仿真和实验结果均表明本文所提方法可减小噪声影响,提高故障识别准确率。     

基于DT-CWT和SVD的变电站直流系统接地故障检测技术研究

变电站直流系统的状态直接关系到变电站的正常运行,为了对变电站直流系统出现的接地故障快速、准确定位,提出了一种双树复小波变换（DT-CWT）和奇异值分解（SVD）相结合的变电站直流系统接地故障检测新方法。该方法首先利用DT-CWT对支路电流信号进行分解来构建Hankel矩阵;然后对Hankel矩阵进行SVD分解,得到一系列奇异特征值;再次,利用相邻奇异值差值构建奇异值差分谱,通过奇异值差分谱最大峰值来保留有效的奇异值个数;最后,利用保留的奇异值来重构低频信号。算例分析结果表明,该方法能够准确地从支路电流信号中提取出低频交流信号,可以对变电站直流系统接地故障进行准确定位,很大程度上减小对地电容对检测精度的影响。     

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。     

基于信息熵的串联型故障电弧频谱特征研究

针对串联型故障电弧影响供配电系统供电安全的问题,提出小波包信息熵理论与短时傅立叶变换相结合的串联型故障电弧频谱特征分析方法。首先研制了低压串联型故障电弧实验平台,开展了典型负载故障电弧模拟实验。其次,利用小波包技术对发生稳定串联型故障电弧前后的电流信号进行分解、重构和归一化处理。然后,计算各频带重构信号的信息熵,通过对比各频段燃弧前后重构信号的信息熵得出稳定故障电弧电流信号的特征频段为8-10.8KHz。最后,采用短时傅立叶变换对特征频段的重构信号进行时频分析,得出发生稳定故障电弧前后电流信号的频谱变化规律。经验证,在发生不稳定故障电弧时,8-10.8KHz仍为故障电弧的特征频段,频谱特征依然明显。结果表明,利用信息熵和短时傅立叶变换对低压串联型故障电弧进行频谱特征研究是可行的。     

基于多特征融合的光伏系统串联直流电弧故障识别方法

针对目前光伏系统中存在的串联直流电弧故障特征量少、识别定位困难等问题,提出一种基于多特征融合的光伏系统串联直流电弧故障识别方法。首先搭建实验平台,采集正常和串联直流电弧故障下的电流信号并利用小波变换进行降噪;其次,对降噪后信号提取时域上的电流均值变化率和电流周期最值差特征量,并提取频域上的各频带能量及能量比,利用集合经验模态分解（ensemble empirical mode decomposition, EEMD）得到各阶信号本征模态函数（intrinsic mode function,IMF）,计算各阶IMF故障信号与正常信号余弦相似度,并提取相似度较低电弧的IMF能量熵特征;然后,以时域、频域、能量熵特征构成多维特征向量,构建故障电弧特征空间,通过实验确定故障空间边界参数,得到特征判据,根据多维特征判据实现直流电弧故障检测;最后,通过实验分析验证所提方法的准确性。     

基于半正交三角样条小波包的电机故障信号处理方法

三角样条小波TSW（Trigonometric Spline Waelet)是作者首先提出适合电力系统信号处理的小波函数，它是对称的半正交小波。基于它的小波包称为半正交小波包，与Daubechies小波迭代算法不同，三角样条小波是对称的或反对称的小波，基于它的滤波器具有线性相位或广义线性相位，因而可避免信号相位失真，实验结果表明半正交小波包对故障信号的分解，压缩，重构比Daubechies小波包效果明显，另外对故障信号的小波包分解的不同频带的特征值和正常信号的特征值进行比较，可以对故障信号进行谐波检测和定位。     

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。