共查询到20条相似文献,搜索用时 706 毫秒
1.
提出了基于EEMD能量熵的配电网单相接地故障选线方法。首先通过集合经验模态分解(Ensemble empirical mode decomposition, EEMD)方法提取线路零序电流的故障特征信息,得到一系列零序电流IMF分量和余项,然后计算线路零序电流IMF分量的能量,并构造零序电流IMF分量的能量熵,最后通过比较能量熵值来进行故障选线。理论分析及仿真结果表明,该方法应用于故障选线具有较高的准确率和可靠性。 相似文献
2.
配电网发生单相接地故障后,系统中将产生丰富的暂态电气量。利用故障点上游暂态零序电流幅值远大于故障点下游及正常线路的特征,提出一种基于暂态零序电流极点对称模态分解(ESMD)的配电网故障区段定位方法。基于实际配电网线路参数搭建典型缆-线混联仿真模型,对故障后暂态零序电流进行极点对称模态分解并构造相应的暂态能量函数,将构造所得的暂态能量函数作为评价各测点暂态零序电流幅值强弱的指标进行故障区段定位。仿真结果表明所提方法可有效提取故障特征,对各种故障工况适应性强,且各测点仅需上传1个暂态能量值,可有效降低通信要求、节约硬件投资成本。 相似文献
3.
针对目前配电网单相接地故障选线存在的问题,提出一种基于变分模态分解(VMD)和能量相对熵结合的故障选线新方法。该方法首先采集线路故障后一个周期的暂态零序电流信号,运用VMD方法对其进行分解得到有限个不同尺度的本征模态函数(IMF)分量;计算各IMF分量的能量和作为线路的暂态能量;再结合能量相对熵对线路的暂态信号特征进行量化放大;最后通过比较各条线路的能量相对熵大小进行故障选线。Matlab仿真对其可行性和有效性进行验证,结果表明:该方法不受消弧线圈补偿度、故障距离、故障初相角和过渡电阻的影响,均可实现对故障线路的正确选线。 相似文献
4.
基于CEEMD能量比重谐振接地系统故障选线方法 总被引:1,自引:0,他引:1
本文利用补充的总体平均经验模态分解(CEEMD)方法对零序电流进行分解,得到固有模态函数(IMF)分量以及剩余分量,CEEMD在克服模态混叠的同时,有效的中和了添加的白噪声,使分解更具有完备性。在此基础上将IMF分量所对应的频带能量,同时将IMF分量与原零序电流进行相关性分析得到相关系数,然后把相关系数作为权重系数赋予到频带能量中,将经过加权后的频带能量累加得到每条线路的能量,进行归一化得到能量比重形成选线判据。在Matlab/Simulink上搭建线缆混合配电网模型进行仿真,结果表明,该方法受故障合闸角,故障距离,过渡电阻等影响小,方法简单,一定程度上提高了选线准确性。 相似文献
5.
针对配电网发生单相接地故障时故障特征微弱且易受外界噪声干扰的问题,提出了一种基于参数优化变分模态分解(VMD)与能量相对熵相结合的故障区段定位方法。首先通过鲸鱼优化算法优化后的VMD分解故障零序电流得到若干个反映局部信号特征的本征模态分量(IMF),进而求取各IMF分量的Hilbert边际谱,选取能量最大的分量作为故障零序电流的暂态主频分量,利用能量相对熵衡量相邻检测点暂态主频分量的能量差异,计算比较,确定熵值最大的区段即为故障区段。仿真结果表明,本方法不受故障位置、故障初相角等不同故障条件的影响,且在有噪声干扰时仍可实现高正确率故障区段定位。 相似文献
6.
7.
结合经验模态分解能量总量法的断路器振动信号特征向量提取 总被引:1,自引:0,他引:1
为了检测出断路器的机械结构故障类型,本文分析了断路器机械振动信号的特性,提出基于经验模态分解(EMD)能量总量法与支持向量机(SVM)理论相结合的中压断路器振动信号的特征向量提取和故障分类的分析方法。首先将断路器的振动信号进行经验模态分解,得到所需要的内禀模态函数(IMF),通过离散采样点求能量总量的方法求出包含主要故障特征信息的各个内禀模态函数分量的能量总量。利用IMF分量能量总量作为特征向量,并以此作为支持向量机输入,将测试样本信号的故障特征向量输入训练好的SVM,并对SVM及核函数参数进行遗传算法优化,采用"二叉树分类"支持向量机分类机制进行故障分类。经实验分析该方法能很好地识别出振动信号的差别及故障类型。 相似文献
8.
随着消弧线圈自动跟踪补偿技术的不断发展,在谐振接地系统中将难以通过时域幅值来进行故障选线。从故障后信号频域角度出发,提出一种基于经验模态分解(empirical mode decomposition,EMD)的配电网故障选线新方法。利用EMD将故障后5 ms内的零序电流按照频率大小进行分解,通过分解后得到的本征模态函数(intrinsic mode function,IMF)提取其最高频成分;通过零序电流的故障相角对故障线路进行预判,得到初步结果;最后通过零序电流和IMF峰值计算出选线结果的正确性权值,从而对选线结果进行判定。仿真实验结果表明,该方法对配电网故障选线准确性高。 相似文献
9.
配电网中小电流接地系统发生单相接地故障时,具有故障幅值小、噪声波动大等特点,导致线路电流变化特征不明显,采用传统选线技术又难以判断是线路故障还是母线故障.为了及时准确地判断线路故障,提出了一种基于 VMD与 HT分析的小电流接地系统故障选线新技术.首先利用Simulink搭建三种小电流接地模型———中性点不接地系统模型、中性点经消弧线圈接地模型及中性点经高阻接地系统模型.然后提取三种模型的零序电流进行 VMD 分解得到 K 个固有模态函数IMF,将分解得到的IMF通过 HT分解得到每个模态相应的幅值谱图.最后通过算法逼近度计算每个模态相应的幅值,得到相应的算法逼近度系数,对比系数可以正确判断故障线路与非故障线路.结果表明,在三种不同接地模型中,基于 VMD与 HT分析的小电流接地系统故障选线新技术在不同故障距离、不同接地电阻情况下能够有效识别故障与非故障线路,具有一定的实用性。 相似文献
10.
有源配电网小电流接地系统发生单相接地短路时,通过理论分析得出单个DG接入配电网并不影响零序电流大小的结论,由此提出一种基于离散正交S变换(DOST)暂态零序电流能量相似度的故障定位方法。首先对线路上检测设备上传的暂态零序电流信号进行离散正交S变换,然后利用得到的时频矩阵中的元素计算线路区间两端检测点的能量相似度,能量相似度小于设定的阈值即为故障区间。MATLAB/Simulink仿真结果表明该方法准确有效,适用于有源配电网的故障区间定位。 相似文献
11.
基于EMD近似熵和SVM的电力线路故障类型识别 总被引:5,自引:0,他引:5
提出了一种基于经验模式分解(EMD)的近似熵和支持向量机(SVM)的电力故障类型识别的新方法.利用EMD良好的局域化特性和近似熵来量化故障特征.再与SVM结合进行故障类型识别.首先,对故障线路的三相电压信号进行EMD分解得到若干个能反映故障信息的本征模式分量(IMF);其次,选取三相电压的前4个IMF的近似熵值作为信号的特征向量.最后将构造的特征向量输入到SVM分类器进行故障类型识别.仿真表明,该方法能有效地提取故障特征,不同的故障类型,其三相近似熵变化明显不同,同一种故障类型,在不同故障位置、过渡电阻和初始相角情况下,其三相近似熵变化规律相似;与传统的BP网络相比,SVM网络具有训练样本少、训练时间短、识别率高的特点. 相似文献
12.
对汽轮机转子故障状态进行准确判别一直是工程领域研究的重点。在使用支持向量机作为模式识别方法进行故障诊断的过程中,提取能明显区别不同故障的信号特征参数,构建高质量的样本可以较大提高支持向量机(support vector machine,SVM)模型的分类正确率。针对此问题,提出一种总体平均经验模态分解(ensemble empirical mode decomposition, EEMD)、排列组合熵和SVM相结合的汽轮机转子振动多故障诊断方法。方法首先引入有向无环图建立了多故障诊断模型,利用EEMD将振动信号分解成单一无混叠的内禀模态函数(intrinsic mode function,IMF)分量,然后计算对振动信号变化非常敏感的IMF排列组合熵作为特征向量,并应用到有向无环图SVM进行多故障状态识别。实验结果表明,该方法实现了汽轮机转子的振动多故障诊断,同时与基于EEMD能量法提取的特征向量进行对比,通过实验证明,该方法具有更加准确的识别率。 相似文献
13.
基于经验模态分解的高压断路器机械故障诊断方法 总被引:9,自引:1,他引:9
分析高压断路器机械振动信号的特性,提出一种以改进的经验模态分解(empirical mode decomposition,EMD)能量熵和支持向量机(support vector machine,SVM)相结合的诊断高压断路器机械故障的方法,并给出了可行的诊断步骤和分析.首先利用经验模态分解方法将高压断路器的振动信号分解成一些相互独立的内禀模态函数"(intrinsic mode function,IMF),然后利用正常状态标准信号所得各固有内禀模态函数包络信号的等能量分段方式,实现对待测状态信号各IMF包络的时间轴分段,计算各待测信号IMF包络的能量熵向量,以此构造的经验模态分解能量熵向量作为支持向量机的输入向量.采用"次序二叉树"向量机分类,利用梯度法和交叉检验优化支持向量机模型参数.实验结果表明,该方法诊断高压断路器机械故障能取得良好的效果. 相似文献
14.
15.
当谐振接地系统发生单相接地故障后,所有馈线零序电流的暂态信号中包含大量的特性复杂的非平稳、非线性信号,在此基础上提出一种基于经验模态分解(empirical mode decomposition,EMD)和其能量变化曲线的单相接地故障选线方法。EMD方法的优势在于其强大的适应性,能通过信号自身的变化规律来对其进行分解;而能量曲线能够比幅值更好的对故障线路和非故障线路进行鉴别。首先对各条故障线路的零序电流进行EMD处理,然后取其一阶本征模态函数(Intrinsic Mode Function,IMF)并求其能量曲线,最后根据所构建的选线信心度的大小来进行故障选线。仿真与实验的结果证明了该方法有较高的可靠性与实用性。 相似文献
16.
17.
18.
为了更加准确有效地诊断变压器绕组松动故障,提出了一种基于变分模态分解(VMD)和鲸鱼优化支持向量机(WOA-SVM)的变压器绕组松动故障诊断方法。首先,对某10 kV变压器进行模拟故障试验,测量其振动信号;随后,采用VMD将非平稳的振动信号分解成多个本征模态函数(IMF),并计算各层IMF的能量熵,构成特征向量;最后,将特征向量输入鲸鱼算法(WOA)优化的支持向量机(SVM)中训练出分类模型,实现变压器绕组松动故障诊断。结果表明,所提方法适用于变压器绕组松动故障诊断,并且相较于传统的改进SVM分类模型,所提方法的故障识别准确率更高。 相似文献
19.
针对小波变换不具有自适应性、易受小波基种类影响的问题,及经验模态分解EMD(empirical modal deco-mposition)存在的模态混叠现象,提出了一种基于局部特征尺度分解LCD(local characteristic-scale decomposi-tion)和能量相对熵的故障选线新方法。首先利用具有自适应性、抗混叠性的LCD对各线路暂态零序电流进行分解,计算各频带暂态能量;再结合能量相对熵对信号间的细微差异进行识别放大,根据各条线路综合能量相对熵的大小进行选线。通过在Matlab仿真平台上搭建具有5回出线的10 kV线缆混合配电网发生单相接地故障的模型,验证了所提方法不受故障合闸角、故障距离和过渡电阻的影响,可实现正确选线。 相似文献
20.
配电线路状态准确预测是进行配电网调控的基础。提出了基于支持向量机(SVM)算法的配电线路时变状态预测方法。首先,分析影响配电线路状态变化的因素,构建基于Fokker-Planck的配电线路状态转移模型。其次,融合配电信息系统多源海量数据,采用基于相关度的最优特征子集筛选方法构建配电线路状态特征变量集,采用合成少数类过采样技术(SMOTE)算法解决线路故障状态样本数量少而带来的样本集类别不平衡问题。然后,考虑到线路状态二分类的特点,采用SVM算法进行线路运行工况的分类预测,形成了基于SMOTE-SVM算法的状态转移模型求解方法,可实现配电线路时变状态预测。最后,以某实际配电系统为算例验证了所提方法的有效性。 相似文献