采用改进Prony算法的电力系统故障暂态信号分析

为提高对含有谐波、间谐波和衰减直流分量的电力系统故障暂态信号的分析精度,提出基于改进Prony算法的暂态信号分析方法。Prony算法的模型具有能较准确描述故障暂态信号特征、直接提取信号频率的优点。先采用差分算法滤除衰减直流分量并对高频信号进行放大以提高Prony算法的分析精度,利用Prony算法对信号中含有的频率分量进行估计,以确定神经网络的神经元个数和训练的初始值。将各频率分量的频率作为神经网络训练待定的权值,同时估计各频率分量的频率和幅值。仿真结果证明了所提方法的快速性和有效性。

MUSIC和Prony在电动机断条故障检测中的应用

为了实现异步电动机转子断条故障的准确检测,提出了一种基于多重信号分类MUSIC(root multiple signal classification)与普罗尼P rony算法相结合的异步电动机转子断条故障检测新方法。MUSIC方法具有频率分辨力高,所需数据少的特点。首先利用该方法计算出异步电机转子发生断条故障时的特征分量及其他分量的频率值,进而引入扩展Prony法中的最小二乘法,估计出特征分量及其它分量的幅值和初相角。仿真及实验结果表明,基于MUSIC和Prony算法的异步电动机转子断条故障检测方法切实可行,并且适用于负荷波动、噪声干扰等不利情况。