基于KELM-VPMCD方法的未知局部放电类型的模式识别

为了解决局部放电类型未知的样本无法被正确识别的问题,提出了一种基于核极限学习机变量预测模型(KELM-VPMCD)的未知局部放电类型的识别方法。通过KELM对已知局部放电类型的训练样本进行训练,然后对各局部放电类型已知的样本建立相应的变量预测模型。利用这些模型对测试样本进行回归预测。根据各样本的预测误差平方和,利用Otsu算法设置误差阈值,通过阈值识别各样本的局部放电类型。识别结果表明,所提方法对于未知的局部放电类型具有较高的正确识别率。     

基于优化行波波速的输电线路行波测距新方法

为解决传统测距方法在多分支输电线路上故障测距误差较大或不适用问题,提出一种基于优化行波波速的故障测距新方法。它以单端行波原理为基础,结合双端非同步信息推导出一种修正行波波速的计算方法(理论上为实际波速)。利用插值算法提升信号采样率来减小量化误差,从而提升波头识别精度,保证修正行波波速的计算条件,进一步提升波速的计算精度。它不仅具有较高的测距精度,而且克服了双端法需装设同步时钟的缺点,与传统波速计算法相比,该方法计算简单且波速计算精度更高,可以实时计算波速。使用PSCAD/EMTDC仿真验证了本方法的有效性。