基于VMD和S变换的多端输电线路故障定位

针对强噪声背景下行波信号提取难的现状,提出一种基于变分模态分解VMD(variational mode decomposi?tion)算法和S变换的故障行波提取法。通过对故障行波信号进行VMD分解,利用S变换分析得到故障突变点来确定故障行波达到时刻。针对行波波速和线路长度的不确定性,利用故障行波的传输过程和零线模分量,提出一种与波速无关的双端定位算法。基于故障前线路距离差值和故障后线路距离差值建立故障分支判定矩阵,提出一种适用于多端输电线路的故障定位方法,利用故障支路端的列元素计算故障位置。仿真结果验证所提方法在强噪声干扰下能有效提取行波信号,故障定位算法相比现有多端输电线路故障定位法有明显优势,进一步提高了定位精度。     

基于VMD与广义S变换的HVDC线路故障定位

针对高压直流输电线路故障定位中存在的输电线路长、故障概率大、测距精度不高以及故障波形含有噪声等问题,提出了VMD分解与广义S变换结合的高压直流输电线路故障测距算法。首先通过变分模态分解(Variational Model Decomposition,VMD)对含噪声的行波信号进行VMD分解,滤去噪声并获得最优模态分量。然后采用广义S变换(Generalized S-transform,GST)计算最优模态分量,生成高时间分辨率S矩阵。并选取S矩阵中的高频分量,识别该频率分量的波形突变点,从而获取故障初始行波到达时刻。最后通过测距公式获得故障距离。PSCAD/EMTDC仿真表明,所提方法受过渡电阻影响很小,不同故障距离的测距精度很高。经过现场故障行波数据的验证,可以实现在线路范围内快速准确的故障定位。     

基于STOA-VMD的串补输电线路故障测距

由于串补电容的存在,串补输电线路中发生故障时,故障行波过程十分复杂,行波波头检测困难;故障行波信号中存在较大噪声时,传统的故障特征提取方法无法准确提取故障行波的特征信号。为此在串补线路中故障行波信号存在噪声条件下,提出一种基于乌燕鸥优化算法(sooty tern optimization algorithm, STOA)对变分模态分解(variational mode decomposition, VMD)优化的故障行波特征提取方法。该方法利用最大峭度准则对STOA的目标函数不断优化,从而选取VMD中更合适的模态量和惩罚因子值,避免人为设定模态量和惩罚因子值时,VMD对故障行波信号的分解不足或分解过剩造成的故障定位误差。通过对称差分能量算子(symmetric differential energy operator, SDEO)提取VMD后最佳的模态分量的能量突变点,结合双端行波测距方法,实现故障测距。仿真结果表明,所提方法能够实现串补输电线路的故障测距,测距精度高,且不受故障类型、过渡电阻的影响。     

基于差值矩阵的多端输电线路故障定位研究

针对现有多端输电线路故障行波检测困难、定位精度不高、判定算法复杂等问题,提出一种基于变分模态分解(VMD)算法和Hilbert变换相结合的行波检测法和一种基于差值矩阵的多端输电线路故障行波定位算法。首先通过行波传感器采集故障行波信号,利用VMD分解算法对故障行波进行分解,结合Hilbert变换提取模态分量IMF1的瞬时频率,根据第一个瞬时频率的奇异点位置确定故障行波的达到时刻。然后利用行波到达各端的时间和行波传输原理,得到多端输电线路故障分支判定矩阵。最后根据故障分支判定矩阵确定故障支路,实现故障点的精确定位。ATP/EMTP仿真结果表明,所提检测方法能够准确检测故障初始行波的到达时间,多端输电线路定位算法能够准确判定故障支路,相比于HHT检测方法下的定位算法,进一步提高了定位精度。     

基于参数优化VMD和能量相似度的配电网故障区段定位方法

针对配电网发生单相接地故障时故障特征微弱且易受外界噪声干扰的问题,提出了一种基于参数优化变分模态分解(VMD)与能量相对熵相结合的故障区段定位方法。首先通过鲸鱼优化算法优化后的VMD分解故障零序电流得到若干个反映局部信号特征的本征模态分量(IMF),进而求取各IMF分量的Hilbert边际谱,选取能量最大的分量作为故障零序电流的暂态主频分量,利用能量相对熵衡量相邻检测点暂态主频分量的能量差异,计算比较,确定熵值最大的区段即为故障区段。仿真结果表明,本方法不受故障位置、故障初相角等不同故障条件的影响,且在有噪声干扰时仍可实现高正确率故障区段定位。     

基于VMD-Hilbert变换的故障行波定位研究

针对现有行波检测方法中小波变换和希尔伯特黄变换的不足,提出一种基于VMD-Hilbert变换的故障行波检测方法。通过对行波传感器采集到的故障行波信号进行VMD分解,利用Hilbert变换提取模态分量的特征量来标定初始波头的到达时间。针对行波定位精度受波速不确定性影响的问题,基于故障初始行波零模分量和线模分量波头的到达时刻,提出一种与波速无关的双端定位算法。ATP/EMTP仿真结果表明,VMD-Hilbert行波检测方法能有效标定行波波头时间,定位算法无需知道故障发生时刻和故障反射行波波头的到达时刻,进一步提高了故障定位的精度。     

基于参数优化VMD和TET的柔直线路单端故障测距方法

单端行波故障测距方法在考虑频变波速影响时需要提取故障行波时频域特征,但现有方法存在时频分辨率较低、波头识别困难和波速计算不准确的问题。为此,提出一种基于参数优化变分模态分解(variationalmode decomposition, VMD)和瞬态提取变换(transient extraction transform, TET)的单端故障定位方法。首先,利用麻雀搜索算法(sparrow search algorithm, SSA)优化VMD参数,提取含有故障特征的高频模态分量。然后,对该模态分量进行瞬态提取变换,通过去除短时傅里叶变换中模糊的时频能量,保留与信号瞬态特征密切相关的时频信息,得到故障行波时频域全波形。最后,在故障行波全波形中提取主频分量并标定初始波头与第二反射波头,通过计算主频分量下的波速度,结合行波定位方法实现单端故障测距。在PSCAD/EMTDC中搭建四端柔性直流电网的仿真结果表明,所提算法对过渡电阻和噪声具有较强的耐受性,即使在较低采样率下也能实现准确的故障定位。     

基于VMD和柔性形态学的输电线路故障测距方法

针对输电线路故障测距和信号中存在噪声干扰的问题,提出了基于VMD和柔性形态学去噪技术的输电线路故障测距方法。首先利用变分模态分解(Variational Modal Decomposition,VMD)对信号进行分解,在分解过程中自适应的去除一部分噪声;然后,通过平均柔性形态学滤波器进一步的去除残余干扰;最后使用柔性形态边缘检测有效放大信号奇异点,再设定输出阈值减少噪声背景对信号突变点的影响,可以很清晰的得到故障发生时刻。实验表明此方法有很好的噪声鲁棒性,在抑制了噪声干扰的同时放大了行波特征信号,能够有效检测输电线路故障行波波头,获得更高的检测精度。     

微弱行波下多分支配电网故障定位

为了解决多分支配电网在故障行波微弱时行波波头标定困难和传统行波定位法无法适应多分支复杂结构的问题，提出一种基于多分辨率奇异值分解(MRSVD)-变分模态分解(VMD)的行波波头检测方法和一种基于行波到达时刻的多分支配网故障定位方法。利用MRSVD对微弱行波进行降噪处理，以奇异值差值决定分解尺度，然后对降噪后的信号进行VMD分解，并重构中高频段的模态分量，最后用对称差分能量算子(SDEO)标定重构信号的行波波头，获取行波到达时间；利用行波到达时刻构造故障发生时间矩阵，搜索故障所在分支区段，然后构造故障定位时间矩阵，根据线路长度与时间的比值关系，实现精准测距。仿真结果表明，所提方法能有效标定微弱行波波头，实现多分支配网的故障区段定位和精准测距。     

基于VMD的永磁同步电机初期匝间短路故障检测方法

在初期匝间短路故障检测中,故障特征频率的幅值很小,且易受到噪声信号的干扰,导致无法检测出故障信号。针对以上问题,提出了一种基于变分模态分解(VMD)与双对数频谱分析的永磁同步电机(PMSM)初期匝间短路故障检测方法。该方法利用VMD去除零序电压分量(ZSVC)中的噪声和相关谐波分量以突出故障特征分量。然后利用双对数频谱分析法对得到的信号进行频谱分析,通过检测频谱图中是否含有故障特征频率来判断电机匝间短路故障。通过仿真和实物试验验证了该故障检测方法的有效性。     

基于WPT和参数优化的VMD谐波检测方法

针对变分模态分解(Variational Mode Decomposition, VMD)在谐波检测中易受噪声影响、分解模态个数K难以确定的问题,提出一种基于小波包降噪(WPT)和参数优化的VMD谐波检测方法。首先,对谐波信号进行WPT降噪处理,然后对降噪后的信号进行VMD预分解,根据解析分量的瞬时频率均值选取最优的K值,最后对降噪信号进行最优K值VMD分解并提取频率,用希尔伯特变换进行幅值检测。仿真结果与对比表明,该方法能够有效的选择VMD分解模态个数,减小噪声影响,且具有良好的检测精度。     

基于FEEMD-NTEO的风电场送出线路故障定位

针对集合经验模态分解(EEMD)用于双馈风电场送出线路行波故障定位中行波检测精度不高,存在模态混叠、抗噪能力弱及故障定位实时性不好等问题,提出了一种基于快速集合经验模态分解(FEEMD)与改进Teager能量算子(NTEO)结合的行波故障定位方法。该方法利用FEEMD对故障电流行波信号进行分解,分解为平稳的固有模态分量和残差分量,消除噪声成分,保留信号的完整性;然后采用NTEO算法对分解的高频信号再次去噪,增强故障行波突变特征,精确标定行波波头。仿真结果表明,所提方法能够快速将故障行波波头精确标定,且去噪效果好,与FEEMD-TEO、EEMD-NTEO行波检测方法相比,提高了故障定位的精度和速度。     

基于双端行波原理的输电线路故障定位研究

针对故障行波法受波速和线路弧垂影响而产生的定位精度问题,提出一种排除波速和不受线路实际长度变化影响的故障定位算法,该方法仅需检测初始行波到达线路两端的时间,原理简单。针对噪声情况下行波信号的提取问题,可先对故障行波进行变分模态分解(VMD)去噪,再利用小波变换提取故障行波突变点得到初始波头的时间。仿真结果表明,该方法具有较高的精确度。     

基于小波自适应阈值滤波的VMD降噪方法

本文提出了一种基于小波自适应阈值滤波的可变分模式分解（VMD）降噪方法。该方法降噪过程为：先将含噪声信号进行VMD分解,进而将VMD分解分量中含大部分噪声的高频模态分量进行小波自适应阈值滤波降噪,滤波降噪后的分量与其他模态分量重构降噪信号。三个实例表明：所提方法能有效减低信号噪声,适应性广。 关键字：可变分模式分解（VMD）;小波变换; 自适应阈值     

基于SR-ITD的故障行波检测方法

针对变电站提取行波信号存在强噪声干扰的现状,提出了一种基于随机共振-固有时间尺度分解(SRITD)的行波信号检测方法。该方法利用随机共振法处理检测信号,有效提高了行波信号的信噪比,再利用固有时间尺度分解方法分析行波信号,实现行波信号特征信息的准确检测。理论分析和仿真结果表明,所提方法在变电站强噪声干扰下能有效提取行波信号,准确检测行波信号包含的故障特征信息。     

数学形态学在高压输电线路故障定位中的应用

输电线路发生故障后,采集到的信号往往带有各种噪声,有效滤除噪声对行波的干扰,提取有用的行波信号,是实现行波故障定位的关键。在比较了小波变换和数学形态学对白噪声和脉冲噪声滤除效果的基础上,结合小波变换和数学形态学各自的优点,先采用数学形态学滤除行波信号中的随机噪声和脉冲噪声,然后对故障行波电流信号进行相模变换,通过小波分解提取出故障分量发生奇异性的时间点,并采用双端测距法更准确地定位故障点。实例分析表明该方法有很高的测距精度。     

奇异值分解理论和小波变换结合的行波信号奇异点检测

准确检测故障行波信号的奇异点是行波故障测距的关键。现场故障行波信号通常含有大量噪声,有些情况下单独使用传统的小波变换将不能有效检测到信号的奇异点。为解决强噪声情况下故障行波信号奇异点的检测问题,提出了基于奇异值分解理论和小波变换的故障行波信号奇异点检测方法。通过构造重构的吸引子轨迹矩阵,并由Frobenious范数意义下的最佳逼近矩阵可以得到除噪后的信号序列,对所得信号序列进行奇异性检测得到信号序列奇异点。仿真结果表明,该方法在强噪声情况下可以去除噪声影响,并且保持信号的奇异性,准确检测到信号的奇异点。     

广义形态滤波和VMD分解的滚动轴承故障诊断

滚动轴承早期故障信号的特征提取通常都会受到强噪声的影响,难以得到有效信息,因此提出了广义形态滤波和变分模态分解(variational mode decomposition,VMD)相结合的方法。首先利用不同结构元素构成的广义形态滤波去除故障信号中噪声信息的影响,突出故障信号的冲击特征;其次运用VMD对处理过后的信号进行分解,得到若干个模态分量;然后由峭度准则选取故障信息最为丰富的模态分量进行包络谱分析,获取滚动轴承的故障特征频率。通过对仿真信号和实测数据的处理结果表明,方法对噪声的去除效果显著,获取故障特征频率也十分明显,能够作为滚动轴承故障诊断的有效方法。     

基于SR-VMD的微弱故障行波检测方法

为解决配电网行波波头检测困难的问题,提出一种基于随机共振-变分模态分解(SR-VMD)的行波信号检测方法.利用粒子群优化的变尺度SR对行波信号进行预处理,有效提高输出信号的信噪比.利用VMD算法将输出信号进行自适应分解,应用到故障定位中.用Teager能量算子(TEO)对行波波头进行标定,代入测距公式得到故障距离.仿真...     

基于VMD与自相关分析的滚动轴承故障特征提取

滚动轴承故障信号多呈现非平稳、多分量调制特性,早期故障信号调制特性微弱、易受周围设备噪声干扰,导致轴承早期故障特征淹没在噪声信号中,故障特征难以提取。为此,提出一种变分模态分解(variational mode decomposition,VMD)与自相关分析相结合的轴承故障特征提取方法。首先利用自相关分析消除故障信号中噪声干扰,提取周期成分;然后再用VMD算法将消噪信号分解成若干本征模态分量(intrinsic mode function,IMF),运用能量算子对相关系数及峭度值较大分量进行解调分析;最后通过能量解调谱来判别滚动轴承故障类型。将该方法应用到滚动轴承仿真故障数据和实测数据中,结果表明,该方法可降低了噪声的干扰,有效提取故障特征频率,能够实现滚动轴承故障的精确诊断。