采用改进自适应Prony方法的电力故障信号的分析与处理

Prony方法(Prony method,PM)不适于处理含非持续性或突变性分量的故障信号。自适应PM(adaptive PM,APM)通过对信号自适应分段改善了PM的性能,但在搜索子段分界点时采用固定步长,效率低、运行时间长。提出改进APM(modified APM,MAPM),通过引入变步长策略大大提高了搜索效率。仿真结果表明,MAPM具有很高的信号拟合及参数估计精度,基于其的信号插值、延拓具有传统方法所没有的自适应性。MAPM对故障信号分析处理的实例再次表明了它的优越性能,为它在电气工程中的推广应用奠定了基础。

基于GMAPM和SOM-LVQ-ANN的输电线路故障综合识别方法

现有输电线路故障识别方法大多不能同时识别输电线路的低/高阻抗故障和发展性故障以及电力系统的异常工况(包括低频振荡、铁磁谐振和PT/CT饱和等)和此工况下的故障,故不能满足除继电保护领域外的继电保护测试领域及大电网事故分析和预警防御领域的新的应用需求.因此,提出一种基于广义改进自适应Prony方法(generalized modified adaptive Prony method,GMAPM)和自组织映射-学习向量量化-人工神经网络(self-organizing mapping-learning vector quantization-artificial neural network,SOM-LVQ-ANN)的输电线路故障综合识别方法,以期能同时识别以上输电线路故障和电力系统异常工况及异常工况下的故障.其中,作为信息提取环节的GMAPM实现了多路信号的并行处理和同时分析,作为特征识别环节的SOM-LVQ-ANN继承了SOM-ANN的强自主学习能力和泛化能力以及LVQ-ANN可预先指定故障类型且便于类型编码和拓展的优点.仿真实验结果初步验证了本方法的优良性能.