基于小波变换的变压器励磁涌流与故障电流鉴别的新方法研究

小波变换对于电力变压器励磁涌流和内部故障电流的鉴别非常有效。使用仿真软件Matlab中的Simulink模块仿真出电力变压器的励磁涌流和内部故障电流,并通过Mallat分解算法分别进行小波交换,并提出一种新的鉴别算法。试验表明．这两种电流的小波变换结果的细节部分有很大不同的特征,可以使用在变压器继电保护中。     

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。     

基于小波变换的变压器励磁涌流识别方法

用Matlab构建变压器励磁涌流和内部故障电流仿真模型,利用小波函数对得到的波形进行多尺度辨析,通过观察小波变换的模极大值在多尺度下的演化趋势,确定波形奇异性,从而定性地区分励磁涌流和内部故障电流的小波判据。通过设定不同的变压器参数,并进行仿真,可证明此方法可以很好地识别变压器励磁涌流和内部故障电流,有效避免由于误判而引起的变压器差动保护误动。     

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。     

基于小波算法的变压器涌流和内部故障电流识别

小波变换可将信号同时从时域和频域两个方面加以分解,对分析变压器励磁涌流和内部故障电流非常有效.在PSCAD/EMTDC软件中通过对变压器励磁涌流和内部接地故障进行仿真,并对变压器两侧的电流差分信号进行了小波变换.结果表明,两类信号在细节部分有明显的不同特征,可作为判别的依据.     

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。     

变压器励磁涌流的辨识研究

利用FFT和二进小波变换模极大值法,通过对比变压器励磁涌流和内部短路故障电流波形特点来研究变压器励磁涌流的辨识问题,并在MATLAB/SIMULINK上实现仿真分析。     

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。     

改进递归小波变换在变压器保护中的应用研究

从小波变换的基本理论出发,构造出适于电力系统故障信号分析的基本小波,同时,为了满 足电力系统的实时性需求,提出了改进递归小波变换,并利用其进行了鉴别变压器励磁涌流 的研究。研究结果表明该方法是可行的。     

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。     

利用小波包能量区分变压器内外部故障

TA饱和是变压器差动保护中待解决的关键问题之一。通过对变压器TA饱和的深入分析及仿真研究,得出结论:TA饱和时,区外故障电流含有大量明显的突变点,而区内故障电流连续。据此结论,文章提出了一种利用小波包变换区分变压器内外部故障的新方法。首先小波包变换分别对TA饱和情况下的内外部故障电流进行分解,然后对分解后的信号进行能量计算,将问题量化,可以直观地观察信号的差异,最后提出判据。仿真验证证明,该方法能够正确区分TA饱和情况下的内外部故障电流,能及时阻止可能造成的损害,并可防止变压器保护误动。     

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。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

基于小波变换的变压器差动保护算法

通过对典型励磁涌流和常见变压器内部故障的电流波形进行分析,总结归纳出一种基于小波变换的差动保护算法。     

Application of wavelet analysis to the determination of partial discharge location in multiple-α transformer windings

The inner insulation system is a critical component of a power transformer. Its degradation may cause the device to fail while in service. If deterioration of the insulation system caused by Partial Discharge (PD) activity can be detected at an early stage, preventive maintenance measures can be taken. Due to the complex structure of power transformers, accurate locating of PD is not an easy task and is one of the main challenges in front of power utilities. Locating PD is more difficult in transformers with multiple-α windings. This problem comes to be vital in open access systems. A method for locating partial discharge within multiple-α windings is proposed, which is based on structural data of a transformer. A 66 kV/25 MVA transformer with fully interleaved winding and connected tap winding is used as test object. Wavelet transform is employed to process the partial discharge signals. Wavelet transform analysis method is a powerful tool for processing transients and non-stationary or time varying signals. Since the wavelet transform provides multi-scale analysis and time–frequency domain localization, it is particularly suitable to process the partial discharge signals. In order to improve the accuracy of the partial discharge location, a new technique for extracting Partial Discharge signals is introduced. Applying wavelet transform to a signal produces a wavelet detail coefficient distribution throughout the time-scale, which depends on the mother wavelet chosen. This technique is based on the capability of the chosen mother wavelet for generating coefficients with maximum values. The wavelet based de-noising method proposed in this paper can be successfully employed to extract PD pulse from the measured signal. It can provide enhanced information and further infer the original site of the PD pulse through capacitive ratio method. The method is described in details and the applications to determine the partial discharge location in multiple-α windings are explored.     

基于二进小波变换的变压器励磁涌流识别

分析了标准正弦波、励磁涌流及短路电流小波变换后的波形特点,并归纳出了识别变压器励磁涌流的判据.