Tsallis小波包奇异熵与功率谱分析在电力谐波检测的应用

针对Shannon小波能量熵在电力谐波检测过程中的局限性,提出一种基于Tsallis小波包奇异熵与功率谱(PSD)分析结合的电力谐波检测新方法。从Shannon熵和Mallat算法理论入手,论证Shannon小波能量熵在电力谐波复杂度表征及频率辨析中存在的不足。在分析Tsallis熵与Shannon熵的区别与联系的基础上,将Tsallis非广延熵理论和小波包算法结合,构造具有非广延性的Tsallis小波包奇异熵。根据Tsallis小波包奇异熵对电力谐波复杂度的表征结果,对谐波信号进行分段PSD分析。理论分析及仿真结果证明:该方法在正确表征电力谐波复杂度的同时,能对电力谐波的具体频率和功率进行具体量化。     

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法

为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy, TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine, ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。     

基于多尺度能量统计和小波能量熵测度的电力暂态信号识别方法

电力暂态信号的检测与分类在电力系统暂态保护、电能质量分析等诸多领域得到广泛的应用,暂态信号的有效特征提取是信号分类识别的基础和前提条件。在介绍了电力系统暂态信号的多尺度表示及定义用于特征提取的2种小波分析处理方法(能量统计分析和小波能量熵分析方法)的基础上,建立了单相接地短路、开关操作、电容投切、一次电弧和雷击等5种暂态类型的EMTDC仿真模型,利用能量统计分析和小波能量熵分析方法给出了5种暂态信号在不同状态下随尺度的分布规律。仿真结果表明,部分暂态信号的多尺度能量统计特征和小波能量熵测度的分布表现出一定规律性,是一种有效的特征提取方法,具有一定的可聚类和信号识别能力。该方法为故障信号的分类提供了新的思路。     

试论电力系统故障类型识别的研究现状

对近几年具有代表的中外文献进行了学习研究,论述了输电线路故障诊断的背景和意义以及故障识别的研究现状,重点介绍了小波分析和熵理论在电力系统暂态处理中的应用。目前的理论研究与应用成果为电力系统暂态信号分析与检测开辟了新的道路,为暂态信号特征提取理论奠定了新的理论基础,建立了适合于电力系统暂态信号分析的小波熵理论。     

暂态信号分析中小波基的选择与应用

暂态信号的识别、处理和利用是新一代继电保护(暂态保护技术)发展的基础。处理非平稳信号时,小波变换在时域和频域内均有局部化能力。研究和描述小波分析理论,探讨小波基的特性,为电力系统常见暂态信号分析的小波基选择提供了依据。利用Matlab对1条500 kV输电线路发生单相接地时进行故障定位仿真结果表明,选择Db4小波进行信号分析是准确的;建立单相接地短路、雷击输电线路2种暂态类型,得到多尺度能量统计能反映不同暂态的特性。     

非广延小波熵及蚁群优化结合的电网暂态电压扰动识别方法

提出一种基于Tsallis小波熵(wavelet entropy,WE)与蚁群优化算法(ant colony optimization,ACO)的暂态电压扰动识别方法。利用Tsallis小波能量熵(wavelet energyentropy,WEE)提取电压扰动信号特征信息,通过聚类算法从特征信息中归纳判据并组成电压扰动分类规则。通过对电压扰动判据的分析,阐明分类规则中判据存在冗余问题,指出优化分类规则的必要性。构建蚁群优化算法以对冗余判据进行删除,获得优化分类规则。利用Matlab/Simulink建立电压扰动仿真模型以进行验证,结果证明:该方法简化了暂态电压扰动识别步骤,在降低运算复杂度的同时,提高了分类精度。     

基于信号复杂度衰减的特高压直流输电线路雷电暂态识别方法

特高压直流输电线路雷击引起的暂态信号高频分量是行波保护和暂态保护误动的主要因素之一。发生线路雷击故障和普通接地短路故障时,电压信号的幅值因故障电流入地通路的存在快速衰减,信号复杂度低。雷击未故障时,不存在故障电流入地通路,信号衰减慢,复杂度高。基于小波变换分析电压信号频率分量的衰减,采用突变时刻前、后两个数据窗内小波奇异熵的比值表征信号复杂度的变化。再结合电压信号高频分量的含量分析,实现雷电暂态信号的识别,并通过能量相对熵实现故障极的选择。在PSCAD/EMTDC中搭建仿真模型,结果表明,该方案能很好地进行暂态信号的识别,受故障距离、过渡电阻等因素的影响小。     

基于小波能量矩的输电线路暂态信号分类识别方法

信号能量的时频分布可以反映不同信号的本质区别,小波能量矩既可以反映信号能量在频域上的分布,也可以间接体现能量在时域上的分布。文章将基于小波能量矩的信号特征提取方法用于区分输电线路的故障暂态信号与非故障暂态信号。首先基于500 kV输电线路仿真模型得到电容投切、三相断路器操作、单相接地短路、一次电弧故障、非故障性雷击和故障性雷击6种类型的暂态信号;然后利用小波变换提取这些信号各频带的能量矩,得到能量矩统计图并对各暂态信号小波能量矩的分布特点进行分析,在此基础上提出了暂态信号分类识别判据。基于小波能量矩方法提取的暂态信号特征较明显,分类识别简便,仿真结果验证了该方法的可行性和有效性。     

基于小波能量熵和模糊逻辑的故障选相元件

构造了新型的用于高压输电线路保护的故障选相元件。利用小波分析良好的时频局部化特性,在暂态信号多尺度表示方法的基础上定义了用于特征提取的小波能量熵,并与模糊逻辑相结合形成新的选相原理。先对采集到的故障后电压信号进行适当的小波分解,并计算小波能量熵,然后构造包含故障信息的模糊语言变量作为模糊推理系统的输入,并建立相应的模糊逻辑推理系统,通过模糊逻辑的方法进行故障选相。仿真结果表明,小波能量熵随时间变化的规律能有效反映故障出现与否,并通过模糊逻辑做出选相判断。     

电力暂态信号小波分析的后处理方法研究

由于电力系统暂态信号经小波变换后信息繁多,需要研究对小波分解的大量信息进行恰当后处理和自动特征提取的方法。文章从定量分析的角度介绍了小波分析后处理的概念,探讨了几种电力系统暂态信号小波变换后的特征提取方法,即后处理方法,包括模极大值与奇异性分析、能量分布分析、小波系数聚类分析、小波系数统计分析、小波熵分析,以及将其用于电力系统故障检测和分类的物理意义。对一种新型后处理方法小波奇异谱熵在频变系统中的应用进行了仿真分析,结果表明该后处理方法可应用于电力系统设备和线路的故障检测。     

基于双密度双树小波变换的电能质量扰动识别方法

针对电能质量扰动的识别问题,提出一种基于双密度双树小波变换(DD-DT DWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD-DT DWT变换,然后分别提取其小波能量熵和小波系数Shannon熵以描述不同扰动信号的特征,最后采用二元树结构支持向量机分别对提取的两类小波熵特征向量进行分类。仿真实验表明:所提出的基于DD-DT DWT小波熵的特征提取方法能有效识别常见的8种扰动信号,并具有正确识别率高及噪声鲁棒性强的优点。     

利用小波相对熵值的差异识别输电线路暂态信号的探讨

针对超高压输电线路不同暂态过程产生的暂态零序电流信号发展趋势不同的特点,探讨了将小波分析和信息熵相结合,利用小波相对熵值的差别来识别不同暂态过程的可能性。首先建立了单相接地故障、开关动作、故障性雷击、雷电干扰4种基本暂态过程模型,对暂态信号进行多分辨分析,得到各暂态过程的标准小波能谱矩阵,然后计算各种暂态信号与标准能谱矩阵之间的小波相对熵。仿真结果表明,小波相对熵能较好地体现不同信号小波能谱矩阵之间的差异,将其应用于输电线路暂态信号识别是可行的。     

基于小波熵和小波熵权的电能质量扰动识别

电力系统中电能质量扰动信号的分类和识别一直是国内外众多学者研究的热点问题。小波分析是具有时频局部化特性的时频分析方法,在此基础上定义的小波熵具有较好的定量特征提取能力。基于此,在给出小波熵、小波相对熵和小波熵权的基本原理和定义的基础上,文章提出利用小波熵和熵权两种测度来分类和识别电能质量扰动信号,建立了各种扰动的仿真模型,对电压突降、突升、中断,振荡暂态、脉冲暂态、电压尖峰、缺口、谐波等扰动类型进行了系统的仿真分析。结果表明,不同类型扰动信号的小波熵及熵权具有不同的定性规律,小波熵及小波熵权对电能质量扰动具有一定的分类识别能力。     

光纤检测变压器绕组变形的特征提取与聚类分析

针对传统变压器绕组变形检测的缺陷,提出了基于分布式光纤传感的变压器绕组变形检测方法。引入小波包变换对应变信号进行特征提取,探索几种典型变形种类的聚类分离。首先模拟变压器运行过程中绕组可能出现的变形种类,利用Brillouin光时域反射计(BOTDR)采集布里渊频移,对应变信号进行小波包变换,提取能够充分反映应变信号特征的标准差、能量和Shannon熵,最后利用模糊C均值算法对提取的特征量分别进行聚类分析。结果表明,相比于以标准差作为特征量,以能量和Shannon熵作为特征量的聚类结果明显更为合理,实现了绕组变形带电监测与分类处理。     

井下综保器改进算法的仿真研究

针对目前井下综保器采用的信号检测算法存在的精度问题,提出将傅里叶变换、小波变换、小波熵理论相结合的综合检测算法。根据小波多分辨率分析这一特点,将采样信号分解为稳态信号和非稳态信号,稳态信号采用傅里叶变换进行处理,非稳态信号采用小波熵进行处理。利用MATLAB中的电力系统模块搭建井下供电系统模型,获取相应的电信号,采用傅里叶算法、小波算法及综合检测算法分别进行仿真,结果表明,将傅里叶变换、小波变换、小波熵理论融合后的信号检测算法能够更全面的反映井下供电线路的运行状态,对实现井下综保器可靠动作具有较好的理论价值。     

基于小波包Shannon熵的PHM系统故障特征提取

针对同步发电机故障预测与健康管理(Prognostics and Health Management,PHM)系统故障特征提取困难,信号容易受到噪声干扰,诊断结果可靠性低的缺点,本文以故障率较高的轴承故障为例,提出以小波包熵值作为故障特征,提取轴承典型故障的振动信号。通过小波包分析,计算出不同故障、不同故障程度的小波包Shannon熵值。与正常轴承对比进行故障程度预测及故障定位。仿真结果表明小波包Shannon熵值能够清楚地反映出轴承故障程度及故障位置,该方法简单可靠,进行故障预测及诊断效果显著,克服了传统故障特征提取方法的不足。     

基于最优小波包基分解的暂态电能质量分类方法

对屯能质量暂态扰动进行正确的识别分类是改善电能质量的前提,而电能质量扰动特征向量的提取又是电能质量扰动识别分类中的关键步骤。提出基于最优小波包熵特征的特征提取方法．对采样信号进行小波包分解及时域预处理并选取最优小波包基．计算各尺度下信号的最佳小波包子空间的熵值,归一化处理后,把同尺度下的熵值和作为特征量,再将所有尺度下的特征量按尺度分解顺序依次组合在一起．形成最终的特征向量并作为神经网络的输入构建神经网络识别系统．对暂态电能质量信号进行识别。系统负荷投切和电容器充电的仿真结果表明．该方法能快速有效地区分暂态脉冲和振荡暂态。     

小波熵理论及其在电力系统故障检测中的应用研究

电力系统暂态信号经小波变换后数据众多，且对故障的判别缺乏定量的手段，所以，挖掘和融合出一个或系列普适量来有效地检测电力系统故障或判别其稳定性至关重要。该文利用小波分析具有时频局部化特性和熵能对系统状态进行表征的特点，将小波分析和熵结合起来，定义了3种小波熵(小波能谱熵、小波时间熵、小波奇异熵)，并给出其算法，揭示了这3种小波熵对系统故障表征的机理，对两种理论信号和基于PSCAD／EMTDC仿真的输电线路故障信号的分析表明，这3种小波熵能反映系统变化，且不受噪声干扰，能够有效地检测出电力系统故障。     

一种基于简化能量比的直流线路故障区间定位方法

高压直流输电线路及其边界对故障暂态信号高频分量都有明显的衰减作用,这一故障特征被广泛运用于暂态保护,且有研究显示,相较于线路边界,长线路对故障暂态高频分量的衰减作用可能更大,为避免这种情况引起的保护误动,目前常用的故障特征提取方式为利用不同尺度的小波变换获取暂态信号能量比。但基于小波变换的暂态保护存在算法相对复杂,基波选取模式不统一等问题。因此提出一种新的比值算法,针对故障暂态信号中的能量比,用全电流代替低频分量,简化了直流线路故障信息处理过程,由此设计出了新的直流线路故障定位方法,并且利用该判据可直接实现故障极判断。在MATLAB中进行了大量仿真验证,证明该保护算法可以正确反映出故障特征,逻辑简单,并且能够迅速可靠动作。     

小波奇异熵及其在高压输电线路故障选相中的应用

泛化的信息熵目前已在数据挖掘、信号识别和故障诊断等领域得到了广泛有效的应用。小波熵是一种典型的泛化熵测度，其在电力系统故障检测和识别中的应用具有巨大的潜力。探索各类小波熵算法的机理及其所揭示的电力系统现象本质是进一步开拓其应用的前提。对于小波熵算法之一的小波奇异熵，该文在研究小波变换、奇异值分解及信息熵理论的基础上，分析了其应用原理和本质。基于对小波奇异熵的研究，将其应用于高压输电线路的故障相识别，并提出了基于故障暂态的故障选相判据和方案。基于PSCAD/EMTDC的故障仿真结果表明：该故障选相方案能快速准确地识别各类故障，并且不易受到故障时刻、过渡电阻、故障位置等因素的影响，具有较好的适应性。