电压暂降事件分类及短路类型识别研究

随着现代化敏感电力电子设备的广泛应用以及新型电力负荷的迅速发展,电能质量问题日益受到关注,其中最为突出的就是电压暂降。为了更好地研究电压暂降对电力系统的影响,文中首先根据来源电压暂降事件进行分类,主要来源包括短路故障、大型电机启动和雷电等。接下来对短路故障引起电压暂降进行识别,使电压暂降系统能够根据监测到的暂降波形识别出短路故障类型。最后通过江苏电网电压暂降监测系统中的数据波形的案例分析,归类到4种典型短路故障分类,验证了文中算法的可行性。     

基于BAS-SVM的配电网电压暂降源识别

电压暂降是电能质量问题的一种.为提高不同电压暂降扰动源的识别正确率,提出了一种基于天牛须搜索算法(beetle antennae search,BAS)和支持向量机(support vector machine,SVM)的电压暂降源识别方法.应用改进S变换提取不同电压暂降波形的相关幅值曲线和16个特征指标.通过天牛须搜...     

基于GWO-SVM的电压暂降扰动源识别

针对电压暂降扰动事件发生频繁、扰动种类多样,难以有效识别扰动源的实际情况,结合电压暂降扰动信号的时-频特性、灰狼优化算法(GWO)和支持向量机(SVM)分类模型,提出了一种电压暂降扰动源识别新方法。通过S变换对电压暂降扰动信号进行多分辨率时-频分析,从S变换结果矩阵中提取出信号的特征曲线,建立6类电压暂降混合扰动信号的8个特征量。构建GWO-SVM一对余(OVR)分类器,以提取出的特征量作为输入,对扰动源进行分类识别。基于MATLAB/Simulink构建电压暂降模型,经仿真验证分析,该方法可以有效识别电压暂降扰动源,也为电压暂降扰动治理提供必要的技术支撑。     

基于RVM和ANF的电压暂降检测识别

提出了一种基于关联向量机和自适应陷波器的电压暂降检测识别方法。通过一自适应陷波器,快速完成电压暂降特征检测（包括持续时间、幅值、相位跳变等）,并从其输出提取出9个暂降关键特征信息。采用关联向量机分类模型对提取的特征信息进行训练与识别。仿真算例证明,该法快速有效完成电压暂降分类,识别出故障、电机启动和变压器激磁引起的三种电压暂降,精度高、实时性好,可应用于电能质量实时监测系统。     

基于RVM和ANF的电压暂降检测识别

提出了一种基于关联向量机和自适应陷波器的电压暂降检测识别方法.通过一自适应陷波器,快速完成电压暂降特征检测(包括持续时间、幅值、相位跳变等),并从其输出提取出9个暂降关键特征信息.采用关联向量机分类模型对提取的特征信息进行训练与识别.仿真算例证明,该法快速有效完成电压暂降分类,识别出故障、电机启动和变压器激磁引起的三种电压暂降,精度高、实时性好,可应用于电能质量实时监测系统.     

基于特征选择和贝叶斯判别的电压暂降源识别

电压暂降事件的发生具有不可避免性且严重影响敏感设备的运行状态。为支撑电压暂降的责任划分和治理决策,考虑到现有电压暂降特征提取及其源识别模型中存在的不足,提出基于特征选择和贝叶斯判别法的电压暂降源识别模型。首先,阐述了电压暂降监测数据和仿真数据的来源及其特性;其次,在现有特征提取方法的基础上,提出采用Pearson相关系数进行特征选择,以降低特征间的冗余性和维度;最后,基于贝叶斯判别法建立了电压暂降源识别模型,通过监测和仿真数据对模型性能进行了定量评价,并与现有方法进行对比。结果表明,提出的方法识别效果好,可用于实际工程。     

基于10kV配电网的电压暂降源的定位与识别

提出了一种基于10kV配电网的电压暂降源定位与识别的方法。利用有限的监测点采集的数据,根据电压暂降发生时系统中能量的流动变化,判定电压暂降源相对于监测点的位置;从三相电压是否平衡、暂降深度、有功功率变化和电压总谐波畸变率等方面研究了几种常见电压暂降源的特征;根据各类电压暂降源的特性以及仿真试验提取相应的特征量并设立判据,从而实现了对线路故障、感应电机启动和变压器投运引起的电压暂降的识别。     

基于多维关联信息的电压暂降治理需求识别

准确识别用户的电压暂降治理需求,有助于指导用户的电压暂降治理精准投资决策,保证电网公司优质供电服务的顺利推进。基于用户的多维关联信息,提出用户电压暂降治理需求识别模型。首先,构建用户电压暂降治理需求特征库,包括特征指标定义、条件特征和结果特征的计算方法。其次,对连续特征进行离散化处理,筛选出用于需求识别的最优特征,建立需求识别决策表。然后,提出自适应频繁模式增长(frequent-pattern growth,FP-Growth)算法提取关联规则,并提出改进的余弦相似度方法匹配关联规则,识别用户电压暂降治理需求。最后,基于60个中小型工业用户数据,验证了所提模型的有效性与正确性。     

基于故障识别法的电压暂降监测点的优化配置

提出了一种基于故障识别法实现电压暂降监测点的优化配置方法。把基于故障识别法建立的二进制0-1矩阵作为可观测矩阵,用以建立全网敏感性负荷节点电压暂降完全可观的约束条件。结合各组合节点安装监测装置的权重值,以监测装置数目最少为目标函数,通过优化算法实现了电压暂降监测装置的优化配置,用最小数量的监测装置保证了对全网敏感负荷节点电压暂降的可观性。在建立可观测矩阵的过程中,以故障点能否被监测装置唯一识别出来作为配备规则,克服了以往的可观测矩阵依靠电压暂降阈值建立带来的各种问题。算例分析验证了该方法的有效性和实用性。     

基于轨迹特征关键点匹配的电压暂降同源数据精确检测算法

为弥补现有电压暂降同源检测算法的不足,提高同源检测算法的精度,提出了一种基于轨迹特征关键点匹配的电压暂降同源数据精确检测算法.首先,将电压暂降数据有效值(RMS)波形转换为灰度轨迹图片,基于尺度不变特征转换算法对电压暂降灰度轨迹图片进行分析,提取RMS轨迹的特征关键点;然后,利用特征关键点的梯度方向信息与待检测电压暂降...     

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。     

基于动态时间弯曲距离的电压暂降源辨识方法

为了实现对各类型电压暂降源的准确辨识,从波形相似性检测的角度提出了一种基于动态时间弯曲距离的电压暂降源辨识方法。通过仿真模型分析了基本电压暂降和经不同类型变压器传播后各类暂降的波性特征,构建了电压暂降类型与暂降原因及变压器类型的映射关系。利用9种电压暂降波形数据构建匹配库,采用动态时间弯曲距离法将实测的电压暂降波形数据与匹配库波形数据进行匹配分析,实现电压暂降源的辨识。仿真分析的结果表明,该方法能够对电网中出现的各种类型电压暂降进行辨识,具有较高的准确性和有效性,满足工程应用的需求。     

电压暂降源异质堆叠集成学习识别法

电压暂降源分类识别存在可获得信息不完备的问题。针对现有单一识别法弱学习特点和组合识别法一致性强的问题,提出一种基于异质堆叠集成学习的暂降源识别方法,提升识别模型的泛化能力和鲁棒性。把线路故障分为普通故障和雷击故障,以10类单一电压暂降源的识别为目标,选取9个表征特征差异的波形统计参数,构建27维识别特征向量。引入堆叠集成算法,以5种差异性强的单一识别法为基分类器,用随机森林法作元分类器,建立异质堆叠集成识别模型。通过PSCAD仿真数据和实测数据验证,并与现有6种识别法比较,结果表明,该方法识别精度高,噪声鲁棒性良好,具有良好的工程实用性。     

基于正弦函数模型的电压暂降检测算法

为解决电压暂降问题,动态补偿技术是其最终途径,而准确检测出电压暂降的主要特征量是电压暂降补偿的前提.并且检测装置需采取滤波处理措施以减少非基频信号的影响.将基于正弦函数模型的算法应用于电压暂降检测方法,采用图基低通数字滤波器进行数字滤波,且对其检测结果进行分析,并提出了一种基于正弦函数模型的改进方法.仿真结果证明了该方法的有效性.     

电网中基于整流电压算法的电压凹陷检测

针对电气系统中经常出现电压凹陷的现象,为了能够及时诊断出电压凹陷的情况,应用了新的检测算法—整流电压(RV)算法。利用TMS320C40板、滤波器和一些自动化软件等,对正常电压和由不同原因引起的凹陷电压信号进行采集,并根据电压波形以及相应的参数利用整流电压(RV)算法对各种电压信号进行计算、仿真等处理。大量实验结果表明,该算法不仅可以在极短的时间内有效地检测出电压凹陷情况,而且可以节省很大的存储空间和计算量。     

基于格拉姆角场与ResNet的输电线路故障辨识方法

针对如何利用实际故障录波数据,提取和放大故障特征差异,开展故障类型与故障原因辨识的问题,提出了基于格拉姆角场与迁移学习-ResNet的输电线路故障辨识方法。首先,统计分析了输电线路故障类型和故障原因的分布特征,用于指导构建适用于类不平衡问题的故障分类器。然后,利用格拉姆角场变换将采集得到的故障电压、电流时序信号转化为格拉姆角场图像,放大故障特征差异,作为故障分类器的输入。进一步,将生成的图像集输入搭建好的故障分类器进行网络训练和测试,输出输电线路故障类型和故障原因。最后,完全采用真实故障录波数据开展了算例分析。结果表明：所提方法对故障类型的辨识准确率达到了97.51%,对故障原因的辨识准确率达到了94.23%。并且将训练的故障辨识网络迁移至其他地区时,仍然具有较好的故障辨识效果和泛化性能。所提方法为基于暂态波形数据驱动的故障辨识提供了新方法,可以用于实际电网的输电线路故障辨识。     

抗晃电的快速保护方案研究

晃电严重影响化工、冶金等工矿企业的生产安全。现有的治理晃电措施主要从用电设备着手,理想的办法是从晃电本身着手,快速切除故障或者投入备用电源,把晃电过程时间降到对用电设备影响最小。从快速切除故障方面来降低晃电的影响,分析故障前后电流采样值的大小和变化率,从而制定出以电流采样值的变化率和绝对值共同识别故障的快速保护方案。为了提高故障识别的准确性,在判断之前消除正常运行时直流分量的影响。经仿真验证,该快速保护方案能够对系统中任何类型的故障都能够快速、准确地识别出故障,在故障后5 ms使继电保护出口动作。     

应用主成分分析约简电压暂降扰动源识别特征的方法

电压暂降是一种典型的电能质量扰动现象,准确识别引起电压暂降的扰动源类型是电能质量监测与管理的重要内容之一。为解决由于特征指标的相关性和冗余性而导致电压暂降扰动源识别准确率低的问题,提出一种基于主成分分析的电压暂降扰动源识别特征约简方法。通过分析单一电压暂降扰动源和复合电压暂降扰动源,利用小波系数从统计量、波形态、熵、能量等方面构建电压暂降特征指标。根据主成分分析方法对原始特征指标进行标准化处理,计算协方差矩阵并确定综合特征指标个数,最后得到约简后的综合特征指标。这些综合特征指标有效地消除了原始特征指标间的相关性和冗余性。采用常规方法构造分类器进行验证表明,约简后得到综合特征指标,不仅有效降低了输入到分类器中的特征向量个数,而且在不同噪声强度下对单一电压暂降扰动源和复合电压暂降扰动源的识别准确率明显高于利用原始特征指标进行的分类识别。