光伏系统电弧故障检测方法探究

针对光伏系统的电弧故障检测,概述了光伏系统的直流电弧故障原因及类型,总结分析了目前的研究现状与主要的检测方法,并在Simulink仿真环境下搭建光伏系统电弧故障仿真模型,使用该模型可以获得不同光照、温度条件下不同故障位置的电弧故障特性,并对仿真结果进行了分析。     

基于磁通不对称分布的串联电弧故障检测研究

目前串联电弧故障检测以主线路电流为判断对象,该方法容易受非线性负载正常工作电流奇异性的影响而造成误判;而且小功率支路的电弧故障特征容易被干路电流"淹没"而造成漏判。为了解决该问题,根据电弧高频电流电磁耦合机理,提出一种基于L-N线不对称分布和高阶累积量识别的检测方法。通过分析电弧熄灭重燃时高频剩余磁通的耦合信号,利用高阶统计量工具计算出耦合信号的峭度值。对单一负载电弧故障、综合负载干路电弧故障和综合负载支路电弧故障等不同情况进行判断,得出统一峭度阈值。结果表明,该方法可有效检测和识别串联电弧故障。     

基于自归一化神经网络的电弧故障检测方法

电弧故障是电气火灾的重要原因.低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高.针对此问题,提出基于自归一化卷积神经网络的电弧故障检测方法.该方法将采集到的不同种类负载的电流时间...     

电压信号多特征融合检测串联故障电弧

串联故障电弧具有产生的随机性以及发生时电路电流减小等特点,传统保护装置难以识别。当前对串联故障电弧的检测大多对电流信号进行分析,但其容易受负载影响,识别时容易误判。因此,提出一种基于电压信号多特征识别电弧故障的方法,对实验采集的电压数据进行深入分析,利用余弦相似度、Pearson相关系数和Hausdorff距离对采集到的电源端电压和负载端电压波形相似度进行分析,并通过两电压差计算出线路电压,利用时域分析提取特征。对不同采集频率进行实验分析,选取最优采集频率。最后,通过学习向量化（Learning Vector Quantization,LVQ）神经网络对上述多特征融合进行检测。不同类型的负载试验表明,该方法对故障识别准确率可达96%以上。     

基于混沌理论的滚动轴承故障信号检测

针对滚动轴承早期故障信号十分微弱的问题,提出采用Duffing混沌振子对故障微弱信号进行检测的方法。对Duffing方程进行改进,实现对任意频率微弱信号的检测。分析微弱周期信号相位角对检测系统的影响,提出采用多相位混沌振子阵列来消除微弱周期信号相位角对检测系统的影响。通过仿真实验,确定检测系统由3个混沌振子构成。使用该检测系统成功检测出轴承外圈故障微弱信号,相比传统的混沌振子检测系统,缩小了检测盲区,提高了检测信噪比。     

强噪声背景下的微弱直流信号的主要检测方法研究

微弱直流信号普遍存在于人类生活中,随着科学的发展,微弱直流信号的测量在物理学、医学、电化学等诸多方面都有很多应用.因此介绍了微弱直流信号测量系统中通常存在的各种噪声的特点和对信号测量的影响,并介绍了现今微弱直流信号测量的主要研究方法及其特点.     

基于SVD-SVM的低压交流故障电弧检测算法研究

当供电线路发生电弧故障时,电弧电流往往不容易使过流保护装置迅速动作,因此电路无法及时切断电弧故障,最终形成电气火灾。为解决低压交流故障电弧的特征提取与准确检测等问题,提出了一种基于奇异值分解（SVD）和支持向量机（SVM）的新技术,所提算法采用LabView开发平台进行上位机程序的设计与分析。实验表明,该电弧故障检测方法能够准确、有效地检测出低压交流电路中的电弧故障,对故障电弧检测具有普遍意义。     

分布式并网光伏发电系统设计

通过对已完成设计的几个分布式并网光伏发电系统的分析,总结了光伏组件的安装倾角、安装间距的计算确定方法,以及减小光伏发电系统直流侧线路压降的措施及计算方法。初步探讨了分布式并网光伏发电系统的防雷及浪涌保护措施,指出开关站设计需重点注意的几个问题,同时对有关直流线路短路保护的规范规定提出疑问,并给出相应的建议。     

开关柜内部故障电弧的检测与保护探析

首先分析了开关柜内部故障电弧产生的原因及危害,进而介绍了目前常用的开关柜内部故障电弧的检测技术,最后分析并阐述了一种开关柜内部故障电弧检测保护装置的工作原理及应用价值。     

维弧对变极性等离子电弧特性的影响

变极性等离子弧(Variable polarity plasma arc, VPPA)焊接在厚板铝合金焊接中具有独特的优势.维弧及其维弧电源对变极性等离子电弧形态、力学特性和电弧静特性等有重要影响.通过高速摄像、压力传感器和基于工控机的信号检测系统,分析了维弧对变极性等离子电弧形态、电弧力和焊接工艺的影响规律.发现在变极性等离子弧反极性期间由于维弧电源的分流作用,电弧力下降,并易造成双弧和降低电弧电压等现象.试验结果对变极性等离子弧焊接工艺稳定性及其焊接过程控制有重要的理论指导意义.     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。     

基于短时滑移模糊熵和LPP的轴承故障诊断

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。     

NEW METHOD FOR WEAK FAULT FEATURE EXTRACTION BASED ON SECOND GENERATION WAVELET TRANSFORM AND ITS APPLICATION

A new time-domain analysis method that uses second generation wavelet transform (SGWT) for weak fault feature extraction is proposed. To extract incipient fault feature, a biorthogonal wavelet with the characteristics of impact is constructed by using SGWT. Processing detail signal of SGWT with a sliding window devised on the basis of rotating operation cycle, and extracting modulus maximum from each window, fault features in time-domain are highlighted. To make further analysis on the reason of the fault, wavelet package transform based on SGWT is used to process vibration data again. Calculating the energy of each frequency-band, the energy distribution features of the signal are attained. Then taking account of the fault features and the energy distribution, the reason of the fault is worked out. An early impact-rub fault caused by axis misalignment and rotor imbalance is successfully detected by using this method in an oil refinery.     

基于幂函数型双稳随机共振的故障信号检测方法

在实际的故障诊断中,有用信号经常淹没在噪声中,特征信息提取非常困难。为了提取强噪声背景中的微弱信号,将幂函数型单势阱模型与Gaussian Potential模型相结合提出一种新型的双稳随机共振系统,称为幂函数型双稳随机共振系统。首先,以平均信噪比增益为衡量指标,提出一种寻找最优系统参数组合的算法,使微弱信号、噪声及系统产生最佳的共振效果;然后,基于幂函数型双稳随机共振系统对Levy噪声背景下的仿真信号进行检测;最后提出一种基于小波变换和幂函数型双稳随机共振的微弱信号检测方法并应用于轴承故障信号检测中。仿真实验表明,幂函数型双稳随机共振模型在故障信号检测中是有效和可靠的。     

Weak fault detection method of rolling bearing based on testing signal far away from fault source

In some cases, because of the complex internal structure of the machines, the positions of the vibration sensors are far away from the rolling bearings, such as in an aeroengine, causing the fault features to become extremely weak, which brings great challenge to the detection of rolling bearings. To address this problem, an integrated detection method is proposed. First, a method named MEDL is proposed to determine the optimal filter length in minimum entropy deconvolution (MED) to enhance the periodic fault impulse component in the weak signal, which accuracy is 1. After that, the MEDL is combined with variational mode decomposition (VMD) and autocorrelation to extract fault features from strong background noise. A series of fault simulation experiments for rolling bearings were conducted by using an aeroengine rotor experimental rig with casing. The results verify that the accuracy of the integrated detection method is 100 % in different measuring points, speeds and fault types. At the same time, it compared with spectral kurtosis (SK) and empirical wavelet transform (EWT). It proves that the integrated detection method is more robust in extracting the weak fault characteristic of rolling bearings from the casing signals effectively.     

基于小波消噪与LMD的埋弧焊交流方波电弧信息提取

埋弧焊交流方波电弧电信号存在畸变,影响焊接过程电弧稳定性和焊缝成形质量,针对于此,在对采集的埋弧焊交流方波电弧电流信号进行小波包降噪后,利用局部均值分解(local mean decomposition,LMD)对电弧电流信号进行自适应分解,获得若干个具有真实物理意义的PF(product function)分量,并对PF分量集进行Hilbert变换及能量熵计算。结果表明,利用小波消噪与LMD能有效得到埋弧焊交流方波电流波形畸变的不同频率成分及其幅值在时间特征尺度上的变化特征,在此基础上通过Hilbert变换及能量熵计算可以有效提取反映焊接过程电弧稳定性和焊缝成形质量的电弧特征信息。     

基于熵带法与PSO优化的SVM转子故障诊断

对转子故障信号的信息熵带作为支持向量机(support vector machine,简称SVM)的训练样本,基于粒子群算法(particle swarm optimization,简称PSO)优化SVM分类器结构参数进行了研究.对试验模拟获得的故障信号进行了时域、频域、时-频域的信息熵带计算,得到了奇异值谱熵、功率谱熵、小波空间谱熵及小波能谱熵4种熵带,并对熵带进行预处理,建立了一种基于故障信号的信息熵带作为特征量,用PSO解决SVM结构参数优化设置的转子故障识别方法.将该方法应用于转子系统在线故障诊断中,结果表明,所设计的算法具有训练速度快,测试时间短、分类准确率高等特点.     

基于LCD的自适应小波脊线解调及齿轮故障诊断

针对最佳小波参数的设定和齿轮裂纹故障振动信号频率成分复杂、信噪比低等问题,将遗传优化算法、小波脊线解调与局部特征尺度分解(local characteristic-scale decomposition,简称LCD)相结合,提出了基于LCD的自适应小波脊线解调方法。首先,采用LCD方法将原始信号分解为若干个内禀尺度分量(intrinsic scale component,简称ISC),并通过选择蕴含特征信息的ISC来实现信号降噪;然后,以小波能量熵为目标函数,采用遗传算法优化小波参数,得到自适应小波;最后,通过自适应小波分析提取ISC的小波脊线,从而实现对原始信号的解调分析。通过齿轮裂纹故障诊断实例验证了该方法的有效性和优越性。     

Feature extraction of AC square wave SAW arc characteristics using improved Hilbert–Huang transformation and energy entropy

In order to extract the arc feature information related to welding quality in alternating current square wave submerged arc welding (AC Square Wave SAW), an improved Hilbert–Huang transform (HHT) is put forward to investigate the time–frequency distribution of arc current, and the energy entropy is employed to quantitatively judge the arc characteristics. The empirical mode decomposition (EMD) is used to decompose the collected current signal into a number of Intrinsic Mode Functions (IMFs). The method for removing the high frequency and undesirable low-frequency IMFs is proposed by using the correlation coefficient of the IMF and the original signal as criterion, and the valid IMFs are selected for the Hilbert transform and energy entropy calculation. The improved HHT combining with energy entropy can quantitatively describe the time–frequency energy distribution characteristics of the arc current signal at different duty cycle, frequency and welding speed. Experimental results are provided to confirm the effectiveness of this approach to extract the arc physical information related to welding quality.