發(fā)布時間：2018-06-21 02:23

  本文選題：電弧故障 + 小波變換��； 參考：《電網(wǎng)技術(shù)》2014年03期

【摘要】：為實現(xiàn)對用電系統(tǒng)低壓端串聯(lián)電弧故障的準(zhǔn)確診斷,根據(jù)交流系統(tǒng)中低壓串聯(lián)電弧故障的奇異性、能量特性及不確定性,通過自主搭建的電弧故障模擬實驗平臺及不同負(fù)載下的串聯(lián)電弧故障模擬實驗,提出一種基于多特征融合的串聯(lián)電弧故障診斷方法。該方法根據(jù)信號不同特性,結(jié)合小波變換理論對經(jīng)降噪預(yù)處理后的采樣信號進行主成分分析,提取各頻段特性對信號的貢獻率,并以信號3種特性中最大貢獻率所在頻段的空間位置關(guān)系作為特征向量構(gòu)成1?3階信號特性分布矩陣;將此矩陣作為網(wǎng)絡(luò)的輸入向量,利用改進多層前饋神經(jīng)網(wǎng)絡(luò)構(gòu)建特征向量與電弧故障之間的映射關(guān)系。測試結(jié)果表明,該方法可減小電弧燃燒對診斷結(jié)果的影響,實現(xiàn)對串聯(lián)電弧故障的診斷分類。
[Abstract]:In order to accurately diagnose the series arc fault of low voltage end of electric power system, according to the singularity, energy characteristic and uncertainty of low voltage series arc fault in AC system, A fault diagnosis method for series arc based on multi-feature fusion is proposed by using the self-built arc fault simulation platform and the series arc fault simulation experiment under different loads. According to the different characteristics of the signal and the wavelet transform theory, the method carries out the principal component analysis of the sampled signal after de-noising preprocessing, and extracts the contribution rate of the characteristics of each frequency band to the signal. The spatial position relation of the largest contribution rate in the frequency band of the three characteristics of the signal is taken as the eigenvector to form the signal characteristic distribution matrix of order 1 and 3, and the matrix is used as the input vector of the network. An improved multilayer feedforward neural network is used to construct the mapping relationship between eigenvector and arc fault. The test results show that this method can reduce the influence of arc combustion on the diagnosis results and realize the diagnosis classification of series arc faults.
【作者單位】： 沈陽工業(yè)大學(xué)電氣工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(51377106,51337001)~~
【分類號】：TM501.2

【參考文獻】

相關(guān)期刊論文 前10條

1 何怡剛;祝文姬;周炎濤;劉美容;;基于粒子群算法的模擬電路故障診斷方法[J];電工技術(shù)學(xué)報;2010年06期

2 周天春;楊麗君;廖瑞金;汪可;鄭升訊;;基于局部放電因子向量和BP神經(jīng)網(wǎng)絡(luò)的油紙絕緣老化狀況診斷[J];電工技術(shù)學(xué)報;2010年10期

3 雍靜;桂小智;牛亮亮;曾禮強;;基于自回歸參數(shù)模型的低壓系統(tǒng)串聯(lián)電弧故障識別[J];電工技術(shù)學(xué)報;2011年08期

4 藍會立;張認(rèn)成;;基于小波分析的故障電弧伴生弧聲特征提取[J];電力系統(tǒng)及其自動化學(xué)報;2008年04期

5 李東敏;劉志剛;蔡軍;霍柏超;;基于多小波包系數(shù)熵和人工神經(jīng)網(wǎng)絡(luò)的輸電線路故障類型識別方法[J];電網(wǎng)技術(shù);2008年24期

6 董青迅;李興源;穆子龍;顧威;;基于近似熵的次同步諧振檢測方法[J];電網(wǎng)技術(shù);2011年11期

7 林圣;何正友;陳鑒;李小鵬;錢清泉;;基于行波時頻特征的單端故障測距方法[J];電網(wǎng)技術(shù);2012年01期

8 董超;廖清芬;唐飛;歐陽利平;王娜娜;劉代剛;汪小明;;基于Teager能量算子的低頻振蕩節(jié)點同調(diào)分群[J];電網(wǎng)技術(shù);2012年05期

9 孫鵬;董榮剛;鄭志成;;基于小波分析信號特征頻段能量變比的故障電弧診斷技術(shù)研究[J];高壓電器;2010年07期

10 楊小明;劉滌塵;廖清芬;單增禮;羅恒;張紅麗;;動態(tài)近似熵在強迫功率振蕩在線檢測中的應(yīng)用[J];電網(wǎng)技術(shù);2012年11期

【共引文獻】

相關(guān)期刊論文 前10條

1 姜艷茹;費玉琢;李子星;王春雨;;基于樣本熵理論的輸電線路單相自適應(yīng)重合閘研究[J];電測與儀表;2012年03期

2 聶晶;石s，

本文編號：2046765