基于聚类经验模态分解和差分熵的输电线路故障测距研究

为提高输电线路的故障测距精度,提出了一种基于聚类经验模型分解(EEMD)和差分熵(DE)的输电线路故障行波测距方法。首先利用改进的差分熵信号处理方法对输电线路电流进行熵值计算,通过与正常电流熵值的对比,判断电流是否发生突变。然后采用EEMD分解对发生突变的故障电流进行处理,有效去除故障信号中的噪声,避免模态混叠,获取准确反映故障信息的IMF分量。随后对分量实行差分熵方法中的差分分析,将电流的变化幅度进行有效量化,并建立每个信号点的变化程度与时间的对应关系,从而解决波头位置难以确定的问题,获得故障初始行波到达每个监测点的准确时间。最后利用行波双端法,实现输电线路的故障测距。仿真结果表明,该方法能够较好地解决故障测距时存在的信号噪声和波头测量时间不准确的问题,有效提高故障测距的精度。

基于轨道车辆频域模型的二系垂向悬挂元件状态监测

基于轨道车辆动力学的频域模型对悬挂元件的状态监测问题展开讨论。以二系垂向悬挂元件故障为例,应用聚类经验模型分解方法(EEMD)分析悬挂元件故障对车体加速度的影响,并基于转向架与车体之间的动力学联系,设计了状态监测算法。研究结果表明:悬挂元件的故障发生在前转向架或后转向架对车辆动力学特性造成的影响不同,有必要对前、后转向架的悬挂元件分别建立状态监测变量;数值仿真试验说明,本文设计的悬挂元件状态监测算法能有效识别分属前、后转向架悬挂元件的工作状态,满足实时状态监测的要求。

LNG船电力系统故障检测的仿真研究

研究电力推进LNG船电力系统故障有效识别的问题。LNG船电力系统中含有大功率推进电机,其随机变化易造成电力系统故障,产生的故障暂态信号蕴含大量噪声,具有随机、非平稳的特点。传统方法不能有效提取这类故障信号特征,故障检测准确度低。为解决上述问题,提出了一种基于聚类经验模型分解(Ensemble Empirical Mode Decomposition,EEMD)的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)故障检测方法。首先,将故障时刻的电网电压信号进行EEMD分解,得到固有模态函数分量;然后,将上述分量的希尔伯特边际谱进行时频分析,提取较为准确的故障特征信息。仿真结果表明,HHT方法能弥补传统信号分析方法的不足,最大限度的抑制噪声和保留故障信号特征,提髙故障检测准确率。

采用行波固有频率的混合线路故障测距新方法

对于电缆-架空混合线路,由于波阻抗的不连续会形成混叠的固有频率频谱,因此,解决频谱混叠现象是提高固有频率测距法精度的首要问题。为此,提出一种基于聚类经验模型分解(EEMD)算法的行波固有频率的故障测距方案。首先利用EEMD算法得到一系列的固有模态函数(IMF)分量;然后选取聚集故障信息的IMF分量,引入多重信号分类(MUSIC)算法对其进行频谱估计得到固有频率主成分;最后利用故障行波的固有频率和故障距离的关系式即可实现故障测距计算。仿真对比显示了该方法可更好地解决混合线路故障测距时存在的频谱混叠问题,实现较高精度的故障定位。