基于多测度的闪络故障行波与干扰杂波辨识

灵敏启动并经高速采录的宽频暂态数据富含干扰杂波,从海量暂态数据中自动筛选闪络故障行波是个急需解决的命题。采用小波能量熵、小波能量均值和小波能量方差3个测度对闪络故障行波和干扰杂波数据进行表征,形成行波数据的特征矩阵,并采用主成分分析对其特征矩阵进行降维处理,降维后的特征矩阵最大限度地保留了原有特征矩阵的主要信息。将降维后的特征矩阵作为样本,分别采用马氏距离和混合高斯模型聚类算法进行闪络故障行波和干扰杂波的辨识,实现对闪络故障行波的计算机筛选。大量现场实测数据的测试表明,采用马氏距离和混合高斯模型聚类算法均能够实现闪络故障行波的可靠筛选,并且混合高斯模型的辨识效果更好,正确率达97%以上。

基于神经网络的单端行波故障测距方法

单端行波故障测距的关键是正确辨识量测到的第2个行波波头的性质。当母线上最短健全线路的长度大于故障线路全长的四分之一且次短健全线路长度大于故障线路全长的二分之一时,保护安装处检测到的前3个波头一定含有至少2个来自故障线路的行波。当健全线路不满足上述条件时,用方向行波识别行波是否来自故障线路。利用人工神经网络(artificial neutral network,ANN)的非线性函数逼近拟合能力,选取保护安装处检测到的后2个波头与首波头的时间差及其波头极性作为样本属性,训练、测试ANN建立其故障测距的ANN并模型来实现初步的故障测距,然后应用故障距离与波速、传输时间的关系正确辨识第2个行波波头性质,继而求得精确的故障距离。仿真结果表明该方法可行、有效。

基于小波分析的电网电压行波故障定位系统

电网电压行波故障定位系统的电压行波波头辨识错误率较高,故障定位距离结果与实际距离结果不一致,因此,提出基于小波分析的电网电压行波故障定位系统设计研究。设计一种传感电路获取电压行波信号,引入小波分析算法去除电压行波信号中的噪声,有效融合LSTM算法与ADF检验方法制定电压行波波头辨识方法,确定电压行波波头到达时刻,计算电网故障距离,实现电网电压行波故障定位。实验数据显示,设计系统获得的电压行波波头辨识错误率最小值为1%,该系统定位距离结果与实际结果一致,证实了其具备较佳的应用效果。