基于二进小波变换的变压器励磁涌流识别

分析了标准正弦波、励磁涌流及短路电流小波变换后的波形特点,并归纳出了识别变压器励磁涌流的判据.     

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。     

小波变换在变压器励磁涌流识别中的应用

提出了一种基于滤波和小波理论的区分励磁涌流和短路电流的新方法 ,通过滤波后的小波变换的模极大值提取涌流和短路电流的突变点特征 ,从而清楚地区分涌流和短路电流 ,通过计算机仿真证明了该方法的有效性     

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。     

基于小波包变换的变压器励磁涌流识别新方法

提出了一种基于小波包变换的识别变压器励磁涌流的新算法。该算法能正确地区分带长线和不带长线励磁涌流与变压器的各种典型内部故障,同时不会将外部故障误判为内部故障。试验结果表明：所设计的小波包算法能保证励磁涌流的正确识别,且具有实时实现的可能。     

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%。     

基于小波分析的变压器励磁涌流识别

励磁涌流和内部短路电流状态的识别是变压器差动保护中的一个重要问题,通过比较励磁涌流和短路电流在物理特性上的区别,提出运用小波变换提取励磁涌流的间断角奇异性特征,实现变压器励磁涌流和短路电流的识别。仿真结果表明,该方法能够有效地提取励磁涌流的畸变特征,提高了变压器微机差动保护的准确性。     

利用小波变换识别变压器励磁涌流的新方法

本文分析了变压器差动保护所面临的问题。从差动保护的概念入手,分析励磁涌流造成差动保护动作的原因并分析当前利用小波变换识别励磁涌流和故障电流的新方法。     

基于小波变换和概率神经网络的励磁涌流识别

针对变压器的励磁涌流问题,提出了一种基于小波变换和概率神经网络的新的变压器差动保护方案,用以实现励磁涌流与其它内部短路电流诸如单相短路、两相接地短路、三相接地短路、匝间短路的鉴别。利用小波变换进行信号分解,提取各尺度高频部分的能量,作为神经网络的输入特征向量,概率神经网络是为了进行模式识别。利用Matlab/Simulink平台上的仿真建模,获取励磁涌流和内部故障电流的数据。大量仿真结果显示,该方案可以有效地识别励磁涌流。     

基于形态学-小波识别变压器励磁涌流

针对变压器差动保护多年来一直存在的区分励磁涌流和内部故障电流的难题,提出了一种区分变压器励磁涌流和故障电流的新判据.将形态学滤波器作为保护的前置滤波单元.在保留故障信号特征的前提下,尽可能地抑制各种干扰的影响.利用小渡多分辨分析的理论,提取出信号多个频段下的小波谱能量,通过选取合适的高频能量和低频能量的比值实现励磁涌流和故障电流的判别.该方法原理简单,易于实现,无需任何先验参数.通过对动模试验数据的分析表明.该方法能够在7～8 ms内快速地区分励磁涌流和故障电流,具有较高的可靠性和灵敏性.     

基于小波算法的变压器涌流和内部故障电流识别

小波变换可将信号同时从时域和频域两个方面加以分解,对分析变压器励磁涌流和内部故障电流非常有效.在PSCAD/EMTDC软件中通过对变压器励磁涌流和内部接地故障进行仿真,并对变压器两侧的电流差分信号进行了小波变换.结果表明,两类信号在细节部分有明显的不同特征,可作为判别的依据.     

利用希尔伯特边际谱鉴别变压器励磁涌流

根据励磁涌流中有很大成分的高次谐波和非周期分量,而故障电流基本保持基频正弦波的特点,研究了一种利用希尔伯特边际谱来辨别变压器励磁涌流和故障电流的新方法。该方法利用希尔伯特黄变换对电流信号按频率分离,对额定频率段的希尔伯特边际谱幅值进行积分,根据积分值与整定值关系可鉴别信号电流。经PSCAD/EMTDC和MATLAB仿真软件对大量样本的仿真验证,该方法能精确地实现变压器励磁涌流与故障电流的可靠区分。     

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。     

基于小波分析的变压器励磁涌流识别

提出了识别励磁涌流和故障电流的方法,并进行了仿真分析.     

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。     

基于小波包与改进的PSO-PNN变压器励磁涌流识别算法研究

利用小波包对励磁涌流和故障电流信号进行分解并提取小波包能量特征。采用改进粒子群(PSO)算法训练概率神经网络(PNN)寻找全局最优,对PNN网络的输入输出、传递函数以及隐含层节点数进行确定,建立PNN的网络模型,对网络进行训练测试,最后提出保护判据。研究发现,该算法不仅训练速度和收敛速度快,而且具有较高的识别精度。     

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。     

基于小波变换的变压器励磁涌流鉴别的新方法

为正确鉴别变压器励磁涌流和匝间短路电流以防止变压器保护装置的误动作,提出了一种基于小波变换鉴别励磁涌流和匝间短路电流的新方法。该法利用小波分析能准确捕捉信号突变的特征,选用B样条小波对Matlab仿真产生的样本数据进行分析,通过分解后的局部模极大值处对应的小波系数求得表征信号奇异度大小的李氏指数值,用此值的大小作为识别量来区分励磁涌流和短路电流。分析表明励磁涌流的李氏指数值较小,而短路电流的李氏指数值较大,通过对不同参数的变压器及其不同类型故障的仿真,找出了其定量参考值。结果表明该方法可在采得一个周期数据后实现正确鉴别。