电网故障诊断新方法的研究

阐述了快速、准确识别电网故障的必要性,提出了以3次B样条小波为分解工具,通过分解故障线路电流确定故障时刻及故障切除时刻的新方法。分析了利用二进小波确定故障线路的新思想,大量仿真论证了在各种故障模式下所提出算法的有效性和准确性。     

高压电网子站故障选线诊断新方案研究

详细分析了高压电网子站端故障线路实时或准实时诊断的必要性。提出利用小波技术和单端故障录波数据确定故障线路的新思想:通过四阶中心B样条半正交二进小波分解子站故障电流数据,准确提取故障时刻,以及对故障后一周波暂态数据进行归约计算,结合录波数据中的保护接点变位信息,精确确定故障线路。大量仿真验证了算法的有效性。     

高压电网子站故障选线诊断新方案研究

详细分析了高压电网子站端故障线路实时或准实时诊断的必要性.提出利用小波技术和单端故障录波数据确定故障线路的新思想:通过四阶中心B样条半正交二进小波分解子站故障电流数据,准确提取故障时刻,以及对故障后一周波暂态数据进行归约计算,结合录波数据中的保护接点变位信息,精确确定故障线路.大量仿真验证了算法的有效性.     

复杂配电网系统单相接地故障选线算法

为实现含有多条馈线及电缆与架空线并存的复杂系统的单相接地故障准确选线,使用PSCAD对复杂系统进行建模,并对各线路的单相接地故障进行仿真模拟,应用MATLAB中的小波工具箱,对仿真数据进行处理。首先,通过使用小波分解得到模极大值,来确定故障发生时刻。然后,利用小波包分解系数来判断故障线路零序电流与故障线路的极性关系,进行故障选线。最后,使用故障测度作为选线判据,取故障测度最大值对应的线路为故障线路。大量实验证明,故障选线过程正确可靠,抗干扰能力强。     

利用小波分析实现EHV输电线路暂态保护初探

介绍了连续小波变换定义、基于多分辨分析的Mallat快速小波分解算法 ,研究了小波在电力系统应用中的几个关键问题。基于输电线路故障暂态电流的特点和暂态保护基本原理 ,建立了基于小波变换的暂态保护启动判据和跳闸判据。仿真分析了一实际电网EHV输电线路在不同故障点及不同故障时刻该暂态保护方案的可行性。     

利用小波分析实现EHV输电线路暂态保护初探

介绍了连续小波变换定义、基于多分辨分析的Mallat快速小波分解算法,研究了小波在电力系统应用中的几个关键问题.基于输电线路故障暂态电流的特点和暂态保护基本原理,建立了基于小波变换的暂态保护启动判据和跳闸判据.仿真分析了一实际电网EHV输电线路在不同故障点及不同故障时刻该暂态保护方案的可行性.     

小波包提取算法和相关分析用于电缆双端行波测距

由于故障行波传播色散的影响,确定行波到达时刻和选择行波波速一直是电缆行波测距的难题。针对以上两个问题,提出了基于小渡苞提取算法和相关分析的电缆双端行波故障测距方法。该方法将暂态行波信号通过小波包分解为不同的频带,然后提取能量相对集中的频带进行小波包重构。在该频带,线路的衰减系数和波速都可近似为常数,因此电缆两端的重构波...     

基于免疫RBF网络改进小波分析的小电流接地故障选线

配电网发生单相接地故障,当故障时刻处在故障相的相电压过零点且大电阻接地故障时,基于小波分析选线会因故障线路与非故障线路暂态量差别不明显而发生误判。提出基于免疫RBF网络改进小波分析算法,通过免疫机制对不同故障类型故障线路与非故障线路的暂态零序电流小波模极大值进行聚类,确定RBF网络隐层中心。通过遗传算法训练RBF网络得到最优连接权值。将训练后的RBF网络用于的小电流接地故障选线,仿真结果表明,利用该算法选线具有较高的精确度。     

一种配电网线 — 缆混合线路故障选线新方法

城市配电网中线—缆混合线路的应用广泛。针对配电网发生单相接地故障时线—缆混合线路暂态电容电流较大的特点,提出一种基于小波包分解的故障选线相关分析新方法。应用小波包良好的频域分频特性,以适当频率带宽对配电网发生单相接地故障后各条线路的暂态零序电流进行分解,得到其在不同频段的输出。按能量最大的观点确定特征频段,并根据故障线路与健全线路的暂态电容电流在特征频段的相似性最弱的原理,通过对特征频段的小波包分解系数进行相关分析实现故障选线。理论分析和仿真结果表明,对于线—缆混合线路,该方法选线准确、可靠。     

输电线路故障层次化变步长Tsallis小波奇异熵诊断方法

为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy, TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine, ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。