参数智能优化变分模态分解的输电短路信号提取

输电短路信号因非线性含噪难以准确提取,影响后续故障诊断正确率。为此,提出参数智能优化变分模态分解的输电短路信号提取方法。引入峰值密度实时监测粒子群种群密度,设计权重自适应更新策略,以避免种群多样性缺失导致算法陷入局部最优;然后,建立变分模态分解(Variational Mode Decomposition,简称VMD)算法优化求解的适应度函数,并采用上述改进粒子群算法实现VMD参数智能优化下的输电短路信号提取。采用典型测试函数验证了改进粒子群算法具有比其他算法更好的搜索速度和稳定性,并进一步验证了提出的参数智能优化变分模态分解方法可以较好提取非线性含噪输电短路信号,可提高故障诊断正确率。

AGR在传输电线短路故障选相识别中的应用

最优联合时频处理(AGR)是一种参数化的时频分析方法,它不仅是时域信号的最优逼近,而且具有无交叉项、不易受噪声干扰等优点,在信号处理中发挥了很大作用.提出利用AGR对电力系统传输电线短路故障进行分析处理、识别短路故障类别,给出了仿真结果.结果表明,该方法不仅可快速检测故障、判断故障相,而且可以有效地抑制干扰,避免动作元件因噪声发生误动作.对解决电力系统微机保护选相定位的正确性、灵敏性提供了一个可行的方法.