基于小波包的矿井供电系统单相接地故障选线方法

针对现有矿井供电系统单相接地故障选线方法存在准确度低、可靠性差的问题,提出了一种基于小波包的矿井供电系统单相接地故障选线方法。该方法首先对各条线路的暂态零模电流进行小波包分解,去除包含稳态工频量的最低频段,求取各频段小波包能量总和并排序;然后按照能量最大的原则确定特征频带,对各线路特征频带小波包分解系数模最大值极性进行比较,极性相反的线路确定为故障线路。根据故障线路、非故障线路暂态零模电流特征量的差异,构成单相接地故障选线的双重判据,解决了单一判据故障选线失败后无法进行正确选线的难题。仿真试验结果证明了该方法的正确性和有效性。     

小波包与改进BP神经网络的配电网故障选线

针对配电网中基于单一故障特征信息选线准确率低的问题,提出了一种小波包与改进BP神经网络相结合的综合选线方法.该方法首先采用小波包分解各线路的暂态零序电流,并提取特征频带的小波包能量;然后将小波包能量、各线路5次谐波和零序有功功率作为选线系统的故障特征量;最后运用Levenberg Marquardt(LM)算法改进BP神经网络进行故障选线.Matlab仿真表明,与传统BP神经网络相比,采用LM算法改进后的BP神经网络具有更好的网络性能和选线精度.     

基于5次谐波能量和LM—Elman的配电网单相故障选线

针对传统的基于5次谐波的幅值比较选线法准确率低的问题,提出了基于5次谐波能量和LMElman的配电网单相故障选线方法。首先利用小波包对配电线路零序电流中的5次谐波进行3层分解和重构,求出第3层重构的小波系数的总能量;然后将归一化处理后的能量值作为Elman神经网络的输入,采用LM算法进行训练和测试。仿真结果表明,该方法能够准确地判断配电网的故障线路。     

基于VMD分解和小波阈值去噪的时差估计算法

为了提高时差定位算法的精度,提出了一种基于VMD分解和小波阈值去噪的时差估计算法。通过VMD分解将信号分解成若干个分量,再利用小波阈值去噪对各个分量进行去噪,最后将信号重构进行互相关得到信号的时延值。仿真结果表明,该方法优于直接小波阈值去噪的时差参数估计算法,具有更高的准确度和稳定性。     

基于小波奇异信息熵的10 kV供电系统故障选线研究与仿真

针对现有的供电系统中接地故障选线精度不足、反应速率较慢的问题,提出一种利用小波分析、奇异值分解和信息熵的融合的供电系统接地故障选线新方法.充分利用小波变换良好信号时频分析特点,奇异值分解维数压缩、特征提取能力,信息熵测度强大的系统状态、特征信号的定量描述、对比、研究特点,在系统故障后的故障选线中,克服单一方法对系统接地故障的失判或误判.通过Matlab与Simulink软件建立供电系统模型,对基于小波奇异信息熵的供电系统接地故障选线方法进行多方位的测试,实验结果表明该方法对供电系统接地故障能够快速、准确地诊断选线,是一种新的行之有效的供电系统接地故障选线方法.     

基于狼群算法的RBF神经网络模拟电路故障诊断

提出了一种新的方法来进行模拟电路故障诊断。该方法包括Haar的小波分解,对数据的归一化处理,以及用狼群算法优化RBF神经网络。用Haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,使用狼群算法来优化训练RBF神经网络,以提高网络训练稳定性与诊断成功率。通过两个电路的诊断实例,来论述这些方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。     

基于暂态零序分量的配电网选线方法研究

针对小电流接地系统通过装设消弧线圈来减小单相接地短路电流的方法可能造成已有选线装置失效的问题,介绍了一种基于暂态零序分量的配电网选线方法。该方法采用db10小波包对故障时刻流经每条馈线的暂态零序电流进行分解,找到能量最大和次大的两个特征频带,并对两个频带上小波包分解系数进行相关分析,从而选出发生故障的线路。以中性点经消弧线圈接地系统为例建立了仿真模型,并分别对架空线接地故障和电缆线接地故障进行了仿真实验。实验结果证明了该方法的有效性。     

配电网小电流单相接地故障选线方法研究

针对配电网小电流单相接地故障率越来越高,提出一种新的配电网小电流单相接地故障选线方法。将双树复小波变换用于配电网小电流接地故障选线,并结合能量相对熵作为故障选线的依据。通过双树复小波变换来处理小电流信号,利用能量相对熵确定故障线路。并通过仿真对该方法的正确性和有效性进行验证。结果表明,该方法可以快速确定故障线路。这种方法为我国配电网故障选线方法的发展提供了参考和借鉴。     

基于K均值与WPA-RBF神经网络模拟电路故障诊断

针对模拟电路故障诊断进行了研究,提出了一种新的方法。该方法包括haar的小波分解,对数据的归一化处理,以及用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值。首先用haar小波对所得的电路原始故障数据集进行变换,然后对变换后的数据进行归一化处理,最终得出RBF神经网络训练所需的输入数据。针对RBF神经网络中隐层节点中心、基函数宽度及权值选取困难问题,这里用K均值优化RBF的中心向量和宽度,用狼群算法优化RBF的权值,以提高网络训练稳定性与诊断成功率。最终通过两个电路的诊断实例,来论述该方法的具体实现过程,验证用该方法进行模拟电路故障诊断的可行性。     

改进的小波变换在罗拉故障诊断中的应用

针对纺织细纱机中罗拉故障的诊断问题,采用了一种改进的小波分解与重构算法对故障进行特征提取,并通过反复的实验选取出了比较合适的双正交小波基以准确地提取特征信息;分析了传统小波变换在罗拉故障中产生混频的原因,给出了一种改进的小波算法.该算法将小波变换与FFT相结合以消除混频现象.仿真研究表明,双正交小波基对于提取罗拉故障的特征频率有较好的效果,改进的小波算法能够较好地消除频率混叠现象.