基于改进BP神经网络的接地故障定位研究

考虑到经典的小波包频带能力特征提取方法不将频率时变特性进行考虑而统计全部的频带,而且经典的小波能量谱算法没有将每个分解频带的能量随着时间轴分布特性进行充分考虑,提出使用卷积小波包能量矩对单相接地故障信息的特征向量进行提取,从而为单相接地故障定位的判断提供依据。使用BP神经网络建立配电网单相接地故障的定位算法;由于常规BP神经网络容易陷入局部最小值,并且有算法收敛慢、训练时间长等问题,提出使用遗传算法对BP神经网络进行优化,同时为提高遗传算法优化效率,使用混合编码方式对遗传算法进行改进。最后通过实验验证所提出的改进型BP神经网络的接地故障定位算法的性能,结果表明,故障定位的精度有了较大的改善,验证了所提出方法的可行性。     

小波包分析技术在大型电机转子故障诊断系统中的应用

通过精密离心机电机驱动系统和机械系统的故障机理的分析,提出了两种故障信号基于小波包分析的特征提取方法.一个是渐进性故障信号的特征提取方法,控制器误差信号通过小波包分解与重构,最后在最低频段的节点得到了已经去噪的故障信号.另一个是振动信号频带能量的特征向量提取方法,动平衡系统的振动信号被分解到独立的频段,不同频带内的信号能量变化反映了系统机械运行状态的改变,每个能量成分被提取形成特征向量用于故障诊断.试验与仿真结果表明这种基于小波包分析的故障方法具有算法简单、可行的优点.     

基于多小波包系数熵和人工神经网络的输电线路故障类型识别方法

基于多小波包分解系数和信息熵的概念定义了多小波包系数熵的表达式,并提出多小波包系数熵和人工神经网络相结合的输电线路故障类型识别方法：首先对不同故障工况下采集的故障电流信号进行适当的多小波包分解,计算各频带的系数熵;然后构造多小波包特征向量,将这些向量作为训练样本对径向基函数(radial basis function,RBF)神经网络进行训练;当输电线路发生故障时,将提取的故障电流信号的多小波包系数熵特征向量输入训练好的RBF神经网络,即可实现故障类型的识别。仿真结果表明采用多小波包提取的故障电流特征量比采用传统小波包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势。     

基于小波包分析的配电网故障选线新方法

提出了基于小波包分析的配电网故障选线新方法用于解决低频采样零序电流信号因发生不同程度的能量衰减而导致的选线错误问题。当发生单相接地故障时,分别对零序电流信号进行低频采样和高频采样,计算高频采样零序电流信号的首波头极性和最大值以及低频采样零序电流信号的最大值,以此为依据对低频采样的零序电流信号做增强处理,然后利用小波包分析方法对增强的信号进行小波包分解,根据能量最大的原则实现故障选线。基于上述原理研制了配电网接地选线装置,给出了装置的硬件结构及软件流程。分别针对零序电流信号能量衰减严重和极性检测错误的情况进行仿真试验。结果表明,该方法有效地提高了小电流接地选线的准确性。     

基于小波包分析的配电陬故障选线新方法

提出了基于小波包分析的配电网故障选线新方法用于解决低频采样零序电流信号因发生不同程度的能量衰减而导致的选线错误问题。当发生单相接地故障时．分别对零序电流信号进行低频采样和高频采样．计算高频采样零序电流信号的首波头极性和最大值以及低频采样零序电流信号的最大值．以此为依据对低频采样的零序电流信号做增强处理．然后利用小波包分析方法对增强的信号进行小波包分解，根据能量最大的原则实现故障选线。基于上述原理研制了配电网接地选线装置，给出了装置的硬件结构及软件流程。分别针对零序电流信号能量衰减严重和极性检测错误的情况进行仿真试验。结果表明．该方法有效地提高了小电流接地选线的准确性．     

基于暂态分量的配电网单相接地故障测距的研究

在对配电网单相接地故障零序电流分析的基础上,提出了基于暂态分量的配电网单相接地故障测距方法,利用小波包重构系数形成各频段的能量值,构造出测距的特征向量,并引入支持向量机映射该特征向量与故障距离之间的对应关系.仿真结果证明该算法是有效的.     

基于特征提取的有源电力滤波器故障诊断方法

针对有源电力滤波器APF(Active Power Filter)的IGBT功率管易发生故障的问题,提出了基于故障特征提取的有源电力滤波器故障诊断方法。构建了APF故障仿真模型和基于小波包分析的故障特征提取方法,仿真分析了APF网侧电流波形,并运用小波包分析对IGBT故障时的网侧电流波形进行处理,提取了IGBT故障特征向量,最后运用神经网络对特征向量的分类来实现对APF的故障诊断。在APF故障诊断系统上进行测试,验证了该诊断方法的有效性和可行性。     

基于小波包的配电网单相接地故障选线新方法

应用小波包分析提出了一种基于“故障-能量”诊断模式的配电网单相接地故障选线新方法,它根据被分析信号的特征合理选取小波基和频带宽度,应用低频带信号的小波包分解系数能量与重构系数能量比值的偏差模,构成故障选线判据。该方法适用于5%～10%补偿度的各种结构配电网,不受线路长度和短路时刻的影响,抗电弧过渡电阻能力强。考虑不同短路时刻、不同接地电弧电阻、不同线路长度、不同补偿度等多个因素,对配电网小电流接地系统的单相接地故障进行了大量仿真,仿真结果证明了该算法的有效性、正确性。     

基于多小波包和人工神经网络的电力系统故障类型识别

采用PSCAD/EMTDC仿真500 kV高压输电线路不同工况下的故障.先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的能量,然后构造信号的多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,当输电线路发生故障时,将提取的故障电流信号的多小波包能量特征向量输入训练好的BP神经网络,即可实现故障类型的识别.仿真结果表明采用多小波包提取的故障电流特征量比采用传统小渡包提取的特征量信息更丰富,对人工神经网络的训练效果更好,网络识别精度具有明显优势.     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。