共查询到20条相似文献，搜索用时 31 毫秒
1.
柔性高压直流输电系统大多采用地下电缆作为输电线路,由于地下电缆行波波头衰减严重,导致在长距离故障测距时很难准确测出故障点反射波到达测量点的时刻。为了实现精确的故障测距,将奇异值（SVD）分解算法应用到固有频率法与行波法相结合的组合算法中。首先利用故障行波的固有频率计算出故障点的大概位置,算出故障点反射波分别到达两端母线的时间范围,然后对故障行波信号进行奇异值分解,得到SVD第二分量奇异值检测结果,依据固有频率法算出的时间范围确定反射波头到达两端母线的准确时刻。最后将初始行波和故障点反射波分别到达两端母线的时间代入消除波速影响双端测距公式,计算出故障点的准确位置。PSCAD和MATLAB仿真证明该方法测距精度较高。 相似文献
2.
刘美荣 《实验室研究与探索》2012,31(8):219-222
配电网故障测距是电力系统中故障诊断的难点,暂态故障行波的故障检测技术是未来电力系统重要发展方向。配电网特征为混合线路、线路短、线路分支多,以行波理论为基础,配电线路单相接地后产生暂态电流行波,对暂态故障行波的产生机理和传播规律、过程及特点进行分析,叙述了故障行波在配电线路故障测距中的研究和应用,对于波速不连续的配电混合线路传统的双端行波故障测距存在弊端,用新方法,基于时间中点的双端行波故障测距,不受介质种类的影响,可解决配电电缆混合线路、架空线波速不连续的问题。 相似文献
3.
通过分析输电线路故障暂态行波的折反射原理,得出了到达检测点的所有可能的行波信号,创新性的提出了各种行波的特点及其区别方法,并利用小波分析对局部变信号或微弱变化信号处理上的优势,提出了一种单端行波故障测距方法.与以往的测距方法相比,该测距方法具有硬件投入不少、不受双端同时钟的影响、测距误差小等优点. 相似文献
4.
根据各测距算法采用的原理不同,将现有的各种测距算法分为行波测距、单端测距和双端测距三类。然后逐类对各种算法的理论基础和应用条件进行了分析、对比和讨论,并在此基础上总结出了各测距算法的优点及存在的问题,指出了每种测距算法的适用范围和应用局限性。最后,对高压架空输电线路故障测距进行现场实验及研究,并对其应用前景进行了展望。 相似文献
5.
首先采用基于混合普罗尼分析的信号分解方法提取故障信号的多个特征参数,再通过基于低压脉冲法的高速智能化电缆故障测距系统进行故障位置测距,系统以CycloneⅡEP2C8Q208为核心,采用脉冲串调制的方式进行故障测距以降低反射波定位的困难.实验仿真结果表明,该系统在故障测距的精度上相比对比方法分别提升了10.87％和13.67％,具有更高的测距精度. 相似文献
6.
《实验室研究与探索》2018,(10)
针对电力电缆故障的关键因素在于电缆分接头的温升。本文提出采用总体平均经验模态分解EEMD和改进Elman神经网络的方法对非线性电力电缆接头温度时间序列进行预测的方式达到预警电力电缆故障的目的。首先,采用光纤光栅传感器来监测电缆接头温度,得到样本序列。为避免模态混叠,采用EEMD对电力电缆接头温度序列进行预处理。预处理后的温度序列为一系列彼此独立的本征模函数分量,外加一个残余分量。为提高Elman神经网络的预测精度,在预测前利用相空间重构法对分解后的序列进行重构计算。在对重构序列数据进行归一化后利用Elman神经网络进行下一周期内的温度预测。实际预测结果表明,本文算法具有较高的拟合精度,适应性较好,可以推广应用至实际电力电缆故障的监测和预警系统。 相似文献
7.
结合经验模态分解（empiricalmodedecomposition,EMD）算法和自适应神经模糊推理系统（adap-tiveneuralfuzzyinferencesystem,ANFIS）算法应用于股票市场预测,提出了一种新的股票市场的预测模型,即EMD-ANFIS的多步预测模型。首先应用EMD算法把原始数据分解成不同尺度的基本模态函数（IMF）和残差（RES）,然后通过ANFIS算法对生成的各个IMF和RES进行自适应神经模糊推理,再把各个预测结果进行简单的聚合作为股票的预测价格,并与传统的预测方法进行比较,实验证明了EMD-ANFIS的多步预测模型具有更高的预测精度。 相似文献
8.
经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息［1］。针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率。实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解（MRSVD-EMD）方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率。 相似文献
9.
为准确检测电力系统的谐波分量,提出一种基于小波阈值去噪和自适应变分模态分解（VMD）的谐波检测方法。在传统VMD算法基础上,通过构建输入信号Hankel矩阵并进行奇异值分解（SVD）的方法,自适应确定模态分解个数;利用改进的小波阈值去噪方法减少噪声的干扰,进一步提高检测精度。仿真实验表明,所提方法能有效地估计谐波的频率和幅值参数,具有较高的检测精度和良好的噪声鲁棒性。 相似文献
10.
胡雪云 《江西电力职业技术学院学报》2003,16(1):24-26
分析了行波故障测距方法的特点,在比较了行波测距法与阻抗测距法,并发现在电力电缆故障测距中行波测距法优于阻抗测距法基础上,明确了各类行波故障测距方法的优缺点,构想了行波法今后发展的方向。 相似文献
11.
付光 《南宁职业技术学院学报》2011,16(2):94-96
介绍基于行波测距的电缆故障测试装置的原理、结构及其设计方案。选择C类方法进行实现,设计脉冲发送电路及脉冲接收电路,在高速数据采集的支持下,完成对电缆故障定位。 相似文献
12.
针对齿轮常见故障及信号在传统EMD算法分解中产生的端点效应,提出一种基于改进经验模态分解（EMD）与快速独立分量分析（FastICA）—样本熵的齿轮故障特征提取方法。首先对信号进行EMD分解,得到一系列IMF分量和残余量,在此过程中通过匹配差别最小的极值包络线段确定端点处极值,然后从每个信号中分别选取周期性明显的分量与原始信号组成混合信号作为FastICA的输入,获得ICA计算后的分量,最后分别计算EMD分量与各独立分量的样本熵。实验结果表明,改进后的EMD算法可以有效改善端点效应问题,并通过与EMD—样本熵的对比,表明FastICA—样本熵能更明显、稳定地反映齿轮故障,因此可作为一种有效的故障特征。 相似文献
13.
陈一文 《广东教育学院学报》2008,28(3):54-56
电力系统输电线路发生故障后,利用阻抗原理的测距装置测距误差较大,而利用行波测距技术可以实现精确故障定位．行波测距技术的优越性在于精度高、适用性强、方便使用等,行波测距技术在超高压输电线路中被成功应用,这一技术在电力系统中将有着广阔的发展前景． 相似文献
14.
基于经验模态分解的筛选条件研究 总被引：1，自引：0，他引：1
经验模态分解是Hilbert—Huang变换（HHT）的关键算法,它分解信号的能力直接影响到HHT的实用性和应用价值．为了研究经验模态分解对多分量复合信号的筛选条件,我们主要研究了在理想条件下经验模态分解筛选过程的特性及其对双分量信号模型的筛选条件,然后推出经验模态分解对多分量复合信号的筛选条件,并给出相应数值实验分析． 相似文献
15.
为了提高光伏发电功率的预测精度,提出一种结合变分模态分解、多策略改进的鲸鱼优化算法和极限学习机的光伏日前预测方法。利用变分模态分解影响光伏功率的关键气象因素,获得不同特征规律的本征模态分量,降解了数据的随机波动性,减少了噪声的影响。引入鲸鱼优化算法,利用多策略改进的鲸鱼优化算法(MWOA)对ELM模型的权重和偏置系数进行优化,获得最终的光伏功率预测结果。仿真结果验证了所提方法的有效性与优越性。 相似文献
16.
《东南大学学报》2021,(1)
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提高分解质量;再次,使用优化的傅里叶分解将信号分解为若干个傅里叶本征模态分量;最后,选择与降噪后信号相关系数最大的傅里叶本征模态分量进行包络谱分析.该方法可以准确提取振动信号的故障特征频率.通过对齿轮箱故障仿真信号和实验齿轮箱振动信号进行分析,验证了该方法的有效性. 相似文献
17.
提出了一种基于希尔伯特—黄变换的航空发动机转子故障特征自动提取方法,该方法利用经验模态分解得到转子故障信号的各模态分量,结合故障频率特征,直接从各模态分量中提取反映转子故障特征的特征向量。建立基于结构自适应神经网络方法的转子故障智能诊断模型,利用实验数据进行了实验验证,结果表明本方法在转子故障智能诊断方面取得了较好的效果。 相似文献
18.
深度学习算法是目前台区负荷预测的主要方法.为解决深度学习方法在逻辑拟合、特征冗余方面的问题,提出一种基于经验模态分解和长短记忆神经网络算法的短期台区负荷预测模型.利用经验模态分解将台区负荷分解为多个本征模函数,使用相关性分析法从特征集合中选择各本征模函数的特征子集,用长短记忆神经网络对这些本征模函数分别进行预测.最后采... 相似文献
19.
目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。 相似文献
20.
针对傅里叶分解对噪声敏感且存在模态混叠导致无法准确提取齿轮箱故障特征的问题,提出了一种复合字典降噪与优化傅里叶分解相结合的齿轮箱故障特征提取方法.首先,根据齿轮箱信号特点构造复合字典,结合正交匹配追踪算法降低振动信号中的噪声;其次,针对傅里叶分解过程中的模态混叠现象,提出了利用频谱的极值点划分频带的方法对其进行优化,提... 相似文献