小波变换在励磁涌流和短路电流识别中的应用

为了识别励磁涌流电流和内部故障电流,根据小波变换后励磁涌流在高频率段处呈现出明显的奇异性的特点,利用小波变换对变压器的励磁涌流模型和内部故障模型进行仿真分析,确定了基于一尺度下奇异值的小波判据,比较其高频段上能量的变化情况来识别励磁涌流和内部故障电流。结果表明,此方法可以对励磁涌流和内部故障电流进行良好识别。     

基于小波变换的励磁涌流识别方法研究

当前的励磁涌流识别方法误差偏大,难以区分电力故障类别.为此,提出基于小波变换的励磁涌流识别方法.引入小波变换方法,结合塔式算法,完成电力离散信号的分解.通过小波重构滤波器,重构电力离散分解信号.针对励磁涌流识别中故障类别判断难的问题,利用小波能量谱图解法来区分电力系统变压器励磁涌流故障和内部短路电流,完成励磁涌流识别的优化.实验结果表明,研究方法的励磁涌流识别结果与真实情况一致,具有较好的识别准确率。     

基于小波-DHNN识别变压器励磁涌流

变压器主要采用纵联差动保护,如何防止因涌流造成的误动已成为关键性问题。对于该问题,提出一种基于小波-DHNN识别励磁涌流的新的研究方案。利用小波变换对采样信号进行分析,得出励磁涌流的小波系数较内部故障电流有非常明显的差异,并且畸变特点伴随整个衰减过程。分析后的信号通过离散型Hopfield网络测试与识别,从而区分励磁涌流和内部故障电流。通过PSCAD和MATLAB仿真软件进行建模仿真,结果表明,该方法能可靠的识别励磁涌流和内部故障电流,并且准确率高达100%。     

基于小波分析的变压器励磁涌流识别判据研究

为防止励磁涌流导致变压器的差动保护误动作,本文对变压器励磁涌流的产生机理、影响因素、波形特征等进行了理论分析和仿真研究。利用小波分析原理,从能量的角度出发,提出了一种基于小波包分析的鉴别变压器励磁涌流和内部故障电流的新方法。利用仿真系统Matlab建立电力系统模型,模拟变压器不同合闸条件下的涌流和内部故障电流。依据小波包能量时谱的变化趋势(上升或下降),制定合理判据。通过大量的仿真实例分析,证明了方法的可行性。     

基于小波理论和多分辨分析的变压器励磁涌流识别方法

提出一种基于小波变换和多分辨分析识别变压器励磁涌流和内部故障电流的新方法。根据故障初始阶段励磁涌流的高频分量随时间推移逐渐变大而故障电流高频分量逐渐变小的特点,首先用Daub-4小波对励磁涌流和故障电流进行分解,得到第1层小波系数的2个初始峰值点,然后通过引入可靠性系数来识别励磁涌流和故障电流。动模试验结果表明,该方法能够可靠快速地识别励磁涌流和故障电流,且不需要考虑保护的整定值,实现方便。     

电力变压器励磁涌流判别的自适应小波神经网络方法

励磁涌流识别一直是电力变压器差动保护中比较关注的问题。文中提出了一种基于自适应小波神经网络实现变压器励磁涌流判别的新方法。结合励磁涌流和内部故障电流的特点，构建了一个四层的自适应小波神经网络模型，并对其具体的实现方法进行了详细的分析；利用ATP—EMTP程序进行仿真计算生成训练样本和测试样本，对所构建的网络进行了训练和测试，结果表明自适应小波神经网络能准确、可靠地识别出变压器的励磁涌流状态。     

基于小波理论的变压器励磁涌流与故障电流的识别

变压器内部故障与励磁涌流一般都伴随着复杂的电磁暂态过程,普通的信号处理方法难以准确地区分这两种现象.文章利用小波理论对变压器的励磁涌流与内部故障电流的信号进行分析处理,根据小波变换结果之间差异性的显著特征来构成区分励磁涌流和内部故障电流的判据,以识别是否故障电流.     

基于小波包变换的变压器励磁涌流识别新方法

提出了一种基于小波包变换的识别变压器励磁涌流的新算法。该算法能正确地区分带长线和不带长线励磁涌流与变压器的各种典型内部故障,同时不会将外部故障误判为内部故障。试验结果表明：所设计的小波包算法能保证励磁涌流的正确识别,且具有实时实现的可能。     

基于小波包和LS-SVM的变压器励磁涌流与短路电流识别方法

基于小波包分解和最小二乘-支持向量机（LS-SVM）,提出了变压器短路电流和励磁涌流识别的新方法。通过将电流信号进行小波包分解,计算出分解后各频段信号的能量,组成能量特征向量,并考虑作为最小二乘一支持向量机分类器的输入参数,来实现短路电流和励磁涌流的识别。仿真结果表明,该方法识别准确率高,受噪声的影响小。     

基于小波包与改进的PSO-PNN变压器励磁涌流识别算法研究

利用小波包对励磁涌流和故障电流信号进行分解并提取小波包能量特征。采用改进粒子群(PSO)算法训练概率神经网络(PNN)寻找全局最优,对PNN网络的输入输出、传递函数以及隐含层节点数进行确定,建立PNN的网络模型,对网络进行训练测试,最后提出保护判据。研究发现,该算法不仅训练速度和收敛速度快,而且具有较高的识别精度。     

小波变换在变压器差动保护中的应用

基于小波多分辨率分析理论,提出了一种以能量变化率的比值作为判据,区分变压器励磁涌流和内部短路电流的方法.它从信号的小波能量谱图中提取特征量,作为模式识别的依据来鉴别励磁涌流和内部短路电流.     

基于小波能量的变压器励磁涌流识别方法

提出了一种基于小波能量变化实现励磁涌流判别的新方法。由于励磁涌流和内部故障电流产生的机理不同,因此其能量分布是不同的。小波变换能够准确捕捉暂态信号的特征,且小波能量能够反映信号能量在时域的分布情况。采用db4作为母小波对电力系统仿真所产生的大量实验数据进行了小波变换,通过提取小波变换后的d4（第四层细节部分）并计算其能量变化情况,制定了合理的判据。实验结果表明,该方法能够准确、迅速地识别出变压器励磁涌流状态。     

识别变压器励磁涌流和内部短路电流的小波能量谱图解法

基于小波多分辨率分析理论,提出了一种以能量变化率的比值作为判据,区分变压器励磁涌流和内部短路电流的新方法—小波能量谱图解法。它从信号的小波能量谱图中提取特征量,作为模式识别的依据来鉴别励磁涌流和内部短路电流。仿真计算表明该方法简单有效,具有一定的应用前景。     

基于人工神经网络的变压器励磁涌流的鉴别

研究了基于神经网络方法的电力变压器励磁涌流鉴别。对变压器励磁涌流及故障电流进行了数字仿真,比较了两者在物理特性上的区别。利用Matlab的人工工具箱,分别建立了BP和RBF神经网络模型,对励磁涌流和故障电流的样本进行训练及测试。结果表明,人工神经网络可以正确地区分励磁涌流和故障电流,RBF神经网络能更加快速、准确地判断出变压器的故障。     

基于BP神经网络和小波包能量熵的异步电动机故障诊断

为了高效解决异步电动机故障问题,提出了一种基于反向传播(BP)神经网络和小波包能量分析的异步电动机故障诊断系统。采用定子电流信号作为异步电动机的故障信号,运用小波包能量分析对采集的定子电流信号进行分析,提取出相应的故障特征向量。为了提高诊断的准确性,提取信号时域、频域的特征,输入到BP神经网络中进行训练学习。经过足够多的训练后,用测试样本对其精确率进行测试。通过所提方法,可以及时排除及修正异步电动机故障,提高工厂的经济效益。     

基于小波分析的变压器励磁涌流和内部故障电流识别

探讨了一种基于离散小波变换(DWT)及其多分辨率分析(MRA)的识别励磁涌流和内部故障电流并利用小波熵作为判据的方法。在MATLAB中通过对变压器空载合闸和匝间短路进行仿真,并利用该方法对不平衡电流进行了分析。结果表明,该方法能够可靠、快速地识别出励磁涌流和内部故障电流。     

小波分析在变压器差动保护中的应用

正确区分电力变压器励磁涌流和内部故障电流是变压器保护中一个尚未得到完善解决的问题,变压器励磁涌流具有明显的奇异性,小波变换在多尺度分析和时频域表现优秀,适合用来提取信号边缘和峰值突变的特征,能够很好的检测信号奇异性。对励磁涌流和故障电流进行小波分析,然后对信号小波变换后的波形进分析,可直接利用波形特点进行判断。