混合三端直流输电线路故障测距方法研究

对混合三端直流输电系统而言,准确、可靠的故障测距方法可确保故障线路快速恢复,提高供电可靠性。为了解决混合三端直流输电系统结构复杂性强、线路故障定位难度大等问题,提出了小波包能量谱结合BP神经网络的测距方法。具体的定位方法实现步骤如下:首先在故障发生时快速进行故障选线。然后把发生故障时在测量点采集到的电压故障分量经过小波包分解重构得到小波包能量,并将其作为输入样本通过BP的非线性拟合能力进行训练。最后将反映故障位置的小波包能量代入即可输出相应的故障距离。仿真结果表明,该方法耐过渡电阻能力强,定位的准确度高。     

35 kV电力电缆在线故障测距仿真研究

以35 kV交联聚乙烯绝缘电力电缆为原型,用电磁暂态仿真工具PSCAD/EMTDC建立了35 kV电力电缆系统模型,对不同中性点接地方式下的故障电流波形特征进行仿真,结果表明中性点非有效接地电缆系统也能产生有效的故障行波。文章分析了影响电力电缆在线故障测距精度的因素,采用小波变换局部模极大值法来检测故障行波的突变点,用建立的电缆系统模型进行了多种故障条件的仿真和在线测距计算,验证了行波法在线故障测距的可行性,并对双端和单端故障测距算法的具体应用提出了建议。     

采用CWP-EM和IPSO-WNN的配电网单相接地故障定位

随着用户对供电质量要求的不断提高,在线解决配电网单相接地故障定位问题成为供电部分的迫切需要。为此提出了一种中性点不接地或经消弧线圈接地的配电网单相接地故障定位的新方法,采用基于卷积型小波包能量矩(CWP-EM)的特征提取方法,对暂态电流信号进行特征向量的提取。相比传统的小波包能量特征提取方法,此方法能更有效地提取信号在各频带上的能量分布特征,并构造特征向量以作为基于免疫粒子群优化算法(IPSO)的3层小波神经网络(WNN)的训练样本集。最后,利用训练好的小波神经网络实现单相接地故障的定位。MATLAB仿真计算结果表明,提出的方法能够充分利用配电网单相接地故障信息,实现更快、更精确的单相接地故障的定位。     

基于小波分析的电缆故障测距

电力电缆日益广泛地应用于输配电系统，为了减少电缆故障停电损失，对电缆故障测距的精度要求越来越高，文中指出了传统的脉冲电流测试法（ICE）电缆故障测距存在误差的原因，提出了电感式脉冲电流测试法（IICE），运用小波分解和重构实现信号滤波，再利用多尺度边缘检测理论实现电缆故障测距算法，EMTP仿真和模拟试验表明：IICE测试法消除了传统的ICE测试法反射脉冲识别带来的误差；基于小波分析的电缆故障测距算法是精确的，其测距误差不大于1个采样距离。     

基于小波分析的电力电缆行波故障测距

提出了基于小波分析的电力电缆行波故障测距方法。该方法向待测电力电缆注入脉冲电流,利用小波分析对采样信号进行多分辨分析,得到模极大值点的位置,也就是采样信号突变点的位置,该突变点的位置反映了故障点的位置,从而实现电力电缆的故障测距。ATP/Matlab下的仿真计算结果表明,较之于传统的行波测量方法,该方法可以准确识别反射脉冲,降低电缆线路分支和近区故障反射波对测量精度的影响,测距精度不受故障类型的影响,测距误差小于一个采样距离。     

基于小波分析的电力电缆行波故障测距

提出了基于小波分析的电力电缆行波故障测距方法.该方法向待测电力电缆注入脉冲电流,利用小波分析对采样信号进行多分辨分析,得到模极大值点的位置,也就是采样信号突变点的位置,该突变点的位置反映了故障点的位置,从而实现电力电缆的故障测距.ATP/Matlab下的仿真计算结果表明,较之于传统的行波测量方法,该方法可以准确识别反射脉冲,降低电缆线路分支和近区故障反射波对测量精度的影响,测距精度不受故障类型的影响,测距误差小于一个采样距离.     

基于小波变换和自相关分析的电力电缆故障测距

随着电力电缆应用的增多,对电缆故障测距的精度要求也不断提高。文中分析了行波法故障测距存在误差的原因,在此基础上引入小波变换和自相关分析。运用小波变换进行信号滤波和奇异性检测,运用自相关分析为前者提供约束条件,从而实现故障的自动精确测距,并给出了实现该程序的流程图。试验结果表明,此方法可取得较高的故障测距精度。     

基于小波变换和自相关分析的电力电缆故障测距

随着电力电缆应用的增多,对电缆故障测距的精度要求也不断提高.文中分析了行波法故障测距存在误差的原因,在此基础上引入小波变换和自相关分析.运用小波变换进行信号滤波和奇异性检测,运用自相关分析为前者提供约束条件,从而实现故障的自动精确测距,并给出了实现该程序的流程图.试验结果表明,此方法可取得较高的故障测距精度.     

基于虚拟仪器的电力电缆故障测距仪的研究

电力电缆埋藏于地下,运行环境复杂,因此进行电缆的故障诊断比较困难.文章分析了现有测距设备的不足和测距方法存在误差的原因,并设计了基于虚拟仪器的电力电缆故障智能测距仪.此测试系统充分利用高级语言的强大功能和Windows编程风格;并引入小波变换和相关分析方法对故障信号进行分析以实现故障的自动测距.试验结果表明,此系统可提高故障测距的正确性和精度.     

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。     

小波模糊神经网络应用于配电网输电线的故障测距

在小电流接地系统单相接地故障特征分析的基础上，提出了一种基于故障后稳态及暂态电气量的小波模糊神经网络的故障测距方法。单相接地故障时的暂态分量故障特征非常明显，且故障暂态高频分量受故障前负荷的影响较少，故可以采用故障暂态分量描述故障模式特征并进行故障定位，鉴于已有的小波神经网络模型不适合于故障测距，作者从广义的小波神经网络概念出发，结合模糊控制理论，提出了适合于电力系统故障暂态和稳态信号分析的小波模糊神经网络方法，并将该方法应用于小电流接地系统直配输电线路的故障测距。理论分析及大量的EMTP仿真结果表明：本文所提出的小波模糊神经网络理论，模型及算法具有较好的故障测距性能，并可应用于电力系统的故障分析。     

小波包-神经网络在汽轮机转子故障诊断的应用

根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。MATLAB的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。     

基于模式变换和小波变换的电力电缆故障测距方法

通过将小波变换与模式变换理论相结合,提出了一种电力电缆故障的在线测距方法,该方法采用暂态行波信号,首先将三相信号转换成模式分量,零模分量的小波变换系数用于判别故障的大致位置,然后利用线模分量的小波变换系数来确定行波到达时间.采用模式变换可避免传统行波方法中存在的受故障起始角影响的问题.仿真结果表明,该方法有很高的测距精度,是可行的.     

基于优化小波神经网络的输电线路行波故障测距

针对单端行波故障测距方法中故障点反射波与对端母线反射波的识别问题,提出了一种改进粒子群算法优化的小波神经网络的故障测距模型。提取保护安装处检测到的行波波头时间值与反向行波线模分量的李氏指数作为行波特征值,利用小波神经网络拟合行波特征值与输电线路故障距离之间的关系,构建小波神经网络故障测距模型,利用该模型可以直接得到输电线路的故障距离。在标准粒子群算法中引入遗传算法变异因子,利用改进后的粒子群算法作为小波神经网络的训练算法,优化小波神经网络的权值与阈值参数,加快了小波神经网络故障测距模型的收敛速度,并提高了输出结果的精度。仿真结果证明,该方法有效且可行。     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法。先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型。仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果。     

基于输电线路行波波速在线测量方法的研究

基于对输电线路发生故障时,用到行波波速作为故障点定位计算参量的情况,考虑到波速对故障测距精度的影响,提出一种在线测量输电线路中行波波速的方法。利用输电线路合闸时产生的操作过电压行波来进行在线测量线路的行波波速。从相模变换、小波变换理论和仿真几个方面对此方法进行分析。仿真结果表明,该方法实现简单,对提高行波故障测距精度有一定的效果。     

一种模拟电路故障诊断方法的研究

基于模拟电路发生故障会导致电路信号小波包系数某种对应改变以及神经网络非线性逼近的特点,提出了一种基于小波包变换和神经网络的模拟电路故障诊断方法.先仿真得到正常和故障状态下的输出电压信号,然后对输出电压信号进行Haar小波包变换并提取小波包系数,并对各频段小波包系数变化值的能量进行归一化处理提取故障特征量,最后利用故障特征矢量训练神经网络确定模拟电路故障诊断的神经网络模型.仿真结果表明基于小波包变换和神经网络的模拟电路故障诊断方法取得了较好的效果.     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。     

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。     

基于小波重构的电力电缆故障测距方法

提出了一种基于小波重构的电力电缆故障测距方法。该方法利用脉冲电源作用下故障相与健全相的电流差作为测量信号，利用小波变换对其作多尺度分解，然后对信号在高频下进行单支重构。与传统的行波测距方法相比，该方法不受电缆分支接头或其他阻抗不匹配点反射被的干扰，不受故障类型的影响，在近区也不存在无法识别反射波的问题，同时也减少了波速不确定性对测距精度的影响。仿真结果表明了该方法的正确性。