基于小波神经网络和特征熵的高压断路器故障诊断研究

作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用小波神经网络进行分类识别。同时还给出了一种小波神经网络的改进方法,提高了其收敛速度。实验结果表明,相比较于传统神经网络,改进的小波神经网络训练速度更快,分类准确率更高,对于高压断路器的故障诊断效果更佳。     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。     

低压断路器振动特性分析与合闸同期性研究

针对低压断路器的机械特性,采用小波分解法对其振动信号进行分析。根据电动操作机构及低压断路器合闸动作的时序关系,以驱动电机电流信号作为时间标识,有效地提取了合闸振动信号。提出小波包能量谱分析低压断路器合闸同期性研究,在小波包对振动合闸信号细节分解基础上,采用小波包重构提取合闸振动主频带信号特征,由此构造合闸同期性状态特征矢量,并应用BP神经网络建立三相合闸不同期故障的识别模型。在断路器基座横梁安装单个加速度传感器,实验模拟了DW15—1600低压断路器的四种同期性状态振动信号,仿真结果表明,本文提出的振动信号小波包能量谱与神经网络相结合的方法,可有效地分析低压断路器合闸同期性。     

基于正交小波包变换的前馈神经网络盲均衡算法

针对前馈神经网络盲均衡算法收敛速度慢、均方误差大的缺点,在分析前馈神经网络盲均衡算法和正交小波包变换理论的基础上,提出了基于正交小波包变换的前馈神经网络盲均衡算法。该算法利用正交小波包变换良好的去相关性,对前馈神经网络均衡器输入信号进行预处理后,降低了输入信号的自相性,从而加快了收敛速度和减小了均方误差。水声信道的仿真结果表明,该算法在收敛速度与均方误差方面的性能比前馈神经网络盲均衡算法优越。     

基于多传感器振动信号融合的真空断路器故障诊断

根据真空断路器故障诊断特点,提出了小波包、RBF神经网络与D-S证据理论相结合的决策层信息融合诊断方法。首先,运用小波包—能量谱分析方法对振动信号进行分解处理,提取特征向量,并以此作为诊断的依据;其次,建立神经网络模型,以特征向量为RBF神经网络的输入,进行断路器初步故障诊断;然后将诊断结果作为对各种故障模式的基本概率分配值,利用D-S证据理论,实现对初步诊断结果的融合,从而得到最终的融合诊断结果。实验结果表明,该方法诊断真空断路器故障能取得良好的效果。     

粒子群优化神经网络在高压断路器机械故障诊断中的应用

提出了一种以振动信号小波包特征熵为特征向量的高压断路器机械故障诊断的智能算法,该算法利用小波包分解原理将高压断路器振动信号分解到不同的频段中,计算各频段的能量熵值,并将其作为神经网络的输入向量,同时利用粒子群算法对神经网络进行优化,以提高故障诊断的精度。试验结果表明：该方法不仅能够取得良好的分类效果,而且诊断速度与精度均高于传统神经网络算法,适用于高压断路器机械故障诊断     

基于小波能量与神经网络的断路器振动信号识别方法

高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,还会引起时域波形中一些波峰幅值的变化。依据同一类型断路器振动信号相似的特点,在对高压断路器故障振动信号进行特征分析的基础上,提出了一种识别高压断路器振动信号的新方法:将小波包提取算法和径向基神经网络模式识别功能相结合,利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中,提取每个频带能量作为断路器状态监测的特征向量,作为径向基神经网络的输入向量;基于径向基神经网络的故障诊断方法在系统参数未知的情况下自动建立动态模型,对于线性系统和非线性系统都有很好的跟踪能力,通过实验室断路器典型合闸振动信号的监测及识别分析验证了该方法的有效性。     

基于提升小波和神经网络的超高压电网故障类型识别

电力调度中心为进一步提高故障类型识别率和计算速度,利用提升小波和BP网络构造了新的小波神经网络故障识别模型,应用db5提升小波对故障电流进行分解,将分解到的(0,375)Hz频率段的系数输入到BP神经网络;为了提高算法的收敛速度,采用共轭梯度法训练该神经网络.通过ATP仿真及华东电网实际故障录波数据的测试,结果表明该模型具有很高的识别率和收敛速度.     

模拟电路故障诊断的多小波神经网络算法

提出了基于多小波变换和能量归一化预处理的模拟电路故障诊断多小波神经网络算法.这种方法能够有效提取故障信号特征,从而减少小波网络训练时输入层和隐层节点的个数,减小网络的规模,降低计算的复杂度,也加快了训练速度.最后在Matlab和模拟电路仿真软件IsSpice4下对算法的收敛性能进行了仿真比较,结果表明基于多小波变换的算法能够对模拟电路的故障进行有效诊断和定位,而且收敛速度比小波包变换更快一些.     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法。先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型。仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果。     

辐射电场特征能量提取法在评估GIS状态中的应用研究

气体绝缘变电站(Gas Insulated Substation,GIS)内的隔离开关(Disconnecting Switch,DS)或者断路器(Circuit Breaker,CB)的动作会在GIS外部产生强烈的辐射电磁场环境。为了通过此测得的辐射场特征参数评估GIS的健康状态,特提出利用小波包分解提取辐射电场信号特征频段能量的方法。采用bior5.5小波基函数,分别对GIS处于健康状态与GIS中CB内出现绝缘故障两种情况下CB关合动作所产生的辐射电场信号进行4层小波包分解,从而提取不同频段的归一化能量,发现31.25 MHz以下的频段为此GIS因CB动作所产生辐射电场信号的特征频段。经推广,通过对比任意一次CB动作后辐射电场在特征频段的能量与GIS正常运行状态下典型辐射电场的特征频段的能量,可以诊断CB的绝缘故障,评估GIS的健康状态。     

基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上,使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号,再对最优基下小波包系数作阈值处理,消除幅值较小的系数,达到压缩的目的,最后对压缩后的数据进行重构,并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明,提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

基于最优小波包基分解的暂态电能质量分类方法

对屯能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤。提出基于最优小波包熵特征的特征提取方法．对采样信号进行小波包分解及时域预处理并选取最优小波包基．计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起．形成最终的特征向量并作为神经网络的输入构建神经网络识别系统．对暂态电能质量信号进行识别。系统负荷投切和电容器充电的仿真结果表明．该方法能快速有效地区分暂态脉冲和振荡暂态。     

基于五次谐波和小波重构能量的配电网单相接地故障的选线方法研究*

对配电网经常发生的单相接地短路故障,因为故障点电流非常小,很难通过五次谐波幅值比较来准确地判断故障线路。提出了五次谐波和小波包能量相结合的方法。利用小波包对各线路的零序电流的五次谐波进行三层小波包分解,对第三层重构系数进行能量计算求出总的能量值。通过比较各线路零序电流五次谐波的能量值判断出故障线路。搭建了10 kV中性点经消弧线圈接地的小电流单相短路接地系统的仿真模型,结果表明五次谐波与小波包能量结合的分析方法能够准确地进行故障选线。     

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。     

Home network power-line communication signal processing based on wavelet packet analysis

Recent advances in signal processing methodologies have spawned the way for a high-speed home network power-line communication (PLC) system. In this paper, a novel signal processing method based on wavelet packet analysis is proposed to combat the adverse communication environment over power lines. A comparison research between wavelet transform and wavelet packet transform is presented. Since wavelet packet decomposition can provide more precise frequency resolution than wavelet decomposition, this paper proposes to use the wavelet packet analysis to deal with the highly polluted PLC communication signal. A hardware structure for the PLC system is presented as an experimental platform for sampling an actual communication signal. Simulation results based on these kinds of actual communication signals show the effectiveness of the proposed method.     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.     

基于小波包变换和神经网络的逆变器故障诊断

本文提出了一种基于小波包变换和神经网络的PWM逆变器故障诊断方法。利用小波包分解的分频特性对逆变器机侧电流信号进行小波包分解,求得故障特征频率相应子频带的信号能量值,将此作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。仿真结果表明该方法的有效性。