基于PT在线注入信号及神经网络跟踪小波变换模极大值变化的配电网故障定位方法

提出了一种配网单相接地在线故障定位的新方法。故障发生后从变电站母线在线向系统注入高频脉冲信号并获取线路上与注入信号相对应的反射行波,在电网结构已知的情况下,通过对反射波的分析进行故障定位。该方法不仅能检测故障点的电气距离,而且能确定故障所在的分支线路,还能通过调节注入信号的大小多次定位故障,提高定位的准确性。应用该方法进行故障定位不受接地电阻的限制。通过M atlab/S imu-link进行了建模与仿真分析,仿真结果验证了该方法的正确性。     

基于小波变换模极大值的输电线路单端故障定位

基于故障行波的输电线路单端故障定位利用故障点的反射行波与入射行波到达母线的时间差计算故障距离,但如何区分来自故障点和对端母线的反射行波仍是一个难题。在分析故障点和母线的反射特性的基础上,利用电流行波线模分量小波变换的最初2个模极大值之问的相对极性区分来自故障点和对端母线的反射行波．并提出了一种改进的基于小波变换模极大值的输电线路单端故障快速定位方法,能够不受故障类型、故障电阻及耦合线路的影响。理论分析和仿真结果表明,该方法切实可行。     

基于小波模极大值的高压直流输电线路电弧故障定位

介绍了基于小波模极大值理论的单端行渡故障测距方法及该方法在双极UHVDC输电系统中的应用.并用PSCAD软件仿真分析双极UHVDC系统,得到故障点初始行波波头分别到达整流侧母线和反射波到达整流例的时刻,从而算出故障点到达整流侧的距离,完成故障定位的方法.     

基于小波变换的超高速行波保护和故障定位算法

提出了利用故障后产生的电流行波实现输电线路超高速保护和高精度故障定位的算法。借助于小波分析工具,将电流行波信号进行小波变换,通过分析线路两端电流行波初始波头模极大值的极性来判别区、内外故障;同时利用模极大值对应的时间差来实现故障距离的测定。论文详细分析了影响行波保护和故障定位的各种因素,提出了相应的应对措施。大量的PSCAD/EMTDC仿真结果表明,算法能够实现线路超高速保护和高精度故障定位双重功能。     

基于小波变换的超高速行波保护和故障定位算法

提出了利用故障后产生的电流行波实现输电线路超高速保护和高精度故障定位的算法。借助于小波分析工具,将电流行波信号进行小波变换,通过分析线路两端电流行波初始波头模极大值的极性来判别区、内外故障;同时利用模极大值对应的时间差来实现故障距离的测定。论文详细分析了影响行波保护和故障定位的各种因素,提出了相应的应对措施。大量的PSCAD/EMTDC仿真结果表明,算法能够实现线路超高速保护和高精度故障定位双重功能。     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位.由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响.仿真结果表明,该故障定位方法准确可靠.     

基于小波变换与BP神经网络相结合的配电网单相接地故障定位方法

提出一种基于小波变换与BP神经网络相结合的方法来实现小电流接地系统单相接地故障定位。由于利用暂态故障电流和暂态母线电压的模极大值的实部和虚部作为BP神经网络的输入,提高了识别故障能力和可靠性,通过对BP神经网络的特别处理,大大地减小过渡电阻对故障定位的影响。仿真结果表明,该故障定位方法准确可靠。     

基于最大模极大值的配电网接地故障选线新思路

单相接地故障在配电网中发生的比较频繁,针对配电网单相接地故障选线的研究现状,应用小波变换中信号奇异性检测的理论对故障后的暂态电流进行分析,提出基于最大模极大值比值的单相接地故障选线的思想。该方法能适应配电网中的不同故障模式,选线准确性高。仿真验证了该思想的可行性。     

基于小波模极大值极性的行波信号识别

对于行波保护，暂态信号的识别方法是非常关键的，尤其要正确区别正常操作(合闸于空载线路)和线路发生故障等相似的暂态过程。根据行波在波阻抗变化处折反射的规律，利用小波变换模极大值的极性关系可以实现行波信号的快速正确识别。EMPT仿真试验证明了这种方法的有效性和正确性。     

基于小波变换模极大值的SPD故障诊断技术

使用复合波诊断以ZnO压敏电阻为主要元件的SPD的故障中电压信号的突变点往往携带SPD运行状态的重要信息。基于小波分析的信号奇异性检测理论可通过检测信号小波变换模极大值点来确定信号奇异点,通过分析信号模的极大值及其出现位置诊断SPD的故障。籍此理论分析了不同故障类型的SPD复合波冲击下的电压信号,证明使用小波分析模极大值诊断SPD故障的方法行之有效。     

基于小波模极大值理论的HVDC输电线路行波故障定位方法的研究

根据行波定位的特点,介绍了一种基于小波模极大值理论的双端行波故障定位的方法,以及这种方法在HVDC输电线路行波故障定位中的应用和实现方案。用PSCAD(Power Systems Computer Aided Design)和Matlab软件进行了单极HVDC系统仿真分析,得到了发生故障后初始电流行波波头到达两侧的精确时间,进而得出了故障点到达逆变侧母线的距离。结果表明,用小波变换的方法可准确识别电流行波波头,实现HVDC输电线路高度精确的故障定位。     

基于小波模极大值理论的HVDC输电线路行波故障定位方法的研究

根据行波定位的特点,介绍了一种基于小波模极大值理论的双端行波故障定位的方法,以及这种方法在HVDC输电线路行波故障定位中的应用和实现方案.用PSCAD(Power Systems Computer Aided Design)和Matlab软件进行了单极HVDC系统仿真分析,得到了发生故障后初始电流行波波头到达两侧的精确时间,进而得出了故障点到达逆变侧母线的距离.结果表明,用小波变换的方法可准确识别电流行波波头,实现HVDC输电线路高度精确的故障定位.     

基于小波模极大值的单端行波故障测距

将小波变换对信号奇异性的检测功能应用到输电线路的测距中,根据故障行波电流信号线模分量的模极大值性质,提出一种故障测距方案,该方案经过PSCAD/EMTDC仿真验证,具有较高的可靠性和精确性,不受过渡电阻、故障类型及故障距离等的影响.     

基于小波模极大值的单端行波故障测距

将小波变换对信号奇异性的检测功能应用到输电线路的测距中,根据故障行波电流信号线模分量的模极大值性质,提出一种故障测距方案,该方案经过PSCAD/EMTDC仿真验证,具有较高的可靠性和精确性,不受过渡电阻、故障类型及故障距离等的影响。     

一种基于小波神经网络的模拟电路故障诊断方法

本文针对模拟电路提出了1种新的基于紧致型小波神经网络的故障诊断方法。该方法首先利用小波变换和主成分分析对故障信号进行预处理,然后用处理后的故障特征数据对小波神经网络进行训练和测试。仿真实验表明,该方法比普通神经网络方法训练速度更快,诊断准确率更高。     

基于改进型小波神经网络的灭火系统故障诊断

在装甲车辆灭火系统故障诊断中,小波神经网络算法能将故障诊断定位到元件级,但各元件存在容差,导致参数变化的连续性和随机性使得诊断率不高。为了提高小波神经网络算法在灭火系统中的诊断率,针对网络在运行过程中存在着收敛效果差、训练误差大及容易陷入局部极小值的缺点,网络无法继续训练和测试,提出一种以增加动量的小波自适应神经网络的改进型算法,可以使网络运行更稳定,学习速率更快。经MATLAB仿真实验表明改进后的算法诊断率远高于普通算法。     

基于小波和神经网络的导弹故障诊断方法

在导弹试验过程中,及时进行故障诊断是保障试验安全的关键,故障诊断的方法一般是采用分析提取到的特征数据,来预判导弹飞行的预期效果和发生故障的概率.在分析过程中需要处理来至多只传感器的测量数据,而其特征向量维数较多,一般的数据处理方法不能满足要求.因此,提出了1种利用小波包分析辅以人工神经网络分析处理的故障诊断方法,实现了...     

基于小波模极大值的织物疵点检测

织物疵点部分相当于图像中灰度突变的奇异信号,对比传统的边缘检测方法,小波变换在检测图像微小细节边缘时具有明显的优势,能很好地刻划突变点的奇异性。首先利用小波的多尺度特性求得织物图像局部极大值点,有效提取出织物疵点区域的边缘,然后结合形状特征求出织物疵点区域的形状特征,对常见重纬、重经、缺经、缺纬、油污、破洞织物疵点图像进行仿真实验,结果表明此方法既保留了织物疵点边缘信息,又剔除了虚假边缘,最终有效地提取出了疵点区域的形状特征。     

A novel wavelet transform aided neural network based transmission line fault analysis method

In the present scenario of market driven business, power supply has become more like a commodity. Reliable and quality power need to be ensured to meet customer requirements. In such a situation, it is extremely important that transmission line faults be identified accurately, reliably and in quick time. Advanced signal processing tools such as discrete wavelet transform (DWT) can be used very effectively for parameterisation and characterization of the fault signals. On the other hand, properly configured neural network (NN) can be utilized for classification of the faults based on the DWT signal. The present contribution uses electromagnetic transient program (EMTP) for modeling of a real transmission system and MATLAB for DWT and NN. Various types of faults have been simulated at different locations along the transmission line and an attempt has been made to correctly identify and locate the fault.