基于小波理论和多分辨分析的变压器励磁涌流识别方法

提出一种基于小波变换和多分辨分析识别变压器励磁涌流和内部故障电流的新方法。根据故障初始阶段励磁涌流的高频分量随时间推移逐渐变大而故障电流高频分量逐渐变小的特点,首先用Daub-4小波对励磁涌流和故障电流进行分解,得到第1层小波系数的2个初始峰值点,然后通过引入可靠性系数来识别励磁涌流和故障电流。动模试验结果表明,该方法能够可靠快速地识别励磁涌流和故障电流,且不需要考虑保护的整定值,实现方便。     

基于小波变换的变压器励磁涌流识别方法

用Matlab构建变压器励磁涌流和内部故障电流仿真模型,利用小波函数对得到的波形进行多尺度辨析,通过观察小波变换的模极大值在多尺度下的演化趋势,确定波形奇异性,从而定性地区分励磁涌流和内部故障电流的小波判据。通过设定不同的变压器参数,并进行仿真,可证明此方法可以很好地识别变压器励磁涌流和内部故障电流,有效避免由于误判而引起的变压器差动保护误动。     

基于小波理论的变压器励磁涌流与故障电流的识别

变压器内部故障与励磁涌流一般都伴随着复杂的电磁暂态过程,普通的信号处理方法难以准确地区分这两种现象.文章利用小波理论对变压器的励磁涌流与内部故障电流的信号进行分析处理,根据小波变换结果之间差异性的显著特征来构成区分励磁涌流和内部故障电流的判据,以识别是否故障电流.     

基于小波-DHNN识别变压器励磁涌流

变压器主要采用纵联差动保护,如何防止因涌流造成的误动已成为关键性问题。对于该问题,提出一种基于小波-DHNN识别励磁涌流的新的研究方案。利用小波变换对采样信号进行分析,得出励磁涌流的小波系数较内部故障电流有非常明显的差异,并且畸变特点伴随整个衰减过程。分析后的信号通过离散型Hopfield网络测试与识别,从而区分励磁涌流和内部故障电流。通过PSCAD和MATLAB仿真软件进行建模仿真,结果表明,该方法能可靠的识别励磁涌流和内部故障电流,并且准确率高达100%。     

基于小波变换的励磁涌流识别方法研究

当前的励磁涌流识别方法误差偏大,难以区分电力故障类别.为此,提出基于小波变换的励磁涌流识别方法.引入小波变换方法,结合塔式算法,完成电力离散信号的分解.通过小波重构滤波器,重构电力离散分解信号.针对励磁涌流识别中故障类别判断难的问题,利用小波能量谱图解法来区分电力系统变压器励磁涌流故障和内部短路电流,完成励磁涌流识别的优化.实验结果表明,研究方法的励磁涌流识别结果与真实情况一致,具有较好的识别准确率。     

基于小波分析的变压器励磁涌流和内部故障电流识别

探讨了一种基于离散小波变换(DWT)及其多分辨率分析(MRA)的识别励磁涌流和内部故障电流并利用小波熵作为判据的方法。在MATLAB中通过对变压器空载合闸和匝间短路进行仿真,并利用该方法对不平衡电流进行了分析。结果表明,该方法能够可靠、快速地识别出励磁涌流和内部故障电流。     

利用二次小波变换区分变压器励磁涌流和短路电流的符号法

通过选取合适的小波基函数,利用小波变换对采样得到的差流进行一次或二次小波变换,再提取小波变换系数的局部模极大值符号,利用定义的符号识别公式即可区分对称性涌流、非对称性涌流以及内部故障电流,还能鉴别出励磁涌流伴随内部故障情况以及电流互感器饱和采样得到的励磁涌流。Matlab仿真及动模实验校验表明,该方法简单有效,不受噪声干扰,易于在工程上实现。     

基于小波变换的变压器励磁涌流检测判别方法

常规的基于间断角原理的变压器励磁涌流鉴别方法需要精确测量间断角,为了保证不误判励磁涌流,需要比较高的采样频率,对硬件的要求比较高,本文提出了一种基于小波变换的励磁涌流鉴别方法,励磁涌流和内部故障电流的小波变换在波形的模极大值上有明显的区别,可直接利用波形特点进行判断,不需进行精确的间断角测量,可以尽可能的以较少采样点满足鉴别励磁涌流和内部故障电流的需要,对实现算法的硬件要求有明显降低,可以避免由于间断角测量误差而引起的保护误判。     

基于小波包和改进BP神经网络的变压器励磁涌流识别方法

根据励磁涌流和内部故障电流的波形特征存在巨大差异,提出一种基于小波包和改进BP网络的识别励磁涌流的新算法。利用小波包对励磁涌流和故障电流信号进行分解和重构,提取小波包重构系数,计算各频段的能量并进行归一化处理,构造能量特征向量,作为BP网络的输入样本,进行训练和测试,提出保护判据。经过PSCAD/EMTDC和MATLAB软件对大量样本进行仿真验证,证明该方案能够快速准确地识别励磁涌流和内部故障电流。     

小波算法在电力变压器励磁涌流与内部故障电流的鉴别中的应用

通过小波变换理论的研究,小波变换对于电力变压器励磁涌流和内部故障电流的鉴别非常有效。使用仿真软件Matlab中的Simulink模块仿真出电力变压器的励磁涌流和内部故障电流,并通过Mallat分解算法分别进行小波变换。实验表明,这两种电流的小波变换结果的细节部分有很大的不同的特征,可以使用在变压器继电保护中。     

自适应变压器励磁涌流判据研究

基于差流谐波正序分量的变压器励磁涌流判据能够有效识别励磁涌流和内部故障。为了进一步提高差动保护的励磁涌流闭锁可靠性和内部故障动作快速性,分析了变压器端电压及其基波正序分量突变量在励磁涌流和内部故障时的不同特征,由此确定了自适应控制因子Q,并将Q加入到差流谐波正序分量的励磁涌流判据中,进而提出了一种自适应变压器励磁涌流新判据。大量EMTP仿真及动模实验表明：新判据能够在励磁涌流时自动降低涌流制动定值,提高涌流的闭锁可靠性;在内部故障时自动升高涌流制动定值,提高区内故障时保护的动作速度。     

基于综合形态算法的变压器励磁涌流识别方法

针对励磁涌流对变压器差动保护的影响,提出了一种基于综合形态算法的励磁涌流识别方法.首先,利用改进形态梯度算子对采集的信号进行处理,然后利用加权形态滤波算子对梯度信号进行滤波.然后,基于内部故障电流和励磁涌流基波相似性的显著差异构造判据对二者进行区分.判据1用来快速识别大多数内部故障,判据2应对电流互感器饱和及空合于内部轻微匝间故障等特殊情况.两识别判据通过协同逻辑,实现涌流情况下的保护闭锁与内部故障情况下的快速动作.最后,通过PSCAD/EMTDC仿真对所提算法进行了验证分析.     

基于人工神经网络的变压器励磁涌流的鉴别

研究了基于神经网络方法的电力变压器励磁涌流鉴别。对变压器励磁涌流及故障电流进行了数字仿真,比较了两者在物理特性上的区别。利用Matlab的人工工具箱,分别建立了BP和RBF神经网络模型,对励磁涌流和故障电流的样本进行训练及测试。结果表明,人工神经网络可以正确地区分励磁涌流和故障电流,RBF神经网络能更加快速、准确地判断出变压器的故障。     

一种基于差动电流波形特征的励磁涌流识别新方法

分析变压器励磁涌流和内部故障电流的波形特征,提出励磁涌流识别的新方法。内部故障电流的全波傅氏计算结果与半波傅氏计算结果接近,而励磁涌流的全波傅氏计算结果与半波傅氏计算结果差别较大。根据差动电流的全波傅氏算法计算结果以及全波傅氏算法计算结果与半波傅氏算法计算结果的差值,求取半个工频周期内该差值的积分与全波傅氏算法计算结果的积分的比值。若比值大于整定值判为励磁涌流,否则判为内部故障电流。理论分析和动模试验结果表明,该方法能够快速区分励磁涌流和内部故障电流,同时可以分相制动,提高了差动保护的可靠性和安全性。     

小波分析在变压器差动保护中的应用

正确区分电力变压器励磁涌流和内部故障电流是变压器保护中一个尚未得到完善解决的问题,变压器励磁涌流具有明显的奇异性,小波变换在多尺度分析和时频域表现优秀,适合用来提取信号边缘和峰值突变的特征,能够很好的检测信号奇异性。对励磁涌流和故障电流进行小波分析,然后对信号小波变换后的波形进分析,可直接利用波形特点进行判断。     

基于不同傅里叶算法之间相似度的励磁涌流鉴别方法

利用半波傅里叶算法计算的差流基波幅值与绝对门槛值相比较来鉴别励磁涌流和内部故障电流,存在定值整定困难的缺点.提出了一种改进算法,利用全波和半波傅里叶算法计算的差流基波幅值之间的波形相似系数进行励磁涌流鉴别,克服了原方法的上述不足.理论分析和大量动模试验表明:该方法能够可靠区分励磁涌流和变压器内部故障电流,并对对称性励磁涌流具有较好的识别效果,在空载合闸于内部轻微匝间故障时,差动保护仍能快速动作出口.     

基于小波变换的变压器差动保护算法

通过对典型励磁涌流和常见变压器内部故障的电流波形进行分析,总结归纳出一种基于小波变换的差动保护算法.     

ZnO避雷器式故障限流器对变压器励磁涌流的影响分析

针对空载合闸变压器励磁涌流在电力系统中产生的危害,提出了一种新的削弱励磁涌流的方法,利用ATP-EMTP详细分析了ZnO避雷器式故障限流器对励磁涌流的影响,通过四种方式对空载时的励磁涌流进行了对比,结果表明:ZnO避雷器式故障限流器对变压器励磁涌流有良好的抑制作用。