电力系统振荡中轻微故障识别的小波算法研究

提出了一种基于小波变换的电力系统振荡与故障的识别算法。该算法能正确区分纯振荡与故障,避免保护误动,在振荡过程中发生故障特别是轻微故障时,亦能迅速识别,其性能优于取传统的振荡闭锁方案。用EMTP仿真各种振荡和故障得到的结果对所提算法的有效性进行了检验,结果表明所提出的算法可以保证振荡与故障的正确识别,其在微机保护装置中具有实时应用的前景。     

基于小波神经网络的电动机故障识别

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。     

利用改进递归小波变换区分电力系统振荡与故障

分析了母小波的选取问题 ,强调了相频特性的重要性。以此为基础 ,选用一种复小波为母小波 ,并利用快速递推算法进行计算。为了获得最佳小波变换效果 ,分析了利用改进递归小波变换区分振荡与故障的原理 ,并首次提出了一种新判据。新判据充分利用了小波变换的结果 ,可从中提取更全面、更充分的故障信息来区分故障与短路。经仿真试验证明 ,此新判据不受振荡周期大小和故障类型的影响 ,可无延时地即时区分出故障与振荡 ,其效果优于简单判据WTM。提出的方法具有算法简单 ,检测准确 ,抗干扰能力强 ,不会发生误判的优点 ,具有较     

利用改进递归小波变换区分电力系统振荡与故障

分析了母小波的选取问题,强调了相频特性的重要性.以此为基础,选用一种复小波为母小波,并利用快速递推算法进行计算.为了获得最佳小波变换效果,分析了利用改进递归小波变换区分振荡与故障的原理,并首次提出了一种新判据.新判据充分利用了小波变换的结果,可从中提取更全面、更充分的故障信息来区分故障与短路.经仿真试验证明,此新判据不受振荡周期大小和故障类型的影响,可无延时地即时区分出故障与振荡,其效果优于简单判据WTM.提出的方法具有算法简单,检测准确,抗干扰能力强,不会发生误判的优点,具有较好的应用前景.     

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。     

基于小波神经网络和故障录波数据的电网故障类型识别

电力系统发生大面积复杂故障后,调度人员仅仅依靠来自数据采集与监视控制(supervisory control and data acquisition,SCADA)系统的保护和开关接点的变位信息难以做出准确的判断,来自故障录波装置记录的模拟量信息越来越成为故障诊断和系统恢复的重要依据。为了进一步提高超高压输电线路故障类型识别率和计算速度,文中利用提升小波和PNN网络构造了新的小波神经网络故障识别模型,应用bior3．1提升小波对故障电流进行分解,将分解到的 (0,375)Hz频率段的小波系数输入到PNN神经网络。通过 ATP仿真及华东电网实际故障录波数据的测试和比较结果表明:该模型具有很高的识别率和收敛速度,并有望将该模型应用到电网故障诊断系统。     

基于多小波包和人工神经网络的电力系统故障类型识别

采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障.先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别.仿真结果表明采用多小波包提取的故障电流特征量比采用传统小渡包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势.     

基于加权小波神经网络的油浸式电力变压器故障检测

分析变压器油中溶解气体含量进行变压器故障诊断的关键是找到油中溶解气体含量和故障之间的非线性关系。针对已有检测方法诊断准确性不高的问题,提出不基于Fourier变换,而是利用细分的方法构造一类新的具有加权性质的小波函数。将小波函数作为前馈神经网络的隐含层函数并优化网络的学习率,构造出加权小波神经网络处理变压器油中溶解气体含量数据。通过实际故障数据验证,此方法较已有的诊断方法准确性更高,在同等计算精度下速度更快,进而提高了变压器故障诊断的效率。     

基于加权小波神经网络的油浸式电力变压器故障检测

分析变压器油中溶解气体含量进行变压器故障诊断的关键是找到油中溶解气体含量和故障之间的非线性关系.针对已有检测方法诊断准确性不高的问题,提出不基于Fourier变换,而是利用细分的方法构造一类新的具有加权性质的小波函数.将小波函数作为前馈神经网络的隐含层函数并优化网络的学习率,构造出加权小波神经网络处理变压器油中溶解气体含量数据.通过实际故障数据验证,此方法较已有的诊断方法准确性更高,在同等计算精度下速度更快,进而提高了变压器故障诊断的效率.     

基于小波神经网络单相断线故障选线和定位

根据发生单相断线不接地故障、单相断线电源侧接地故障或单相断线负荷侧接地故障时,正序电流暂态分量的变化特性,提出了一种配电网单相断线故障选线和定位保护新方法,该方法应用小波奇异性检测功能,获取故障引起的正序电流暂态分量模极大值的极性和大小,进行故障选线;并和小波神经网络相结合实现模极大值与故障点位置之间的映射关系,进行故障定位.仿真结果表明,该故障选线和定位方法准确可靠.     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

时间序列小波神经网络在故障测距中的应用

在小电流接地系统单相接地故障特征分析的基础上,提出了一种基于故障后暂态电气量由时间序列小波神经网络原理来实现的直配线路单相接地故障测距方法。给出了广义的小波神经网络概念,提出了适合暂态时间序列分析的小波神经网络模型并应用于小电流接地系统直配线故障测距。理论及大量的EMTP仿真结果表明此方法是可行的,且具有较好的故障测距性能。     

小波网络在电力系统故障信号处理中的应用研究

从小波分析中对函数逼近表示的不同角度，分别介绍了3种主要的小波网络，并对这3种小波网络的构成、网络模型和学习算法等进行了详细介绍和比较，给出了它们之间的本质区别。在此基础之上，对小波网络在电力系统故障信号分类和故障数据压缩方面的应用进行了讨论，给出的相应数字仿真结果表明，小波网络在电力系统故障信号处理方面的应用是完全可行的。     

平均插值小波在故障检测中的应用

现有小波基,如Symmlet小波、Meyer小波等在应用时,普遍存在边界效应,在实际应用中必须增加数据采集窗的宽度,即增加分析信号的数据量,才能加以消除。文中根据Donoho提出的构造平均插值小波基的方法,构造出2,4,6,8阶平均插值小波,利用其边界校正的优点,在对信号进行分析时,可自动消除“边界”现象,而且故障信号在变换域内能量更集中,可大大提高故障检测的准确性。实例证明,平均插值小波能较好地用于电力系统故障实时检测。     

电力系统故障诊断神经网络专家系统的一种实现方式

对人工神经网络和专家系统结合应用于电力系统故障诊断问题进行了研究，提出了电力 系统故障诊断神经网络专家系统的一种实现方式。该结构方案中，采用三层前向BP网络作 为 故障诊断的核心部分，与传统的专家系统相结合组成混合式的神经网络专家系统。基于该方 案建造的故障诊断神经网络专家系统综合了专家系统和人工神经网络各自的优点，充分利用 专家系统的推理判断能力和人工神经网络的学习和容错能力，比单独利用专家系统或人工神 经网络的电力系统故障诊断系统具有更好的性能。     

基于半正交小波包的电机故障信号处理方法

B－样条小波是对称的半正交小波，基于它的小波包称为半正交小波包，它的算法简洁，准确，与Daubechies小波迭代算法不同，B－样条小波是对称的或反对称的小波，基于它的滤波器具有线性相位或广义线性相位，因而可避免信号的相位失真，实验结果表明半正交小波包对故障信号的分解，压缩，重构比Daubechies小波包效果明显，另外对故障信号的小波包分解的不同频带的特征值与正常信号的特征值进行比较，可以对故障信号进行谐波检测和定位。     

基于小波分析的电缆故障测距

电力电缆日益广泛地应用于输配电系统，为了减少电缆故障停电损失，对电缆故障测距的精度要求越来越高，文中指出了传统的脉冲电流测试法（ICE）电缆故障测距存在误差的原因，提出了电感式脉冲电流测试法（IICE），运用小波分解和重构实现信号滤波，再利用多尺度边缘检测理论实现电缆故障测距算法，EMTP仿真和模拟试验表明：IICE测试法消除了传统的ICE测试法反射脉冲识别带来的误差；基于小波分析的电缆故障测距算法是精确的，其测距误差不大于1个采样距离。     

一种区分振荡与故障的新方法

提出了一种能区分振荡、故障、振荡中故障的新方法，其基于电流故障分量的变化方式 而判别。为了校验启动元件在振荡中以及在振荡中发生故障情况下的动作情况，应用一种新 的振荡模型和振荡中故障的模型。这种新的启动元件能明确地区分系统振荡以及故障（包括 振荡中故障）。     

电力系统故障诊断中的智能化方法及其应用

本文较详细地阐述了粗糙集理论、人工神经网络、模糊集理论的发展及其在电力系统故障诊断领域中的应用，并对其他一些智能方法进行了简要介绍。这些方法为电力系统的故障诊断开辟了新的有效途径。     

南通－崇明电网功率低频摆动现象分析

本文取南通－崇明电网功率低频摆动实际数据,采用动态仿真、特征根法和静态稳定实用计算的方法,进行计算、分析、比较,指出该系统功率低频摆动的原因是由于整步功率系数不足所致,论证了执行《电力系统安全稳定导则》规定的静态稳定储备系数指标的必要性。