小波变换和BP网络在输电线路故障类型识别中的应用

提出了基于小波变换和BP网络的输电线路故障类型识别方法。建立了基于Matlab仿真技术的输电线路模型,根据模型提取故障前后的三相电流和零序电流信息,经过小波变换输入BP神经网络,BP网络的输出即为故障类型识别的结果。仿真结果表明,故障定位方法准确可靠。     

基于小波变换和BP网络的输电线路故障类型识别

提出了基于小波变换和BP网络的输电线路故障类型识别方法.建立了基于Matlab仿真技术的输电线路模型,根据该模型,提取故障前后的三相电流和零序电流信息,经过小波变换输入BP神经网络,BP网络的输出即为故障类型识别的结果.仿真结果表明,该故障定位方法准确可靠.     

基于小波神经网络的配电网故障类型识别

为准确可靠地识别配电网故障类型,应用小波变换技术对故障信号进行预处理,滤除其中大量的谐波和非周期分量,准确地提取工频信息构成神经网络的训练样本集,通过构建小波神经网络实现配电网故障类型的识别。仿真测试表明,此网络模型收敛速度快,并能在各种故障模式下准确实现故障类型的识别,不受故障过渡电阻、系统运行方式以及故障点位置等随机因素的影响。     

利用电流行波进行超高压输电线路故障类型识别的研究

通过对超高压输电线路各种类型故障的特征分析，提出了一种综合利用暂态电流行波幅值和极性的故障特征来识别故障类型的新原理，指出零模量和线模量之间的幅值关系不宜被用以构造识别判据。文中还设计出基于小波变换的故障类型识别的实用快速算法，该快速算法能免受TA饱和、系统振荡的影响，提高了以往行波故障选相方案在单相或两相接地故障时的可靠性。大量ATP仿真数据的测试表明：这种故障类型识别的新原理及其算法在线路不同位置、不同过渡电阻、不同初始角等故障情况下都能正确快速地选出故障相。现场实录故障数据也验证了该故障类型识别方法是可行的。     

基于提升小波和神经网络的超高压电网故障类型识别

电力调度中心为进一步提高故障类型识别率和计算速度,利用提升小波和BP网络构造了新的小波神经网络故障识别模型,应用db5提升小波对故障电流进行分解,将分解到的(0,375)Hz频率段的系数输入到BP神经网络;为了提高算法的收敛速度,采用共轭梯度法训练该神经网络.通过ATP仿真及华东电网实际故障录波数据的测试,结果表明该模型具有很高的识别率和收敛速度.     

基于小波包和模糊Petri网的输电线路故障类型识别方法

提出一种基于小波包和模糊Petri网的输电线路故障类型识别方法。利用小波包对故障电流信号进行分解,并计算出各频段的能量值,以此能量特征值作为训练样本对模糊Petri网模型进行训练优化,使用测试样本对模型进行测试,实现输电线路故障识别。通过算例仿真验证,表明该方法具有一定的有效性和实用性。     

基于小波奇异熵和支持向量机的配电网故障类型识别

准确识别故障类型是实现配电网故障定位的前提.应用小波变换技术提取反映接地故障特征的零序电压低频信号能量,应用小波变换和信息熵相结合的方法提取三相电压的小波奇异熵.以零序电压低频能量和三相电压的小波奇异熵为输入特征量,以相别 A、B、C和地G为输出量,建立了四输入四输出的SVM故障类型识别网络.应用ATP/EMTP搭建配电网仿真模型模拟了各种故障条件下的各种故障类型.仿真分析表明,该方法能够快速准确地识别各种故障类型,且不受过渡电阻、故障位置等的影响.     

基于小波变换的新型输电线路故障测距系统设计

为进一步提高输电线路行波故障测距的准度精度和安全经济性,针对现有输电线路故障测距方法的缺点,本文提出小波变换法,解决现行的输电线路故障测距方法对故障发生时行波到达时间、行波传播速度难以确定,并导致故障测距结果精度下降等问题.根据小波变换技术设计的新型输电线路故障测距系统,具有一定的先进性和可操作性.     

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.     

基于小波奇异熵和支持向量机的配电网故障类型识别

准确识别故障类型是实现配电网故障定位的前提。应用小波变换技术提取反映接地故障特征的零序电压低频信号能量,应用小波变换和信息熵相结合的方法提取三相电压的小波奇异熵。以零序电压低频能量和三相电压的小波奇异熵为输入特征量,以相别A、B、C和地G为输出量,建立了四输入四输出的SVM故障类型识别网络。应用ATP/EMTP搭建配电网仿真模型模拟了各种故障条件下的各种故障类型。仿真分析表明,该方法能够快速准确地识别各种故障类型,且不受过渡电阻、故障位置等的影响。     

基于小波变换技术的新型输电线路故障测距系统

现有行波测距法基本上都没有把由该方法所确定的行波到达时间与故障定位用行波传播速度很好地结合起来,导致定位精度不理想。本文介绍一种新型输电线路故障测距系统的原理、功能和构成,其采用了行波到达时间由合适的小波变换提取的行波特征点位置确定、行波传播速度由输电线路的结构参数及相应小波变换的分析尺度确定的双端行波测距新方法,使测距精度大大提高,满足精确故障定位的要求。该系统已在现场投入运行。     

基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法

基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法：首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)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系数熵特征向量输入训练好的RBF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波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。     

基于小波变换模极大值的输电线路单端故障定位

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离,但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上,利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法,能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明,该方法切实可行。     

基于小波变换技术的输电线路单端行波故障测距

提出了利用小波变换的单端行波测距新方法，可有效提取输电线路故障行波特征并消除行波色散对定位精度的影响，同时解决了如何定义行波到达时间和选取行波传播速度的问题。大量测距结果证实，采用小波变换技术的单端行波测距法的测距结果在可靠性和测距精度上都有很大提高，在单端行波测距法能够使用的条件下，测距精度能够满足现场对精确故障定位的要求。     

用小波变换技术定位输电线路故障

介绍了应用小波变换和行波理论分析电力系统故障时的暂态过程以定位故障的方法。由小波变换提供暂态过程中高频分量的时间分辩率,线模分量分析各种故障类型,零模分量解决一些确定的、特殊的事件。各种典型电力系统故障下的MATLAB仿真结果表明,该法可以较准确的判断、定位各种故障类型。     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位.由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响.仿真结果表明,该故障定位方法准确可靠.     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位。由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响。仿真结果表明,该故障定位方法准确可靠。     

基于电流故障分量特征和随机森林的输电线路故障类型识别

为提高输电线路故障选相的精确性,提出了一种基于电流故障分量特征结合随机森林的输电线路故障类型识别新方法.分别在多个短时序列下计算三相电流故障分量能量相对熵与零序电流故障分量能量和,并按特定顺序把在各短时序列下计算得到的结果组成特征样本向量,以表征输电线路故障类型特征.建立随机森林智能故障类型识别模型,并利用故障特征样本...     

基于小波变换和BP网络的非故障相暂态电流故障定位

针对小电流接地系统单相接地故障定位的研究现状,提出基于非故障相暂态电流的单相接地故障定位的思想。应用小波变换理论进行分析,总结出非故障相暂态电流随故障点位置变化的规律,并用BP神经网络实现模极大值与故障点位置之间的映射关系,从而进行故障定位。在不同过渡电阻、不同故障距离点情况下的仿真结果证明,该故障定位方法准确可靠。