基于人工神经网络模型的变压器保护原理

依据人工神经网络的逼近能力,提出了一种基于人工神经网络模型的变压器保护新原理。该原理利用人工神经网络来逼近变压器的电磁关系,构建可替代变压器物理模型的人工神经网络模型,在线识别变压器的内部参数,基于参数识别后的变压器人工神经网络模型实现变压器保护。EMTP仿真实验表明,该变压器保护方法能在故障发生后半周内识别内部故障,故障特征明显,动作门槛有较大裕度,能识别变压器轻微匝间故障,且不受励磁涌流影响。     

基于人工神经网络模型的变压器保护原理

依据人工神经网络的逼近能力,提出了一种基于人工神经网络模型的变压器保护新原理.该原理利用人工神经网络来逼近变压器的电磁关系,构建可替代变压器物理模型的人工神经网络模型,在线识别变压器的内部参数,基于参数识别后的变压器人工神经网络模型实现变压器保护.EMTP仿真实验表明,该变压器保护方法能在故障发生后半周内识别内部故障,故障特征明显,动作门槛有较大裕度,能识别变压器轻微匝间故障,且不受励磁涌流影响.     

高斯径向基核函数参数的GA优化方法

核Fisher判别法KFDA(Kernel Fisher Discriminant Analysis)在模式分类应用中通常采用高斯径向基函数做核函数,但高斯径向基函数中参数σ的选取对模式分类的效果影响较大。参数σ的选取目前仅凭经验,缺乏自动选取方法。提出采用遗传算法GA(Genetic Algorithm)实现自动优化参数σ使KFDA具有自适应性的方法,用GA优化参数σ所确定的高斯径向基核函数应用于KFDA时,模式分类的可分性测度大。该方法在电机滚动轴承故障分类实验表明优于其他KFDA分类效果。     

基于自回归参数模型的低压系统串联电弧故障识别

利用电弧发生装置对若干典型的低压单相用电设备在串联故障电弧回路中的工作电流特征进行模拟实验研究,提出了基于自回归参数模型的低压系统串联电弧故障识别方法。采用三阶Burg自回归(autoregressive,AR)模型对采集的电流信号建模,提取其AR模型参数,然后采用基于距离测度的欧氏距离平方d 2实现对低压单相负载在正常回路和串联电弧故障回路电流信号的特征识别和故障辨识。该方法不仅适用于线性负载回路,而且适用于非线性负载回路的串联电弧故障识别。自回归参数模型法有效解决了低压系统串联电弧故障回路与非线性负载回路的电流信号识别问题,论文也同时提出了使用该方法时的参考矢量建议值。     

基于极限学习算法的HVCD电力故障检测方法

HVDC已经被应用于输电配电网络.如何实现准确的电力故障检测是目前该领域的研究热点问题.针对这个难点,提出了一种基于核极端学习机（KELM）的HVDC故障检测方法.首先,采集到HVDC故障时段的电压数字信号;然后提出PSO-KELM模型来以提供快速而准确的故障识别,其中PSO实现了KELM参数优化,即隐层的神经元数目的全局优化.试验结果表明,所提出的PSO-KELM新方法能够有效识别系统不同故障,具有较好的工程应用前景.     

采用模量参数识别的三相重合闸永久性故障判别原理

提出一种适用于带并联电抗器输电线路的三相重合闸永久性故障判别方法。该方法在故障选相基础上,以瞬时性故障π型等效模型为参考模型建立参数识别方程。对于接地故障,建立零模分量的参数识别方程;对于相间故障,建立线模分量的参数识别方程。以并联电抗器电流作为已知量,并联电抗器电感参数作为待求解参数,利用求解值与实际值的差异来区分永久性故障和瞬时性故障。瞬时性故障时,故障模型与求解模型一致,求解值与实际值差异很小;永久性故障时,故障模型与求解模型不一致,求解值与实际值差异明显。EMTP仿真结果验证了判别方法的正确性和有效性。     

基于多信息的变压器故障免疫诊断方法

根据免疫系统中抗体对抗原的识别机制提出一种基于免疫方法的变压器故障诊断模型。给出了功能模型结构,详细分析了模型的识别及学习方法。该方法可以快速准确地多分辨识别变压器故障,对新故障具有较强的学习能力,有效提高了诊断效率,解决了诊断中学习能力不足的问题。实验证明该模型诊断性能良好,在变压器在线监测中有良好的应用前景。     

基于参数不平衡检测的电抗器匝间保护方法

本文提出了一种基于参数不平衡检测的高压并联电抗器匝间保护方法,该方法建立在时域参数模型基础上,利用高压电抗器的本末端电气量,计算出在最小二乘意义下的各相的电气参数。基于高压分相并联电抗器不可能三相同时发生匝间短路故障的前提下,通过构建体现三相参数不平衡和参数突变的综合检测判据,来识别高压电抗器是否发生匝间短路故障。     

建筑配电系统故障电弧的仿真与检测

选择合适的电弧模型,对建筑配电系统发生的故障电弧进行了仿真.基于小波的时一频分析特点和人工神经网络(ANN)的学习能力,提出了一种分辨故障电弧和正常负荷电流的方法.该方法通过小波变换对信号进行多分辨率分析,提取信号的特征矢量,利用人工神经网络对输入特征矢量进行故障识别.仿真实验的结果表明,该方法具有良好的故障识别件能.     

广域后备保护故障识别方案

在广域信息基础上,提出了一种基于集中式结构的故障识别方案,根据各序分量排序情况确定故障区域,利用方向和纵差原理来判别故障元件。启动方式保证了经高阻短路故障情况下保护启动的灵敏性;故障区域划分方法既能缩小故障搜索范围,又能准确涵盖各故障元件;故障判别算法能够快速、准确地识别出线路及母线的简单、复合故障。提出了在断路器拒动、一点或一个站信息丢失情况下的故障识别策略。基于河北南网系统实际参数和运行断面进行了大量仿真,仿真结果验证了该方案的合理性和有效性。     

关于220kV HGIS交流耐压试验放电及故障分析

HGIS现场安装后,使用变频串联谐振方法进行交流耐压试验是比较有效的检测手段,通过耐压试验可以发现安装质量问题;文中的两起放电故障是通过耐压试验发现的,根据对放电原因的分析,区分放电性质,检测出故障部位,保证安装质量。     

基于电弧复小波检测的单相自适应重合闸

提出一种单相自适应重合闸的新方案。该方案利用复小波分析来检测电弧产生的谐波,并以此区分输电线路的单相瞬时性故障和永久性故障。故障发生后,对于不同的故障性质,线路首端重合闸安装处的电压谐波含量是不同的。根据电压谐波含量的特征,提出利用复小波相位和幅值的新算法综合判别来快速确定线路的故障性质。该方法可以在熄弧之前进行判断,保障了最佳重合时间。线路故障仿真验证了该算法的有效性和实用性。     

基于MODWT的变压器绕组轻微故障检测及分类研究

本文基于变压器在不同运行工况下的等效瞬时励磁电感的差异,利用最大重叠离散小波变换 (MODWT) 提取有效故障特征参数,实现对变压器绕组轻微匝间故障以及匝间电弧放电故障的检测。首先提取变压器在各种工况下的电气量,求取等效瞬时励磁电感,选取基于db4小波函数的最大重叠离散小波变换进行分析,提取特征量。将故障特征量作为决策树的训练集和测试集,从而实现变压器绕组轻微故障的识别以及分类。最后通过仿真证明,所提出的算法能够准确检测以及区分励磁涌流、轻微匝间短路故障以及匝间电弧放电故障。     

CP组合神经网络在基于DGA的变压器绝缘故障诊断中的应用

对向传播(CP)算法是一种有教师学习和无教师学习算法的混合体,既具有良好的模式识别性能,又能很好地解决反馈型神经网络的收敛问题。笔者提出了基于CP分类器人工神经网络的变压器故障诊断方法,建立了CP组合神经网络模型,通过比较不同训练情况下的正判率来确定CP网络中的训练次数和竞争层神经元的个数。实例证明该模型诊断结果的正判率比改良电协研法和IEC三比值法有较大的提高,具有较高的诊断准确率和应用价值。     

统计特征参数及多分类SVM的局部放电类型识别

局部放电模式识别是诊断变压器绝缘状况的一种有效方法,为提高局部放电类型识别的正确率,提出了基于统计特征参数及多分类SVM的局部放电类型的识别方法。在实验室设计了4种典型的变压器故障缺陷,采用统计特征参数法提取各局部放电图谱的27种特征量,引入M-ary分类思想,将支持向量机的两类分类问题扩展为多类分类,使训练计算量和测试计算量大大减少。实验结果表明,该方法用于局部放电类型识别具有较好地识别效果,并且计算速度快。     

三相不平衡配电网的潮流故障统一分析方法

摘要： 针对配电网的辐射状和弱环网以及三相不平衡的特点，在前代回推的基础上，提出了一种利用多端口混合补偿技术的三相潮流和故障计算的统一分析方法。提出了对各种故障具有统一形式的故障端口补偿电路，并且该方法在电网的正常和故障两种情况下具有统一的计算公式和迭代步骤。因而，故障计算与普通潮流计算具有相同的收敛性。并且，计算模型中可以考虑详细的负荷模型，提高了故障电流计算值的精确度。数值算例表明该方法具有很高的效率和计算精度，完全可以应用于实时控制系统。     

基于粒子群算法优化支持向量机的变压器绕组变形分类方法

变压器是电网最为核心的设备,绕组变形是变压器主要的故障类型之一,频率响应分析法(frequency response analysis, FRA)是目前广泛应用的绕组变形检测方法。为提高绕组变形分类诊断的性能,文中提出基于粒子群算法优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)的变压器绕组变形分类方法,采用数学统计方法提取频率响应曲线的特征参量,并输入到支持向量机模型进行训练,利用粒子群算法优化支持向量机模型参数,使其能够有效区分不同的绕组故障类型。为证明文中方法在变压器绕组故障诊断方面的有效性,在一台特制模型变压器上进行了一系列故障模拟实验。数据处理结果表明,训练后的支持向量模型表现出了极高的性能,并且,相比传统的网格搜索参数优化算法,粒子群算法优化的支持向量机可以显著提高变压器绕组变形故障的分类性能。     

500 kV CVT故障放电及其探讨

针对５００ｋＶ ＣＶＴ运行事故,通过ＣＶＴ 不同放电类型及其实验数据的分析,提出了用局部放电在线监测的方法预防绝缘事故     

基于小波能量统计法的HVDC换相失败故障诊断

将小波变换应用于高压直流输电系统换相失败的故障诊断中,基于多分辨率分析分别对不同故障情况下的直流电压、直流电流、交流电压和交流电流等暂态信号进行分解,提取每一层的特征;根据各层小波能量统计,定义2个故障诊断指标作为辨识各种故障的判据,并针对这2个指标分别设置4个阈值以诊断直流线路故障和不同原因引起的换相失败故障。仿真结果表明,该方法不仅能准确区分换相失败故障和直流线路故障,而且能判断引起换相失败的原因。     

基于灰色关联的小电流接地选线研究

在分析了现有的小电流系统单相接地故障选择性保护的基础上,提出了一种基于灰色关联算法单相接地保护新原理。该方法利用在配电网单相接地故障时,故障支路的零序暂态电流和非故障支路的零序暂态电流的关联程度来判别故障支路和非故障支路,并给出了相关算法,并进行了相应的仿真计算,仿真和实际应用结果表明,基于该方法选择性接地保护计算量小,实现容易并具有很高的准确性,且适用中性点不同接地方式的配电网。