基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

基于特征频带相电流提取的故障选相和选线方法

为有效提高故障选相和选线的准确率,提出基于三相暂态电流信号小波分析的故障选相和选线方法。通过母线处故障相和两健全相的暂态电流差异判断出故障相;对各条线路的暂态电流进行小波包的分解和重构,计算各条线路暂态电流在特征频带内的重构系数比值,利用此值的差异辨识故障线路;在PSCAD仿真软件中搭建包含架空线-电缆混合线路的10 kV典型配电网模型,考虑不同中性点接地方式和过渡电阻大小,利用多组仿真算例验证了所提出故障选相和选线方法的正确性。     

基于改进资源受限免疫系统结构故障分类算法

针对无监督结构故障检测与分类问题,提出了一种基于资源受限人工免疫算法的故障检测与分类方法.该算法将无标签样本数据作为抗体组成人工识别球ARB群体,ARB根据刺激值的大小进行选择、变异和分配B细胞等进化过程来提高ARB的质量,得到能够反映数据结构的记忆ARB网络,实现对实测数据的分类.仿真结果表明,新的网络连接阈值计算方法使网络连接更有效,该算法能够实现有效的故障分类,并且引入Silhouette指标来判断网络稳定性和聚类效果,具有一定的可行性.     

New Method for Multivariate Statistical Process Monitoring

A new method using discriminant analysis and control charts is proposed for monitoring multivariate process operations more reliably.Fisher discriminant analysis (FDA) is used to derive a feature discriminant direction (FDD) between each normal and fault operations,and each FDD thus decided constructs the feature space of each fault operation.Individuals control charts (XmR charts) are used to monitor multivariate processes using the process data projected onto feature spaces.Upper control limit (UCL) and l...     

基于非故障相暂态电流的小电流接地系统故障选线的研究

针对小电流接地系统单相接地故障选线的研究现状,提出基于非故障相暂态电流的单相接地故障选线的方法。该方法利用小波变换分析非故障相暂态电流,通过对暂态电流模极大值数值的比较实现故障线路的选择。ATP仿真分析的结果表明,该方法准确可靠。     

基于最小熵的故障诊断算法

针对提升故障诊断的准确度问题,提出一种基于最小熵的故障诊断算法。首先,依据节点故障概率和各种噪声的发生概率计算一个可疑节点门限值;其次,计算各个节点对于探测结果的信息增益,与门限值对比,将高于门限值的节点视为可疑节点,存入可疑节点集合;最后,对可疑节点集合进行排序,将最小熵对应的节点视为故障节点,并经过仿真实验验证了该算法的有效性。     

基于复互小波分析的模拟电路故障诊断方法

针对模拟电路故障诊断研究中故障特征提取的难题,提出基于复互小波变换的相对幅度?相对相位协同分析的新方法,并根据复互小波变换的特点构建了故障敏感信息提取算法。使用复互小波变换能同时提取模拟电路在不同频率和时间尺度上的故障特征,并且相对幅度和相对相位信息分别从信号“能量”和“时间延迟”两个不同角度表征模拟电路的故障信息。该方法同时使用了蒙特卡洛方法构建正常电路元器件的容差范围,仿真实验结果表明该方法可以有效地解决模拟电路中灾难型和参数型故障诊断问题。     

基于小波和GA-BP网络的小电流接地选线方法

目前配电网普遍采用中性点不直接接地的方式（又称小电流系统）,配电网中单相接地仍是主要的故障形式,准确可靠的选线问题仍未得到有效解决．采用小波分析和遗传优化神经网络相结合的方法实现接地故障选线．Matlab仿真结果表明,该方法能够实现准确可靠的选线．     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

采用网络分割的OBS网络故障监测机制

提出了一种基于网络分割策略的圈覆盖光突发交换网络的故障监测机制,采用网络分割策略,大型的光突发交换网络被分割成便于故障管理的带有中心节点的环形子网或扇形子网,在每个子网内分别执行圈覆盖算法进行故障监测.计算和统计结果表明,该故障监测机制对于节点平均连通度大于3的网络具备网络开销小、故障定位率低等特点.     

New generation traction power supply system and its key technologies for electrified railways

Unlike the traditional traction power supply system which enables the electrified railway traction substation to be connected to power grid in a way of phase rotation, a new generation traction power supply system without phase splits is proposed in this paper. Three key techniques used in this system have been discussed. First, a combined co-phase traction power supply system is applied at traction substations for compensating negative sequence current and eliminating phase splits at exits of substations; design method and procedure for this system are presented. Second, a new bilateral traction power supply technology is proposed to eliminate the phase split at section post and reduce the influence of equalizing current on the power grid. Meanwhile, power factor should be adjusted to ensure a proper voltage level of the traction network. Third, a segmental power supply technology of traction network is used to divide the power supply arms into several segments, and the synchronous measurement and control technology is applied to diagnose faults and their locations quickly and accurately. Thus, the fault impact can be limited to a minimum degree. In addition, the economy and reliability of the new generation traction power supply system are analyzed.

     

直流系统接地故障综合检测方法

为解决直流系统接地故障检测的难题,提出综合运用漏电流法和波形分析法实现接地故障选线.漏电流法通过检测对地直流不平衡电流检测单极接地故障.波形分析法通过分析向直流系统注入的方波信号基波及三次谐波之间的相位及幅值关系,计算接地支路电阻来检测两极同时接地故障,并且在选出接地支路后,提供注入信号,供基于此原理的便携式检测仪寻找具体接地点.两种检测方法的结合可以很好地解决直流接地故障检测的难题.介绍了利用LonWorks现场总线构成分布式直流电源绝缘监测系统的实施方案.阐述了传感器的选择、方波信号频率及幅值的确定、减小注入信号对直流系统的影响以及故障点的准确定位等关键技术问题的解决.实验表明文中提出的方法实用有效.     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.     

卷积神经网络多变量过程特征学习与故障诊断

为提取复杂多变量过程的有效特征,提高故障诊断性能,提出一种基于卷积神经网络（convolutional neural network,CNN）特征学习的多变量过程故障诊断模型. 将高维过程信号归一化处理转为图像信号,多层卷积滤波器与子采样滤波器交替构成的轻量级CNN网络通过多个卷积核与图像进行卷积,采用本地连接和权重共享,滤除过程噪声和干扰信息,从而获得过程数据的高层抽象化表达. 通过Softmax层有监督的微调方式学习故障特征完成故障诊断. 利用以田纳西过程为代表的多变量非线性过程验证了模型的有效性,与经典分类器和近几年流行的深度神经网络进行对比, 结果表明:将高维过程信号转为图像信号输入CNN提高了多变量过程的故障诊断精度;通过t-SNE方法对模型提取的特征进行可视化分析,说明模型强大的特征提取能力;将模型提取的特征作为传统分类器的输入时,故障识别准确率显著提升,进一步说明有效的特征提取有利于提高故障诊断的准确度和可靠性;与无监督学习方式相比,模型通过标签能获取更有效、稳定和抽象化的数据特征.     

Fault location for parallel transmission lines using one-terminal current traveling waves

With proper phase module transformation,parallel lines can be decomposed to the same directional net and the reverse directional net. The propagation characteristics of traveling waves in the reverse directional net were analyzed,and the refraction coefficient at the fault point for a single phase fault was derived. In addition,the module selection was discussed. Simulation results show that satisfying accuracy can be achieved with the proposed method. Moreover,it is immune to fault types,fault resistances,and outside system parameters.     

配电网故障区间定位的新型矩阵算法

针对配电网故障区间定位的问题，利用配电网的结构和运行状态，提出一种基于开关有向树型网络描述模型，在此基础上，结合从FTU得到的故障信息得到新型故障区间定位算法，此算法无需进行矩阵的相乘和求逆运算，因其快速性可用于在线计算，并可推广至多电源系统中。     

EMD遗传神经网络方法

针对BP(back propagation)神经网络搜索速度慢、容易陷入局部最小的缺陷,提出了经验模态分解(EMD)遗传神经网络方法,首先用对带噪的信号进行分解,得到信号的各阶本征模函数分量,每个本征模函数分量对应着一个能量不同的频段,即一种故障特征,将各频段能量的特征向量作为优化神经网络的输入样本;其次用遗传算法对神经网络的初始权值和阈值进行优化.利用EMD遗传神经网络方法对滚动轴承多类故障信号进行分析,可提高故障识别能力.     

Complex network theory-based condition recognition of electromechanical system in process industry

In order to recognize the different operating conditions of a distributed and complex electromechanical system in the process industry, this work proposed a novel method of condition recognition by combining complex network theory with phase space reconstruction. First, a condition-space with complete information was reconstructed based on phase space reconstruction, and each condition in the space was transformed into a node of a complex network. Second, the limited penetrable visibility graph method was applied to establish an undirected and un-weighted complex network for the reconstructed condition-space. Finally, the statistical properties of this network were calculated to recognize the different operating conditions. A case study of a real chemical plant was conducted to illustrate the analysis and application processes of the proposed method. The results showed that the method could effectively recognize the different conditions of electromechanical systems. A complex electromechanical system can be studied from the systematic and cyber perspectives, and the relationship between the network structure property and the system condition can also be analyzed by utilizing the proposed method.     

基于小波变换和人工神经网络的保护模型

采用一种结合小波变换和神经网络原理的模型,来识别电力系统短路故障．用小波变换提取测量信号的特征量,作为多层前向神经网络的输入．对不同的输出要求,采用不同的神经网络,判断出发生故障的相别、性质和位置．实验结果表明,该模型是有效、可行的．