基于提升小波和神经网络的超高压电网故障类型识别

电力调度中心为进一步提高故障类型识别率和计算速度,利用提升小波和BP网络构造了新的小波神经网络故障识别模型,应用db5提升小波对故障电流进行分解,将分解到的(0,375)Hz频率段的系数输入到BP神经网络;为了提高算法的收敛速度,采用共轭梯度法训练该神经网络.通过ATP仿真及华东电网实际故障录波数据的测试,结果表明该模型具有很高的识别率和收敛速度.     

一种基于故障录波信息的电网故障诊断方法

在系统发生复杂故障或开关、保护存在较多误动、拒动以及因信道干扰而发生信息丢失等诸多不确定因素的影响下，目前基于开关和保护信息的诊断方法已经不能取得满意的结果，必须寻找新的信息源。随着继电保护及故障录波信息网的建立，丰富的录波信息为进一步诊断提供了基础。根据电力系统目前的实际运行情况和今后的发展，提出了一种合理利用采集信息进行分层故障诊断的方法。对在复杂故障情况下利用故障录波信息作进一步诊断的方法进行了研究，提出了虚拟保护的诊断思想，并建立了相应的面诊断模型，有效地弥补了利用开关、保护信息诊断的局限性。利用组件对象模型（COM）和Windows的动态连接库（DLL）技术建立了通用的、可共享的诊断系统。     

超高压电网故障录波数据自适应压缩新方法

综合分析了超高压电网变电站故障录波数据快速压缩传输的必要性,以及现有故障录波数 据压缩传输算法的优缺点.提出了基于信号奇异性检测原理的自适应小波去噪压缩算法,详细分析了各尺度上小波系数奇异点的匹配搜索过程和最大尺度层数自适应阈值选取方法;通过故障录渡信号频率与采样率的关系,确定出最大小波分解层数,然后在该分解层数上进行噪声白化检验,并对某一个信号奇异点进行奇异性指数计算,以确定出小波最优分解层数.最后通过大量真实故障录波数据编程仿真,验证了该压缩算法的高效性.     

基于贝叶斯网络和故障录波数据的电网故障综合诊断方法

电网故障诊断是保证系统安全运行的基础,故障录波系统提供的信息为电网故障的精确诊断提供了重要依据。为了有效利用故障录波数据,并在信息缺失或不确定条件下精确诊断电网故障,研究了基于贝叶斯网络和故障录波数据的电网故障综合诊断方法。通过在故障录波联网系统的主站建立输电网贝叶斯模型,结合从故障录波系统得到的模拟量和开关量数据,从而构成基于贝叶斯网络的电网故障识别模型。将贝叶斯网络得出的高可信度诊断结果融入专家系统的知识库,形成完备的故障诊断专家系统。实例分析表明,可快速并准确地定位故障元件,提高电网故障处理效率。     

基于小波神经网络的电动机故障识别

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。     

基于单端故障电流录波数据的小波故障选线诊断

介绍了将四阶中心B样条半正交二进小波用于故障电流特征时刻的确定,详细阐释了其理论依据;借助主保护、重合闸整定配置时间信息,在考虑保护和断路器正确动作、拒动、误动等情况下,就超高压电网发生简单故障,故障发生在本站或相邻站线路时,详细分析本站线路故障电流的变化特点,提出基于故障模拟量选线诊断新思想,克服了传统基于数字量信息故障选线诊断的缺陷.以华东电网某500kV子网作为仿真模型验证本文算法.     

基于故障录波数据的电网故障诊断方法分析及改进

在电网调度层面,可以利用SCADA系统、继电保护及故障信息系统等多数据源信息实现故障诊断在线应用,对此,提出了利用故障录波数据进行电网故障诊断的具体方法.首先从整体上对如何使用故障录波数据进行故障诊断的流程进行了分析,在此基础上应用分阶段故障诊断的思想,对原有的模拟故障录波方法在确定故障时间、故障类型、故障方向以及故障设备等方面的不足进行分析并提出改进方法.最后,以某地区电网220 kV盘古石变电站发生的故障为例,通过VC++6.0编程验证改进后的故障诊断方法和流程,故障诊断结果符合实际情况,验证了该诊断方法的正确性和有效性.     

基于小波理论的超高压电网故障时刻提取

不同厂家生产的故障录波装置以及同一厂家生产的不同型号的录波装置均有不同的精度,导致高压、超高压电网故障时刻的提取存在较大误差.文章在分析故障暂态信号特性的基础上,采用经过Bior提升的第二代小波作为新的工具进行故障时刻的提取.通过ATP仿真和对华东电网实际故障录波数据的分析给出了不同故障类型下故障时刻的提取误差,仿真结果表明经过Bior3.1提升的第二代小波能正确提取故障时刻,具有很高的计算精度和速度.     

基于小波神经网络的配电网故障类型识别

为准确可靠地识别配电网故障类型,应用小波变换技术对故障信号进行预处理,滤除其中大量的谐波和非周期分量,准确地提取工频信息构成神经网络的训练样本集,通过构建小波神经网络实现配电网故障类型的识别。仿真测试表明,此网络模型收敛速度快,并能在各种故障模式下准确实现故障类型的识别,不受故障过渡电阻、系统运行方式以及故障点位置等随机因素的影响。     

故障录波数据通用分析与管理软件的设计

在电力系统事故分析中,故障录波数据是最为重要的参考信息之一,如何运用好不同型号、厂家的保护与以装置的录波数据是继电保护和事故分析相关岗位人员共同关心的问题。文章针对继电保护运行与故障信息自动化管理系统（POFIS）,给出了故障录波数据通用分析与管理软件的实现方案、功能设计及应用实例。     

基于小波神经网络的传感器故障诊断方法研究

详细阐述了小波神经网络的结构、原理,在分析智能大厦中空调机组传感器主要故障的基础上,提出了基于小波神经网络的诊断方案.MATLAB仿真和模拟实验结果表明,在相同的条件下,小波神经网络在解决传感器故障检测、分离和补偿问题上优于传统的BP网络.     

基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于振动信号和小波神经网络的变压器故障诊断

提出一种基于振动信号和小波神经网络的电力变压器故障诊断方法.采用变压器油箱表面的振动信号作为采样信号进行频谱分析提取特征频率信号,并以此特征频率信号乘以电流标么值的平方作为训练样本进行小波神经网络训练,小波神经网络输出量能够反映出频谱特征向量和变压器故障类型之间的映射关系,从而实现变压器的故障诊断.实验结果表明,使用该方法能够有效地对变压器进行故障分类及其诊断,并且小波神经网络具有很好的泛化能力.     

基于概率神经网络的变压器故障诊断的研究

电力变压器故障诊断对变压器、电力系统的安全运行有着十分重要的意义,本文介绍了基于概率故障神经网络(PNN)在变压器故障诊断中的应用。通过运用所设计的网络针对不同类型故障进行定性诊断并比较实验数据的合理性,仿真结果表明,这种方法应用于工程实际问题具有良好的有效性和实用性。     

基于小波神经网络的电机故障诊断研究

提出了用小波神经网络对电机进行故障诊断的方法。利用小波神经网络对任意函数或信号具有有效的逼近功能的这一特点,对异步电动机故障进行有效的诊断与监控。通过实例仿真验证了基于小波神经网络的电机故障诊断方法,并与BP神经网络比较,进一步说明小波神经网络在故障诊断中的优越性。     

基于小波包能量法及神经网络的电力电子装置故障诊断

故障特征提取和识别方法的研究对发展和完善电力电子装置的智能故障诊断技术有着重要的作用。应用小波包能量法提取出电力电子装置在各种状态下电压及电流信号的能量特征向量,并将它们进行数据融合作为神经元网络故障分类器的输入向量,由神经元网络故障分类器对各种故障进行识别和诊断。以电力电子整流装置主电路故障为例进行了仿真实验,试验结果表明该方法无需数学模型就能快速准确的完成故障定位诊断。     

基于小波包分析和概率神经网络的电磁法三电平变换器故障诊断方法

针对基于三电平变换器的电磁法发射机中功率开关器件开路故障特点和复杂工作环境,提出了针对性的故障诊断方法。该方法以变换器输出电压为原始信号,利用变采样频率的小波包分析方法提取特征向量,以提高对信号频率的分辨准确度。然后利用核主成分分析对特征向量进行降维,可以简化分类器的结构,提高诊断时间。采用概率神经网络建立故障分类器,可以提高诊断方法的鲁棒性。在一台5 k W电磁法三电平变换器实验样机上进行实验和分析,实验结果表明该方法可以准确地进行故障诊断,有较好的诊断准确度、实时性和较强的鲁棒性,具有一定的工程应用价值。     

基于小波网络及油中溶解气体分析的电力变压器故障诊断方法

小波网络是近年来发展起来的一种高效非线性信号处理新模型。该文将适于电力变压器故障诊断的小波网络分为第一、第二类小波网络,提出了基于自适应算法小波网络的变压器故障诊断方法,该方法继承了人工神经网络的学习能力和小波变换的局部化特征,具有良好的收敛性和鲁棒性。选择经模糊预处理的250组油中溶解气体作为采用不同小波基的2类小波网络训练与识别样本,对训练过程和仿真结果进行对比分析。大量诊断实例表明,文中提出的2类小波网络均适于变压器故障诊断,其性能优于单独使用传统BP神经网络的方法。