基于深度学习的特高压三端混合直流输电线路波形特征故障区域判别方法

针对将现有直流线路故障区域识别方法应用于特高压三端混合直流输电线路时,存在难以区分T区两侧故障、耐过渡电阻能力弱和阈值整定困难的问题,提出一种利用深度学习及波形特征进行特高压三端混合直流输电线路故障区域识别的方法。首先,对三端混合直流线路不同故障区域进行故障特征分析;然后,对线模电压和线模电流进行多尺度小波分解,提取线模电流中低频分量和线模电压高频分量,结合正负极电压波形特征,组成深度学习模型的输入量,并将故障区域作为输出量,构建深度学习故障区域识别模型;最后,用训练过的深度学习模型对获取的故障特征量进行处理,以实现故障区域识别的目的。通过大量仿真实验,验证了所提故障区域识别方法具有准确率高和基本不受过渡电阻影响的特性。

计及TA传变特性的输电线路行波故障定位研究

研究了电流互感器非理想传变特性引起的行波信号畸变和对行波故障定位的影响。建立了电流互感器的高频电路模型,并由实验确定了电路模型参数,然后根据该模型对二次侧的畸变电流进行校正以逼近一次侧电流,从而减小由电流互感器非理想传变特性引入的误差。数字仿真和实验结果表明,该方法可有效地校正电流互感器引起的行波信号畸变和误差,提高行波故障定位的精度。

基于电压信息的配电网断线故障定位

为利用配电自动化系统实现断线故障定位,定量分析了断点两侧伴随不同过渡电阻接地情况下的中压馈线电压以及配电变压器低压侧电压特征。提出了一种基于馈线终端单元(FTU)和配电变压器终端单元(TTU)上报的电压稳态信息的断线故障定位方法。并对其适应性进行了分析。对分布式电源接入对断线故障特征的影响也进行了分析。提出了单相接地故障处理技术和基于电压特征的断线故障处理技术协调互补的建议。基于PSCAD软件对示例配电网进行了仿真以验证提出的方法,仿真结果表明文中提出的断线故障电压特征正确、断线定位方法有效。

FFT和DFT在地震数据采集器幅频特性测试中的应用

在进行地震数据采集器的幅频特性测试中,当标定信号频率稍高时(约为采集器采样率1/5以上),采集器输出的正弦波形发生畸变,无法人工读取正弦波峰值.为了解决该问题,本文提出了基于离散傅里叶变换(DFT)的积分恢复算法,将该方法与快速傅里叶变化(FFT)谱分析方法同时应用于一台高精度地震数据采集器的幅频特性测试数据处理.结果表明这两种算法均能标准化、高精度地完成采集器幅频特性标定数据的计算.其中基于DFT的积分恢复算法的计算程序操作简单,能够高效率地完成数据采集器的幅频特性检定工作;并且该方法还可以应用于地震数据采集器的线性度测试.

大数据平台在地铁信号系统维护中的应用

地铁信号系统大数据平台,可为地铁信号系统维护提供有力的支撑,可显著降低故障发生率,提高问题排查能力,增加地铁信号维护效率。介绍大数据平台优势、结构、功能,并举例说明其在地铁信号系统故障分析中的应用。