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。     

基于小波分析的相差高频保护故障识别

输电线路继电保护中的高频保护故障信号在传输过程中存在延时与衰耗,导致信号偏移及能量损耗;另外故障发生点的不同,使得故障电流产生相位差.小波变换所具有的时频局部化特性非常适合对复杂信号进行多分辨率分析以及奇异点检测.利用db小波对相差高频保护中的故障电流进行分解并以此识别内部、外部故障.通过Matlab进行实例仿真,仿真结果证明了该方法的可行性和有效性.     

配电网小电流单相接地故障选线方法研究

针对配电网小电流单相接地故障率越来越高,提出一种新的配电网小电流单相接地故障选线方法.将双树复小波变换用于配电网小电流接地故障选线,并结合能量相对熵作为故障选线的依据.通过双树复小波变换来处理小电流信号,利用能量相对熵确定故障线路.并通过仿真对该方法的正确性和有效性进行验证.结果 表明,该方法可以快速确定故障线路.这种...     

基于零序电流积分的单相接地故障定位方法

当小电流系统单相接地故障时,由于故障电流较小、电气量不明显,且系统运行方式多样、结构较为复杂,难以对故障点加以判断。当前,主要依靠人工巡线的方式确定故障点,不仅费时费力,还难以快速、准确地寻找故障位置。对此,利用单相接地故障位置前后线路流过的零序电流差异较大,使故障端前后两侧检测点流过的零序电流波形差别大,而同侧线路零序电流波形相似。利用各区段两侧故障发生后2个工频周期内的零序电流数据,分时段计算幅值,并以积分算法求取幅值积分系数,最终根据幅值积分系数判断故障区段。试验结果表明:该方法对不同接地电阻、不同补偿度、不同故障初相角下的单相接地故障的定位准确度高,在高阻接地、线路末端接地以及电弧性接地故障时仍能适用。该方法只需线路上的零序电流信号,信号获取方便;只需上传检测点幅值积分系数,数据传输量小。该研究也符合智能配电网的进一步发展趋势。     

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。     

基于小波变换的配电网故障暂态量选线方法

小电流接地是中压电网中性点的典型接地方式。小电流接地电网的单相接地故障特征表明,故障暂态电流幅值比稳态对地电容电流大得多,而且几乎不受消弧线岗影响。冈此,利用暂态电流进行选线具有一定的优越性。为了精确提取故障时的暂态信号用于选线,利用小波变换工具对发生接地故障时各线路的暂念零序电流进行小波变换,提取线路故障信息。本文建立仿真模型对小电流接地电网的多种单相接地故障型式进行了仿真验证,证实了该方法的有效性。     

一种推挽式电路故障诊断方法的仿真研究

提出了基于小波变换和神经网络的推挽式电路故障诊断方法。先仿真得到各种故障状态下的输出电压信号,然后对输出电压信号进行Daubechies小波变换获取多尺度低频系数和高频系数,并对小波系数进行处理提取故障特征量,最后利用故障特征矢量训练神经网络确定了推挽式电路故障诊断的神经网络模型。仿真结果表明基于小波变换和神经网络的推挽式电路故障诊断方法取得了较好的效果。     

Hilbert-小波变换的齿轮箱故障诊断*

采用希尔伯特—小波变换对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用小波变换分解获得振动响应信号的各层高频信号小波系数和低频信号小波系数,对小波系数进行重构获得具有不同特征时间尺度的各高频信号和低频信号;再对分解的信号进行希尔伯特变换获得时频信息谱以提取系统的统计特征信息,实现监测齿轮运转工作状态,及时发现齿轮的早期故障,提高机械运行的安全性。仿真研究结果表明,小波变换分解和希尔伯特边际谱方法在故障信息诊断方面是可行和有效的,提高了故障检测的可靠性。     

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。     

小波变换在变压器励磁涌流识别中的应用

为防止励磁涌流导致变压器的差动保护误动作,本文提出了一种以小波系数分布为判据的励磁涌流识别的新方法。该方法以小波变换中多分辨分析为理论依据,通过小波变换后对所得二尺度上的小波系数进行提取,计算其方差变化率来表示小波系数的变化情况,并设定合理的阀值,来对励磁涌流与故障电流进行区分。应用MATLAB工具箱搭建变压器励磁涌流与故障电流仿真模型,进行大量仿真,仿真试验结果表明,该方法能够快速有效的对励磁涌流与故障电流进行识别判断,克服了传统方法的不足,保证差动保护的正确动作,具有很高的应用前景。     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

An application of a discrete wavelet transform and a back-propagation neural network algorithm for fault diagnosis on single-circuit transmission line

This article proposes an application of the discrete wavelet transform (DWT) and back-propagation neural networks (BPNN) for fault diagnosis on single-circuit transmission line. ATP/EMTP is used to simulate fault signals. The mother wavelet daubechies4 (db4) is used to decompose the high-frequency component of these signals. In addition, characteristics of the fault current at various fault inception angles, fault locations and faulty phases are detailed. The DWT is employed in extracting the high frequency component contained in the fault currents, and the coefficients of the first scale from the DWT that can detect fault are investigated, and the decision algorithm is constructed based on the BPNN. The results show that the proposed technique provides satisfactory results.     

一种基于小波变换域的数字图像公开水印方案

本文提出了一种基于小波变换域的自适应公开水印嵌入方案。方案中结合人类视觉系统的特点，将水印信息自适应地嵌入到小波变换域高频系数中；在水印提取的过程中根据小波高频系数的统计分布特性，利用最大似然(ML)估计法进行检测，不需要原图像。实验表明，该算法有较好的隐蔽性和鲁棒性。     

Energy and entropy-based feature extraction for locating fault on transmission lines by using neural network and wavelet packet decomposition

The aim of this paper is to estimate the fault location on transmission lines quickly and accurately. The faulty current and voltage signals obtained from a simulation are decomposed by wavelet packet transform (WPT). The extracted features are applied to artificial neural network (ANN) for estimating fault location. As data sets increase in size, their analysis become more complicated and time consuming. The energy and entropy criterion are applied to wavelet packet coefficients to decrease the size of feature vectors. The test results of ANN demonstrate that the applying of energy criterion to current signals after WPT is a very powerful and reliable method for reducing data sets in size and hence estimating fault locations on transmission lines quickly and accurately.     

基于Daubechies 小波的图像边缘检测技术

利用Daubechies 正交小波变换的性质,通过Mallat 多尺度分析方法对图 像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对 图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系 数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次 高频小波系数进行逆变换获取最大边缘信息。     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

基于小波域差值系数的织物疵点分割与识别

小波分解系数的织物疵点特征曲线容易受各层周期性噪声的影响,不能有效提取特征和定位疵点区域.提出了小波域差值系数的织物疵点分割与识别方法.首先将小波分解后的水平和垂直高频系数与平滑系数相减,除去周期性噪声,然后,分别提取水平和垂直差值系数熵、能量、方差曲线的最大值、均值及方差特征参数,最后利用支持向量机进行分类识别.仿真...