小波变换在电子式电力互感器误差校正中的应用

电子式互感器以微电子技术和计算机技术为基础 ,所处的工作环境电磁干扰严重 ,易受到外界干扰而影响测量精度 ,并且有些误差是互感器本身结构引起的 ,硬件措施难以消除。提出了用小波变换的软件方法对互感器误差进行校正 ,着重分析了小波变换在信号去噪和以电容分压器作传感元件的电子式电压互感器带俘获电荷重合闸误差校正中的应用 ,仿真和实验研究结果证明了所提方法的有效性     

光电电压互感器的误差及误差抑制方法研究

研究了基于电光效应原理的光电电压互感器的测量误差,分析了这些误差产生的各种原因,提出了抑制误差的各种方法。认为温度的变化会引起光功率和光波长的变化,同时引起光耦合效率的变化;电光晶体存在的自然双折射降低了光电互感器的温度稳定性;光纤的扰动会引起光功率的波动;电子元器件的噪声、温度特性以及电磁干扰增加了互感器的测量误差。通过提高LED的驱动电流、对传感器采取温控措施、选用低噪声高稳定性器件以及加强电磁干扰与防护设计可抑制测量误差。这些方法在实际中得到了应用,证明了方法的有效性。     

基于电容分压的电子式电压互感器的研究

设计了一种 2 2 0kV气体绝缘开关用新型电子式电压互感器 ,互感器由电容分压器和数字变换器两部分组成。电容分压器的输出信号经数字变换器处理后转换为串行数字光信号输出。为提高电压互感器的稳定性 ,采用一小阻值精密电阻与电容分压器的低压固体介质电容并联。实验表明互感器线性度好 ,在 - 15°C～ +45°C温度范围内准确度满足 0 .2级要求     

电子式电压互感器研究与应用

分析比较了现有各种电子式电压互感器的原理及优缺点,结合电子式电流互感器发展趋势,提出了一种基于全光纤电子式电流互感器检测电容电流的新型电子式电压互感器.     

新型中高压电子式电压互感器

提出以微型电流互感器检测耦合电容器电流,再将电流信号传输至控制室,转换为与一次电压成正比变化的二次信号的方法构成中高压电子式电压互感器的技术方案.详细论述了新型中高压电子式电压互感器的传感原理及结构,并对耦合电容器、微型电流互感器、功率放大器等关键技术进行了讨论.对所研制的新型中高压电子式电压互感器进行了精度试验、二次短路试验,试验结果表明新型电子式电压互感器性能良好.     

电压/电流组合型电子式互感器的研究

介绍了电子式互感器的原理、技术和发展现状 ,给出了一种电压/电流组合型电子式互感器的设计。该互感器以罗柯夫斯基线圈作为电流传感元件 ,以电容分压器作为电压传感元件 ,以光纤作为信号传输通道 ,借助有源电子调制和信号处理技术实现电流、电压的测量。文中还给出了部分样机试验结果。     

电子式互感器技术和应用评述

介绍了电子式互感器的原理和结构,分析了各种类型电子式互感器的性能特点,并与传统互感器进行了性能对比.基于运行和检测经验,提出了电子式互感器目前存在的问题和相应的应对措施.     

电子式互感器校准方法和校准系统研究

针对现有数字输出的电子式互感器采用传统电磁式互感器校准方法进行校准时出现的时间偏移和采样不同步等问题,设计了一种电子式互感器校准系统。所设计的校准系统可实现对具有模拟量输出和数字量输出的电子式互感器的校准。性能测试结果表明,该系统比值误差小于0.05%,相位误差小于2',可用于0.2和0.2 s准确度等级的电子式互感器的校准。     

基于小波熵和概率神经网络的配电网电压暂降源识别方法

分析了短路故障、感应电动机启动和变压器投运引起电压暂降的原理及各类电压暂降的特征,提出一种基于小波熵(wavelet entropy,WE)和概率神经网络(probability neural network,PNN)的电压暂降源识别方法。提取信号的小波能谱熵和小波系数熵特征向量,并将其输入概率神经网络,实现电压暂降源的自动识别。利用Matlab/Simulink建立简单配电网的仿真模型进行验证,结果表明,基于小波熵和概率神经网络的方法能很好地识别电压暂降源。     

基于小波包能量熵和BP神经网络的孤岛检测法

非计划性孤岛会对电网造成严重的冲击以及人身伤害,实现孤岛检测必须准确快速。针对目前的基于信号处理的孤岛检测技术,提出了小波包能量熵和BP神经网络的孤岛检测法。通过小波包变换分解重构公共点电压与逆变器输出电流,得到重构序列,对其进行熵运算,得到更稳定,且更具有代表性的特征向量,可以更有效地区分孤岛发生前后的能量分布。通过BP神经网络对孤岛进行判断,实现了孤岛检测。通过MATLAB/Simulink仿真,表明了此方法的有效性,并且响应速度非常快,未引入扰动,故不会产生电能质量的问题,其稳定性高,检测盲区小。     

基于小波分析和神经网络的光学电流互感器误差补偿系统

介绍了基于法拉第磁光效应的光学电流互感器的基本原理及线性双折射对系统性能的影响,结合电磁式电流互感器的良好稳态性能和光学电流互感器的无饱和暂态性能,设计了一种基于小波分析和神经网络的光学电流互感器误差补偿系统.小波分析用于检测电力系统的故障时刻从而区分暂态和稳态,神经网络用于补偿光学电流互感器线性双折射效应.通过仿真实验证明:系统能够对光学电流互感器的线性双折射等误差因素进行补偿,提高了光学电流互感器的稳定性和测量结果的准确性.     

基于电容分压器的电子式电压互感器的研究

在分析传光型电压互感器当前技术和发展的基础上,系统地总结并提出了电子式电压互感器的基本原理和设计要求。分析了基于电容分压器为感应探头的电子式电压互感器的基本原理和结构。给出了以因瓦合金为材料的同轴电容分压器的原理和设计方法。论述了电子式电压互感器的优点和性能。     

基于小波神经网络的电力电子电路故障模式识别

提出了基于两种不同小波神经网络的电力电子电路故障模式识别方法。针对电力电子电路故障,构造了激活函数型和权值型两种不同的三层小波神经网络,给出了相应的数学模型和学习算法。以三相整流桥电路为例,建立了小波神经网络的输出与故障元之间的对应关系,实现了电路故障的模式识别,并与用普通BP网络识别的结果进行了比较。仿真结果验证了两种故障识别方法的正确性和较好的准确性。     

基于混沌序列优化的BP网络油纸绝缘变压器寿命预测

变压器在服役期间其各个部分都会发生老化,影响其使用寿命。通过刻画其健康程度有助于电力部门预测变压器在运行期间的故障率以及剩余寿命,对确保变压器的安全运行极为重要。文中利用变压器故障浴盆曲线的思想,对收集到的变压器故障率进行Weibull拟合,得到故障率曲线;考虑变压器运行环境与负荷因素,利用糠醛含量构建健康指数剩余寿命预测模型。通过混沌序列优化BP神经网络权重参数进行数据挖掘,构建起多参数关联的变压器寿命预测模型,并引入交叉验证机制提高网络泛化能力。通过实例训练与测试对比,说明提出的方法有较高的预测精度,能准确运用于变压器的寿命预测。     

基于小波熵神经网络的直流系统环网接地故障检测

直流系统环网是接地故障检测中的一个关键因素。针对直流系统中环网对接地故障检测的影响,基于小波熵理论,提出一种新的检测环网接地故障的方法。该方法利用小波分析具有时频局部化特性和熵能对系统状态表征的特点,将小波分析和熵结合起来完成信号的特征挖掘。通过低频信号注入,采集环网状态,计算小波熵作为系统的特征参数,运用这些特征参数作为输入样本,训练BP神经网络,建立神经网络故障检测系统,以实现智能化的故障识别。仿真分析证明,环网发生接地故障前后的小波熵具有显著差别。     

基于CNN-GRU组合神经网络的变压器短期故障预测方法

为挖掘变压器运行状态参量间的关联关系,量化外部环境对变压器运行状态的影响,提出了一种基于卷积神经网络和门控循环单元组合神经网络的变压器短期故障预测方法。首先,通过关联规则挖掘变压器状态参量间的相关性,结合变权思想进行综合状态评估,引入指数函数建立表征变压器运行状态的故障率模型,并将其作为预测状态参量。其次,考虑外部环境对变压器运行状态的影响,分别从日期因素、气象因素和生产工艺因素构建变压器故障预测特征集。然后,利用卷积神经网络在高维空间提取特征集与故障率间的特征向量,将结果输入门控循环单元进行优化训练,从而预测变压器故障率的发展趋势。最后,通过某海上平台变压器的故障预测趋势分析,验证了所提方法的可行性与有效性。该方法与长短期记忆模型、GRU模型、CNN-LSTM模型和支持向量机模型相比,具有更高的预测精度与更高的预测效率。     

基于迭代加权改进BP神经网络的电容式电压互感器变比幅频特性拟合方法

针对电容式电压互感器(CVT)的变比幅频特性曲线拟合误差较大的问题,文中以BP神经网络为基础,提出了迭代加权改进的BP神经网络方法,对CVT的变比幅频特性曲线进行拟合,该方法不仅可以保证拟合曲线的均方误差满足收敛条件,还可以有效降低拟合曲线的最大误差。实例计算表明,该方法使得CVT变比幅频特性拟合曲线的最大误差降低24.45%。     

基于小波变换和神经网络的暂态电能质量扰动自动识别

针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。     

BP和RBF神经网络在气隙击穿电压预测中的应用和对比研究

气隙的击穿电压是决定外绝缘水平的重要因素之一,现有关于击穿电压的理论都是单参数的经验公式,对某一特定大气条件下的击穿电压则很难估计.本文讨论了BP及RBF神经网络在气隙击穿电压预测中的应用,详细说明了在人工气候室中进行击穿试验的过程和BP、RBF神经网络的构建方法.使用人工气候室中获得的样本数据对网络进行训练,用训练好的网络对击穿电压进行预测,结果表明BP及RBF神经网络均能较好地对气隙击穿电压进行预测.并对BP及RBF神经网络进行了比较,RBF神经网络在收敛速度、网络构建、非线性逼近以及泛化能力方面都要优于BP神经网络,更适合于气隙击穿电压的预测.