基于小波包的小电流接地故障选线仿真研究

在配电网故障特征的基础上,利用小波包分析技术提出了一种基于能量最大原则确定零序暂态电流最集中的特征频带,再比较各线路特征频带的模极大值和系统零序电压首半波的极性以确定故障线路,并利用MATLAB／SIMLLINK建立小电流接地系统单相接地故障仿真模型。仿真结果表明,该方法准确可行,而且不受中性点接地方式、故障接地时刻等因素的影响,具有良好的通用性。     

基于ARM小波复合判据的小电流接地系统故障选线的研究与设计

针对小电流接地系统单相接地故障选线准确度低的难题,分析故障时电压、电流的信号特征,提出采用复合判据的故障选线方案,从而提高故障选线的准确度.本文设计了一种基于ARM的嵌入式高速数据采集及复合判据选线算法的故障选线系统,该系统以LPC2138微处理器为核心,利用硬件同步与软件纠错相结合的方法实现电网故障模拟量信号的采集与处理;该系统可通过RS-422总线与主CPU通信完成数据的存储、传输与处理;也可通过本地人机交互接口对系统进行维护和升级.     

一种小电流接地系统故障选线方法

针对小电流接地系统故障选线方法难以适用于不同接地方式的问题,提出了一种基于粒子群优化RBF神经网络的小电流接地系统故障选线方法。该方法利用粒子群优化算法来优化RBF神经网络,将RBF神经网络要确定的参数作为粒子群优化算法的粒子。仿真结果表明,该方法收敛效率高、误差平方和小、选线准确率高、灵敏度高,具有一定的可行性。     

基于小波包能量分析的小电流接地故障选线的研究

通过对配电网接地故障的稳态和暂态过程的深入分析并结合小波包理论,文章提出了一种基于小波包和能量大小进行配电网单相接地选线的新方法,介绍了该方法的选线基础、原理及步骤。Matlab仿真实验表明,该选线方法提高了接地故障选线的准确性和可靠性,具有较高的实用价值。     

基于小波包—贝叶斯的小电流接地系统故障选线方法

针对现有小电流接地系统故障选线方法存在故障状况复杂、故障信号特征不明显等问题,提出了一种基于小波包-贝叶斯的小电流接地系统故障选线方法。该方法首先按故障过渡电阻值的大小将小电流接地系统故障分为强故障模式、中等故障模式、弱故障模式,并分别构建相应的贝叶斯分类器;在故障特征提取方面,采用db小波包按照能量最大原则选取各条线路的故障特征频带,对所构建的3类分类器进行训练后,再将提取的各条线路的特征频带输入到分类器进行故障类型的判别;最后,采用"少数服从多数"的原则,对3类分类器的输出结果进行表决,进而得出选线结果。仿真结果表明,该方法选线准确率高。     

改进特征向量中心性小电流接地故障选线方法

为提高小电流接地系统利用故障暂态特征实现选线的准确率和抗过渡电阻能力,提出一种基于改进特征向量中心性的故障选线方法。首先,以暂态零序电流有效值为故障特征量,将配电网建模为接地故障网络。然后,通过改进特征向量中心性算法计算网络中各节点的重要度。最后,根据各节点的重要度大小筛选故障线路。仿真结果表明,上述算法实现简单且不受中性点接地方式、过渡电阻、故障位置等复杂因素影响,具有较强的可靠性与实用性。并对比传统的特征向量中心性、接近中心性以及介数中心性算法,上述算法更能准确地判别故障线路。     

基于小波去噪与改进RBF神经网络的小电流接地系统故障选线方法

提出了一种基于小波去噪与改进RBF神经网络的小电流接地系统故障选线方法。将消噪后的零序电流绝对值的最大值进行归一化处理后得到故障信息矩阵,并将该矩阵作为RBF神经网络的输入;计算RBF神经网络输入层的活跃值,当活跃值在设定范围内时,RBF神经网络的隐含层与输出层自动断开,隐含层神经元分裂,待网络中权值、方差、中心值等参数自动调整后,RBF神经网络的隐含层与输出层重新连接,输出训练结果;将测试集输入到训练好的RBF神经网络,得出故障选线结果。算例分析结果表明,该选线方法不受故障相位角、接地电阻的影响,故障选线准确、可靠。     

基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。     

基于VMD的小电流接地故障融合选线方法

针对目前煤矿配电网故障选线方法在相关故障特征不明显时存在故障选线失效,基于单一模态分量和单一故障特征的故障选线方法的选线准确度较低等问题,提出了一种基于变分模态分解（VMD）的小电流接地故障融合选线方法。利用VMD将母线中各出线的故障零序电流分解为多个模态分量,根据模态分量的故障特征确定VMD层数,并选取故障特征明显的模态分量作为故障选线的有效模态分量;分别计算各出线故障零序电流有效模态分量的暂态能量和波形相似度;根据各出线有效模态分量的暂态能量占比和波形相似度占比,构建基于暂态能量的故障选线判据和基于波形相似度的故障选线判据,并将2种故障选线判据融合,形成基于VMD的故障融合选线算法。利用电磁暂态仿真软件ATP/EMTP搭建煤矿配电网模型,在不同接地故障电阻、故障初相角和故障位置的单相接地故障场景下,对所提出的故障融合选线方法进行验证,结果表明：在配电网发生各种单相接地故障时,基于VMD的小电流接地故障融合选线方法不受故障位置的影响,较能量法和相关性聚类法的故障选线正确率分别提高了17%和50%,且不受故障类型影响,可应用于小电流接地故障选线。     

基于模糊理论的煤矿供电系统接地故障选线方法

针对单一接地故障选线方法经常出现选择性失效的问题,提出了一种将零序全电流功率方向原理、小波变换分析原理、灰色关联分析原理相结合的接地故障选线方法。该方法利用零序电压多重分形谱确定方法权重,使用模糊推理理论进行多判据信息融合。Matlab仿真实验结果表明,通过定位方法确定权重的复合判据适用于各种情况下的单相接地故障选线,不受系统中性点接地方式、运行方式、出线路数及接地位置的影响,实现了高准确率的单相接地故障定位。     

基于经验模态分解差分谱的故障选线新方法

提出了一种基于经验模态分解差分谱的小电流接地系统单相接地故障选线新方法。该方法采用经验模态分解方法分解故障发生后各条线路的暂态零序电流,提取出各条线路的高频IMF1分量,并根据差分谱和波动值的定义,求出各条线路的IMF1分量差分谱及IMF1分量波动值;通过比较各条线路的IMF1分量波动值,得出IMF1分量波动值最大的线路,则该线路即为故障线路。仿真结果表明,该方法具有较高的选线准确度,适用于不同接地电阻与不同故障初相角情况下的小电流接地系统故障选线。     

基于双树复小波的煤矿电网故障选线

从煤矿电网实际条件着手,针对三相电流互感器、两相电流互感器、单相电流互感器以及零序电流互感器4种情况分别展开讨论,分析各线各相电流初始行波,利用双树复小波分解得到模极大值幅值和相位关系,并进行比值计算,构成不同的选线或选相判据。Matlab仿真验证了基于双树复小波的煤矿电网故障选线方法的可靠性。     

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。     

基于虚拟仪器的直流接地故障检测系统

提出了基于虚拟仪器结合PCI采集卡实现的接地故障检测系统的方案,充分利用了虚拟仪器的特点,实现了基于小波变换的先进检测方法,使直流系统的接地故障诊断的准确性有了很大的提高。     

基于多源信息融合的水上桥梁目标识别算法

目前的算法基本上都是针对单一图像源进行目标识别,方法的复杂度一般较高,运行速度慢,不能满足实际应用的需求.基于多源信息融合的水上桥梁目标识别方法将图像融合技术和目标识别技术有效结合起来,提出了一种新的目标识别方法.该方法主要分为3步:感兴趣目标区域提取,可疑桥梁目标提取,去除虚假目标.该方法综合利用了多源图像信息具有互补作用的特点,可准确地识别出目标.此外,该方法运行速度很快,具有在大图像上搜查可能存在目标的能力.