基于VMD和TEO的高压输电线路雷击故障测距研究

针对传统行波检测中小波模极大值法对于基函数和分解尺度的高要求以及希尔伯特黄变换(HHT)方法中经验模态分解(EMD)存在的模态混叠现象,提出一种基于变分模态分解和Teager能量算子相结合的高压输电线路雷击故障行波检测方法。针对行波波速及线路实际长度的不确定性给测距结果带来的影响,结合故障行波在线路中的传播途径,推导出一种新的双端行波测距算法,该算法的测距结果不受行波波速的影响。将该方法应用到雷击点和故障点定位,解决了雷击点和故障点不一致时的故障定位问题。EMTDC仿真结果验证了该方法的正确性及有效性。     

基于SR-VMD的微弱故障行波检测方法

为解决配电网行波波头检测困难的问题,提出一种基于随机共振-变分模态分解(SR-VMD)的行波信号检测方法。利用粒子群优化的变尺度SR对行波信号进行预处理,有效提高输出信号的信噪比。利用VMD算法将输出信号进行自适应分解,应用到故障定位中。用Teager能量算子(TEO)对行波波头进行标定,代入测距公式得到故障距离。仿真结果表明,该方法能在噪声背景下实现故障信息的提取,有效提高了故障测距的精度,尤其是高阻接地和电压过零附近接地的精度。     

一种小电流接地系统故障行波精确定位方法

针对小电流接地系统单相接地故障定位中行波波头难以检测的问题,并且对于当前检测方法中希尔伯特黄检测方法中存在模态混叠、计算效率不高和小波检测方法中小波基选择困难和计算量大等问题,提出一种基于变分模态分解(Variational Mode Decomposition, VMD)和Teager能量算子(Teager Energy Operator, TEO)的单端行波测距方法。该方法能够较好地检测行波波头,并且能大大降低计算复杂度。通过设置对故障测距定位的影响因素,在ATP-EMTP与Matlab综合仿真下验证了方法的可靠性。仿真研究表明此方法进行线路测距定位可靠性好、准确度高。     

基于CEEMD和NTEO的故障行波定位方法

针对传统行波检测方法中定位不准确、计算量大等问题,提出了一种基于补充总体平均模态分解(complementary ensemble empirical mode decomposition,?CEEMD)和改进型Teager能量算子(novel Teager energy operator, NTEO)的行波定位方法。该方法采用CEEMD算法来分解故障行波信号,滤除故障信号中的低频分量。然后采用NTEO能量算子对分解后的信号进行差分运算,增强行波波头的突变特征,实现故障行波波头的精确标定。仿真结果表明,所提方法能够精准地标定故障行波波头,并且有良好的去噪能力。与传统方法相比具有更好的检测效果和更小的定位误差,可以有效地提高配电网行波定位的精确性。     

基于CEEMD和FastICA的滚动轴承故障诊断研究

由于滚动轴承振动信号易受噪声干扰的影响、故障特征提取较为困难。为此,提出了一种基于互补集合经验模态分解(CEEMD)和快速独立分量分析(Fast ICA)的轴承故障特征提取方法。该方法首先利用CEEMD算法将原故障振动信号进行分解运算,得到一系列模态分量(IMF);然后依据峭度准则选取一些模态分量来完成观测信号的重构,剩余其他的模态分量完成虚拟噪声通道信号的重构;再利用Fast ICA方法对重构信号进行降噪;引入Teager能量算子(TKEO)对降噪后的信号进行解调处理;最后对解调后的信号进行快速傅里叶变换(FFT)运算,分析变换后信号的频谱特征,提取出原信号的故障特征频率。将该方法应用到滚动轴承故障实际数据中,实验结果表明,该方法可以有效提取出滚动轴承故障的基频和倍频特征信息。     

基于ENEMD与Teager能量算子的轴承早期微弱故障特征提取研究

针对经验模态分解(EMD)和集合经验模态分解(EEMD)方法存在模态混叠、噪声残留以及对滚动轴承早期微弱故障特征提取效果不理想的问题,提出一种基于集成噪声重构经验模态分解(ensemble noise-reconstructed empirical mode decomposition, ENEMD)与Teager能量算子的轴承早期微弱故障特征提取方法。首先,使用ENEMD对采集信号进行分解,基于固有噪声分量处理方法实现信号降噪;其次,基于峭度与相关系数的联合准则,提取ENEMD分解的峭度值及相关系数较大的imf分量进行重构;再次,利用Teager能量算子对重构信号进行分析,从而提取到滚动轴承的早期微弱故障特征;最后,基于滚动轴承内、外圈的故障振动信号,开展所提方法与基于EMD和Teager能量算子(EMD-Teager)及基于EEMD和Teager能量算子(EEMD-Teager)方法对比实验。实验结果表明,本方法能有效提取滚动轴承早期微弱故障特征,并取得略优于EMD-Teager和EEMD-Teager能量算子的效果。     

基于VMD和SDEO的低采样率行波故障定位算法

针对传统行波测距方法易受波速不确定性影响和需要在较高采样率下才能保证测距精度的问题,提出了一种基于变分模态分解(VMD)和对称差分能量算子(SDEO)的低采样率行波故障定位算法,该算法充分利用了初始行波波头的到达时刻和线路长度来消除波速对故障测距的影响,提高了定位精度。并将变分模态分解和对称差分能量算子相结合,利用分解的模态稳定性强的优点和能量算子优异的跟踪信号奇异性的特点,使该算法在较低采样率下也能精确地检测出波头的瞬时能量突变时刻,从而准确定位故障的发生点。EMTP仿真结果验证了所提方法的测量精度较小波故障定位方法有所提升,而且能够节约设备成本,适合于工程实际中的应用。     

基于行波模态分解的特高压直流输电线路双端行波测距方法

基于晶闸管换流器的特高压直流输电系统(ultra-high voltage direct current based on line commutated converter, LCC-UHVDC)的故障定位算法对智能电网的安全稳定运行起着重要作用。针对长距离特高压直流输电系统故障测距方法精准度低、快速性差的问题,提出了一种基于变分模态分解法(variational mode decomposition, VMD)和Teager能量算子(Teager energy operator, TEO)的双端行波故障测距方法。首先,研究了LCC-UHVDC线路故障电压行波的传播特性。利用零模电压随线路传播衰减明显的特征,通过VMD算法提取采样点处零模电压行波的时频特性。针对VMD参数选择不当导致的模态混叠问题,利用K-L散度(Kullback-Leibler divergence)对提取的模态指标进行优化。然后采用TEO对分解后信号进行瞬时能量谱提取,精确标定波头到达时间,最后采用双端迭代测距法迭代求解故障距离。在PSCAD/EMTDC搭建±800 kV LCC-UHVDC仿真模型进行验证。结果表明,所提方法在不同故障位置、过渡电阻和故障类型下具有较强的鲁棒性。     

小波包结合PSO-RBF故障测距法

针对传统高压直流输电故障测距方法存在的缺陷,提出了基于小波包分解与径向基函数RBF(radial basis function)神经网络相结合的故障测距算法。通过RBF神经网络拟合逼近能量比与故障距离之间的非线性关系,采用粒子群优化算法进行优化,运用小波包分解算法提取故障暂态电压信号的频谱能量对RBF神经网络进行训练学习,形成PSO-RBF故障测距模型。将反映故障位置的特征数据输入训练后的模型可进行故障测距。大量仿真结果表明,该方法精度较高,耐受过渡电阻能力强,大幅度提高了高压直流输电系统故障测距的准确性。     

基于改进小波阈值和Teager能量算子的轴承故障诊断

针对背景噪声下滚动轴承故障特征难以提取的问题以及传统小波阈值降噪算法中阈值难以确定的不足,文章提出了改进的小波阈值算法对滚动轴承的故障信号进行降噪预处理。同时,为了能有效地提取出滚动轴承的故障特征,引入了在检测信号冲击特征具有独特优势的Teager能量算子增强故障特征。仿真信号和实测信号处理结果表明,改进后的小波阈值算法能很好滤除故障信号中的噪声,且Teager能量算子能明显增强故障特征。该算法充分结合了两者的优点,有很好的工程应用前景。     

一种新型的输电线路双端行波故障定位方法

针对行波故障测距技术中行波检测准确性和行波波速对测距精度的影响,提出一种新的双端行波故障定位方法。首先,介绍了变分模态分解(Variational Mode Decomposition,VMD)和 Teager能量算子(Teager Energy Operator,TEO)的特点,并将VMD与TEO相结合应用于故障行波波头的检测。其次,在双端行波故障测距原理的基础上,根据故障行波的传播路径,推导出一种不受行波波速和线路实际长度变化影响的行波故障测距新算法。该算法不需要检测行波反射波的波头,测距原理简单。最后,通过EMTDC仿真验证方法的正确性和准确性。大量的仿真结果表明该方法行波波头检测效果较好,测距准确度较高。     

基于LMD与Teager能量算子的VSC-HVDC输电线路故障定位

为保证电压源换流器型高压直流输电系统的可靠运行,克服传统高压直流输电行波定位具有易误动、受噪声影响大的缺点,提出了基于于局域均值分解(LMD)与Teager能量算子结合的故障定位新方法。通过Morlet小波时频分析确定了电压源换流器型直流输电,VSC-HVDC的边界特性,提出了基于PF分量能量比值的区内、外故障识别判据。利用故障极线路与非故障极线路中高频电流分量的差异构造了选极判据。对于区内故障将LMD与Teager能量算子结合进行故障测距。PSCAD仿真结果表明,该方法定位精度误差不超过0.124%且耐过渡电阻。通过增添噪声影响验证了该算法和判据的可靠性,故该方案可实现VSC-HVDC的全线、准确的故障定位。     

基于FEEMD-NTEO的风电场送出线路故障定位

针对集合经验模态分解(EEMD)用于双馈风电场送出线路行波故障定位中行波检测精度不高,存在模态混叠、抗噪能力弱及故障定位实时性不好等问题,提出了一种基于快速集合经验模态分解(FEEMD)与改进Teager能量算子(NTEO)结合的行波故障定位方法。该方法利用FEEMD对故障电流行波信号进行分解,分解为平稳的固有模态分量和残差分量,消除噪声成分,保留信号的完整性;然后采用NTEO算法对分解的高频信号再次去噪,增强故障行波突变特征,精确标定行波波头。仿真结果表明,所提方法能够快速将故障行波波头精确标定,且去噪效果好,与FEEMD-TEO、EEMD-NTEO行波检测方法相比,提高了故障定位的精度和速度。     

配电变压器低压侧脉冲注入故障测距方法

针对现有主动式行波定位方法对于配电网末端故障难以定位且存在安全隐患等方面的不足,该文提出一种从配电变压器低压侧注入脉冲来实现故障测距的方法。首先,基于实际测量的2种配电变压器模型参数,提出脉冲注入策略。对比测试不同形状、脉宽、注入方式及变压器类型对高压侧所得信号的影响,选用干式变压器单相注入三角脉冲来进行故障测距。然后,对脉冲信号在不同状况下的注入点响应信号进行比较,使用变分模态分解(variationalmode decomposition,VMD)-Teager能量算子(Teager energy operator,TEO)方法分离出突变点时刻,从而计算出故障距离。搭建基于PSCAD的低压侧脉冲注入故障测距模型和长度为935m的脉冲注入测距平台,两者所得测距误差小于50m,表明在一定接地电阻故障下所提方法能实现配电网故障测距,有助于提高主动式行波定位方法的适用性。     

基于参数优化VMD和TET的柔直线路单端故障测距方法

单端行波故障测距方法在考虑频变波速影响时需要提取故障行波时频域特征,但现有方法存在时频分辨率较低、波头识别困难和波速计算不准确的问题。为此,提出一种基于参数优化变分模态分解(variationalmode decomposition, VMD)和瞬态提取变换(transient extraction transform, TET)的单端故障定位方法。首先,利用麻雀搜索算法(sparrow search algorithm, SSA)优化VMD参数,提取含有故障特征的高频模态分量。然后,对该模态分量进行瞬态提取变换,通过去除短时傅里叶变换中模糊的时频能量,保留与信号瞬态特征密切相关的时频信息,得到故障行波时频域全波形。最后,在故障行波全波形中提取主频分量并标定初始波头与第二反射波头,通过计算主频分量下的波速度,结合行波定位方法实现单端故障测距。在PSCAD/EMTDC中搭建四端柔性直流电网的仿真结果表明,所提算法对过渡电阻和噪声具有较强的耐受性,即使在较低采样率下也能实现准确的故障定位。     

小波变换在超高压输电线路双端故障测距中的应用

研究了基于小波分解的故障测距,对故障行波电流信号进行相模变换,通过小波分解提取出故障分量发生奇异性的时间点,针对以往利用单端行波故障测距存在故障距离检测不准确的问题,采用双端故障测距将行波到达两端的时间相减,可以更准确地定位故障点。实例分析表明该方法有很高的测距精度。     

基于EMD降噪与RFID技术的 电缆定位方法

随着城市化进程加快,电力电缆普及程度日益增大,与架空线路相比,其封闭的敷设环境使得故障定位及抢修成为难点。依托电力GIS平台,提出基于经验模态降噪与射频识别技术的电缆定位方法,该方法采用无线射频识别技术建立电力电缆通道模型,使得地下管道可视化、数据化;运用行波进行电缆单端测距,针对测距波形噪声较大的缺点,对其波形进行经验模态分解,并进行小波变换方法降低波形噪声,得到精准故障距离;最后结合故障距离以及电力电缆通道模型进行精准定位。仿真结果表明:经验模态分解与小波变化能有效滤除故障行波中的脉冲信号与白噪声信号,为故障测距打下基础;单端行波测距方法能精准进行故障测距;结合电力GIS平台能有效进行电缆故障定位,具有一定的工程价值和理论价值。     

基于改进形态Haar小波在输电线路故障测距中的应用研究

提出将改进形态Haar小波(IMHW)用于输电线路行波测距中.从信号的时域上提取奇异点,能够较为快速和准确地定位奇异发生的时刻,适合应用于输电线路故障测距.大量ATP仿真结果表明采用基于IMHW变换的行波测距能够准确地提取行波信号的波头位置,具有较高的测距精度.IMHW变换主要是加减和取极值运算,与经典Mallat小波算法相比,该算法具有结构简单,算法量较小,易于工程实现的特点.     

小波能量谱和神经网络法识别雷击与短路故障

现有行波测距装置可以同时对线路雷击和普通短路故障进行检测与定位,但其不能将两者区分开来,为此提出了一种基于小波能量谱和神经网络理论的输电线路雷击与短路故障的识别方法。首先,利用小波变换将故障测距装置采集到的各种电流行波信号分解为不同频带的重构信号,并计算信号在各个频带内的能量,提取小波能量谱,然后构造信号的小波能量分布特征向量,将其作为BP神经网络分类器的输入,最终实现雷击与短路故障的识别。仿真结果显示,该方法在不同故障相角和过渡电阻的情况下均能达到满意的识别正确率,是一种有效的线路雷击与普通短路故障识别方法。     

Hilbert-Huang变换应用于高压输电线路故障测距

为提高故障测距的精度、增强自适应性、提高对于低频信号的分辨,提出使用Hilbert-Huang方法进行故障测距。将故障点的行波信号首先进行经验模态分解(EMD),再对分解得到的IMF1进行HilbertHuang变换得到信号瞬时频率图,进而找出频率突变点的时间进行行波波头的识别。在介绍了HilbertHuang变换基本概念和原理的基础上,进行仿真算例分析,处理行波参数,得出测距结果并进行误差分析,并与小波变换进行对比。实验表明,本方法有效且精度较高。