一种建筑物低压供配电线路故障电弧检测新方法

故障电弧电流值小,不足以使传统断路器动作切断电源,成为电气火灾的主要原因之一。本文通过对建筑物低压供配电线路中的故障电弧建模,分析故障电弧特征。采用小波分析方法对采集的数据降噪和特征提取,与傅里叶变换方法相比较,并分析了电路中负载改变时的情况,仿真结果表明该方法可有效检测故障电弧的奇异点,准确辨识故障电弧。     

遗传算法优化GMM的故障电弧识别方法

由于电气设备中正常电流信号和故障电流信号电流特性十分相似,故障电弧的正确识别十分困难,但非常重要。采用小波变换结合近似熵的方法对故障和正常电流特征进行提取,将特征用来训练混合高斯模型(GMM)。但GMM的参数估计方法期望最大(EM),极易局部收敛,因此,引进遗传算法,提出遗传优化的高斯混合模型(GA-GMM)。用经过特征提取后的特征数据来训练GA-GMM模型,模型根据其输入的数据特征得到最大的概率分类,即输出电流故障与否。大量实验表明采用GA-BMM能够快速准确地对故障电弧特征进行识别,达到了较好的识别效果,实现了准确识别故障电弧的操作。     

串联型故障电弧检测方法对比分析

由于线路故障位置的不确定性,目前串联型故障电弧检测方法主要基于电流信号分析进行识别。通过对不同负载在串联型故障电弧发生前后的电流波形进行对比,得出了串联型故障电弧电流特性及其变化规律;以串联型故障电弧的电流信号为研究对象,介绍了基于希尔伯特黄变换、信息熵与短时傅里叶变换、小波近似熵与支持向量机的串联型故障电弧检测方法,概述了不同检测方法的故障电弧特征提取过程;对3种串联型故障电弧检测方法优缺点进行了比较,指出基于希尔伯特黄变换、信息熵与短时傅里叶变换的检测方法可有效提取故障电弧发生时电流的时频特性,对提取的时频谱幅值设置合适的阈值即可作为串联型故障电弧识别的依据,但准确性和实时性不高,而基于小波近似熵与支持向量机的检测方法可直接提取近似熵作为支持向量机的输入来识别串联型故障电弧,具有较高的准确性和实时性,更适用于煤矿现场。     

基于小波暂态能量的自适应故障选线新方法

针对当前小电流接地系统在相电压过零时发生故障选线准确率不高的问题,分析了小电流接地系统发生单相接地故障后零序电流的频率特征。提出了一种基于小波暂态能量的故障初始角自适应故障选线新方法,该方法利用快速傅里叶变换获取电压相位估算故障初始角,并根据能量最大值原理进行故障选线。通过理论分析,数字仿真实验,证明了所提出的方法基本不受过渡电阻、故障初始角、电弧故障和故障距离的影响,能够准确快速地选出故障线路。     

基于Stacking模型融合的串联故障电弧检测

针对低压交流配电网中由于电弧燃烧程度不同、电流畸变程度不同而导致漏检、错检问题,提出一种基于Stacking模型融合的时域故障电弧检测方法。从回路电流中提取时域特征,将时域特征组成特征矩阵对机器学习算法决策树和集成学习算法随机森林等进行参数寻优。最后,将集成学习算法代替机器学习算法作为基学习器通过Stacking模型融合构建低压交流故障检测模型。实验共采集6种电器的并联电流共计96 970组,结果表明,相较于非集成算法和其他集成算法,所提方法具有更高的准确率、精确度和F1指标,其模型更为稳健。     

故障电弧早期预测预警系统研究

根据开关柜内部故障电弧伴生放电声的频谱特性,提出基于三层小波包分解的频带能量特征弧声识别算法,构建基于DSP的故障电弧早期预警系统,给出了系统的软硬件设计方案,并就系统设计中弧声信号的获取、滤波及其智能识别算法中特征参数阈值选取等一些关键问题进行重点研究;该系统相当于给传统的故障电弧保护机制扩展了预测预警功能,有利于将故障电弧消除在事故发生之前;实验结果表明:系统运行正常,可准确、快速发出预警.     

小波变换在故障检测中的应用

提出一种基于小波分析的动态系统故障检测方法.该方法不需要模型,具有灵敏度高、克服噪声能力强的特点.仿真研究取得了满意的效果.     

基于电源输出电压的直流串联电弧故障检测方法

直流串联电弧故障危害较高,且难以检测,其检测技术还需不断完善.文章提出一种基于电源输出电压的检测方法,将电源输出电压的标准差和相应频段内谐波功率和作为识别电弧故障的特征向量,利用支持向量机进行分类识别.该方法只需对直流电源的输出电压进行监测和采集,对检测系统的位置没有特殊要求,易于操作和实现.     

基于虚拟仪器的直流接地故障检测系统

提出了基于虚拟仪器结合PCI采集卡实现的接地故障检测系统的方案,充分利用了虚拟仪器的特点,实现了基于小波变换的先进检测方法,使直流系统的接地故障诊断的准确性有了很大的提高。     

基于STM32故障电弧检测装置的设计

对负载电流信号的检测是判断低压配电线路中是否发生电弧故障的有效方法之一。用ADC模块对负载电流信号进行采样,将发生电弧故障时的电流波形与正常工作时的电流波形相比较,检测是否有电弧故障发生。比较的电流波形特征量主要有过零点后的上升率、电流正半周期采样时间宽度和正半周期采样幅值,将这三个特征量作为电弧故障识别算法的判断条件,检测电弧故障。为了在硬件上验证该时域检测算法的可行性和有效性,将电弧故障检测算法移植到STM32平台,设计出了一台基于STM32的故障电弧检测装置样机。该样机可以实现电流信号采集、过零点检测、数据处理以及串联电弧故障检测识别。在以日光灯、开关电源和吸尘器为屏蔽负载的实验结果表明,该装置可以检测出串联电弧故障,且可靠性高,不会在没有产生故障电弧的情况下产生误判。     

故障信号检测的小波基选择方法

提出了一种用于故障信号奇异性检测的小波基选择方法一按照小波规则性系数选择小波基。这一方法是基于小波变换后的小波系数表示小波函数和信号之间的相似程度．同时信号的规则性系数又和小波变换后的小波系数模值间存在着一定关来。仿真结果表明．这一方法的有效性和可行性。     

轴承故障融合诊断方法

针对传统人工神经网络在故障诊断中应用的局限性 ,提出一种基于小波变换、遗传算法与神经网络的融合故障诊断方法。该方法先用小波变换对原始采样信号进行特征提取 ,再用遗传算法优化选择最为重要的特征作为神经网络的输入参数。最后 ,由神经网络进行状态识别和特征分类。这样不仅减少网络训练时间 ,降低网络计算量 ,而且有效提高分类的准确性及故障诊断的可靠性。轴承故障诊断实验结果表明 ,该方法是有效的。     

小波变换在轴承故障诊断中的研究

介绍了小波分析理论和MATLAB小波工具箱,并利用MATLAB小波工具箱进行信号分析。滚动轴承是各种旋转机械中应用最广泛的一种通用机械部件,它的工作状况直接影响机械设备的使用性能。小波分析是一种时频信号分析方法,它具有时域和频域的局部化和可变时频窗的特点,利用小波变换和小波包对信号在不同的频带下进行分解与重构,并对不同的分析方法进行了比较,特别是对不同的小波函数也进行了比较。最后,提出利用数据挖掘的理论来建立轴承故障诊断的数据挖掘模型库。     

基于模型的闭环系统故障检测的一种新方法

针对在闭环控制系统中,如何取得产生残差的最佳信号的问题,通过对单输入单输出闭环系统各种故障的Matlab仿真研究及结果分析,提出了一种基于模型的闭环系统故障检测的新方法。该方法把控制器的输出残差和系统的输出残差结合起来检测故障,并且考虑到了在实际系统中控制器可能饱和的实际情况。这种检测故障的新方法对于实际系统可能发生的各种故障(如执行器,传感器故障)更为有效,可以提高系统检测故障的性能,减少了系统故障的漏报率。     

基于小波变换的柴油机故障智能检测新方法

提出了一种智能检测柴油机喷油压力信号特征点的新方法,可以对柴油机一些常见故障进行不停机的检测。通过对油压信号特征的分析,对之进行了连续小波变换,根据油压信号在不同阶段的频率特征选定相应尺度的小波系数,然后利用这些小波系数的模极小值进行特征点的检测。将现场实测信号在Madab中进行仿真,建立了喷油系统正常工作时的模板向量。实验证明该方法的准确率高,而且便于在各种数字信号处理终端中实现,是有效可行的。     

虚拟逆变装置电压故障检测系统的设计

电力电子逆变设备是工业生产中的关键设备。针对电力电子逆变设备的故障,设计了一种基于LabVIEW的逆变装置故障检测系统,构建了多功能操作界面,实现了5通道信息的实时采集及显示、频谱分析、故障检测及报警、历史数据查询等功能。所设计的检测系统经过测试,可以实时检测故障信号并记录故障信号的特征,对解决实际问题具有可行性和实用性。     

基于LabVIEW和小波分析理论数据采集与处理系统研究

通过LabVIEW直观的图形化界面对电测法得到的信号进行采集,MATLAB强大的数学计算功能,可以补充LabVIEW的开发功能不足,在LabVIEW中通过MATLAB Script Node调用MATLAB中小波函数程序对有噪声信号进行消噪处理的方法.这种方法充分利用了LabVIEW和MATLAB了优点,实现了两者的有机结合,为后期的缺陷定位分析打下了坚实的基础.