王欢[1]2003年在《应用小波变换提取变压器保护特征量的研究》文中指出电力变压器是电力系统中重要的电气设备，它的安全运行直接关系到电力系统连续稳定的工作，因此对变压器保护算法的研究具有重要意义。微机保护利用计算机的信息处理功能，采用灵活的算法来获得保护的高速度和高灵敏度。本文围绕将小波变换应用到变压器的微机保护算法中，为保护算法提取所需的电气特征量方面进行了探讨。本文设计了以小波变换为基础的数字滤波器，对小波变换在微机变压器保护算法方面的应用进行了研究。针对一定谐波含量的信号，设计了将谐波分量分离的滤波过程，在此过程中引入采样率转换环节，配合小波滤波器实现不同频段信号的分离。同时对不同频段信号的分离采用不同的小波滤波器——共轭正交滤波器(CQF)与Daubechies(Daub)小波滤波器的滤波效果进行了比较和分析。如对于基波与二次谐波的分频，Daub6和CQF12滤波器对基波的滤波效果较好，而Daub6和Daub5对于二次谐波的滤波效果较好。为了验证滤波器的滤波效果，用半周傅氏算法对滤波前后的基波及各次谐波幅值的计算精度进行比较，滤波以后半周傅氏算法的精度有明显提高，计算误差在10%以内。本文提出了短窗Morlet复小波计算基波与各次谐波信号幅值的算法，并运用于变压器电气量特征提取。在电网频率波动情况下，通过比较说明短窗Morlet复小波算法在频率波动过程中具有比傅氏算法更稳定的特点，同时也可以达到1～3周波内完成的快速性。本文将短窗Morlet复小波的幅值算法应用于实际故障信号的特征量提取，证明了该算法的优越性。以Borland Delphi6.0为开发平台，开发了用于变电站自动化系统的可视化录波分析软件。该软件具有数据的图形显示、谐波分析、差动特性分析、阻抗特性分析和多功能计算器等功能，有助于用户根据需要观察保护特性曲线，为进一步的分析故障类型和判断保护动作正确与否提供依据。
王宁[2]2013年在《基于相关原子库的电能质量扰动分析方法研究》文中进行了进一步梳理电能质量的优劣已经成为电力系统运行与管理水平高低的重要标志，控制和改善电能质量是保证电力系统自身可持续发展的必要条件。本文基于稀疏分解的思想，构造相关原子库，对扰动检测、扰动分类和参数评估及扰动源辨识等电能质量扰动相关问题进行了研究。论文的主要创新点如下：(1)原子库中的原子可以针对待分析信号的特点来构造，以提高信号分解的效果并减小计算量。针对几种常见的电能质量扰动，本文提出并构造基波原子库、类基波原子库、振荡原子库、脉冲原子库和电压闪变原子库等相关原子库。仿真验证表明，采用构造的相关原子库只需一次匹配追踪算法，就能将相应的扰动准确提取出来，且能得到扰动的解析化表示。(2)针对匹配追踪算法计算量大的问题，从参数离散方法、参数搜索方式、利用FFT频谱提取扰动频率、利用PSO寻优得到扰动参数等方面对匹配追踪算法进行了优化。针对采用基波原子库提取电能质量扰动信号中基波分量幅值不准的问题，建立了基于录波特性的基波幅值修正方法。针对匹配追踪算法迭代终止问题，建立了基于扰动特征、基于阈值和基于固定迭代次数的叁种迭代终止条件。在此基础上，提出了基于相关原子库的电能质量扰动分类方法。该方法应用匹配追踪优化方法，对电能质量扰动信号根据不同的原子库依次提取相应扰动，并判断匹配追踪迭代是否终止，根据提取的扰动参数实现扰动分类。对本文提出的扰动分类方法进行了验证分析，证明了该方法的有效性。该方法不仅能正确分类，而且能得到扰动的解析表示，同时实现了扰动检测、扰动分类和参数估计。(3)针对电压暂降扰动源辨识问题，提出了基于振荡原子库的辨识方法。通过分析不同类型扰动源引起的电压暂降的特征，构建了暂降幅值衰减度、暂降幅值、谐波含量和电压暂降含量等特征量。采用振荡原子库对电压暂降提取特征量，根据特征量的逻辑关系建立了辨识方法。通过大量仿真数据验证表明，本文提出的辨识方法简单、有效，对单一和复合扰动源引起的电压暂降的辨识正确率较高。
焦邵华[3]2000年在《电网智能保护新技术的研究》文中研究说明保护的智能化、信息化是当前继电保护发展的主要特点。微机保护代替模拟保护是保护发展的巨大飞跃，由于微机保护具有强大的计算能力和分析能力，因而有可能充分地吸取现代信号处理及智能技术等众多边缘学科的优点，在实现对保护功能优化的同时，从原理上提高保护现有的性能。本文对距离保护中的振荡问题和变压器保护中的励磁涌流问题进行了探讨，在传统保护中这两个复杂状态识别问题未能得到很好解决。本文利用模糊集理论和小波分析综合电气量的外在特征和内部规律实现保护的状态识别。通信技术的发展是保护原理发展的推动力之一，随着微机保护信息化程度的日益提高，电网保护与控制的一体化趋势越来越明显，其中以基于通信的配电网保护最为典型。本文研究了适用于配电网保护与控制的网络化数字载波通信系统，并在实现基于载波通信的配电网保护的基础上提出配电系统综合自动化的实现方案。论文的内容主要包括以下几个方面：1 振荡问题是距离保护研究的焦点，本文提出一种基于模糊集理论的识别电网振荡中 发生叁相短路的新原理。电网振荡与叁相短路是十分相似的两个状态，本文从反映 电气量波形的整体状态的改变入手，通过对振荡中心电压在振荡中及振荡中发生叁 相短路后的状态变化进行跟踪识别，识别的过程模糊化，具有较好的时间响应与鲁 棒性。该原理同样适用于对振荡中相间故障的识别。2 本文基于空间综合矢量的概念提出一种高精度的综合负序分量的概念与算法。负序 分量是实时监视系统中发生不对称故障的有效的特征量。现有的快速负序算法对系 统频率的变化过于敏感，在电网振荡时有较严重的不平衡输出，这在很大程度上影 响了负序分量的灵敏度，而综合负序分量不受频率变化的影响，具有很高的精度， 综合负序分量与零序分量相配合，能够灵敏可靠地识别出振荡中的接地故障。3 本文提出了一种对振荡中发生的接地故障进行故障选相的新方法。对于距离保护而 言，振荡中的故障选相是保护识别并切除振荡中的不对称故障的关键环节。本文以 Isinφ元件为特征电气量，通过对三相Isinφ在振荡中发生不对称故障前后的状态 进行比较，实现振荡中的故障选相。4 变压器保护的核心问题是励磁涌流的识别。本文提出一种利用小波分析区分变压器 励磁涌流和短路电流的新原理。涌流波形的间断角特征十分明显，但是现有的间断 角判据都未能充分发挥出基于计算机的数值计算和特征提取的判断与识别功能。小 波分析对于信号的奇异性十分敏感，小波变换的模极大值充分体现了信号奇异性的 大小和位置，本文通过对励磁涌流波形的小波变换的模极大值特征的分析，定性地 提取出励磁涌流的特征。5 本文从描述波形不对称的角度，提出一种基于积分思想的识别变压器励磁涌流的新华北电力大学博士学位论文 方法。该方法采用了积分运算，因而具有较强的鲁棒性，它与基于小波变换模极大 值的判据相配合，分别从电流波形的谐波含量和间断程度两个角度很好地提取了励 磁涌流的特征。最后采用模糊综合评判构成了识别励磁涌流的判据。6 配电网保护的关键在于通信。本文提出并实现一种适用于配电网保护与控制的网络 化数字载波通信系统（NDLC），分析了配电网载波的特点及配电网载波通信的通道 衰耗，从实用化的角度研究了提高NDLC系统可靠性的措施及载波系统网络化的组 网原则。7 本文提出并实现了基于网络化数字载波的配电网保护功能。在此基础之上提出一种 基于负序电流突变量的小电流接地故障选线、定段的新方案，该方案以分散布置的 FTU提取电流负序突变量特征为基础，利用横向、纵向的特征比较识别出故障线路 及故障区段。最后，在实现基于通信的配电网保护实现的基础上，提出了以功能优 化为鲜明特点的配电系统综合自动化方案。
张晓明[4]2011年在《基于小波—神经网络理论和FPGA的变压器数字保护新方法研究》文中研究指明在我国以特高压电网为骨干网架的智能电网建设过程中,电力系统规模的扩大和电压等级的提高,在客观上要求配置更大容量和更高电压等级的电力设备。大容量变压器的投入运行,对继电保护提出了更高要求,传统保护手段、保护方法受到严峻挑战。纵差保护长期以来一直作为变压器的主保护,长期的运行经验表明：纵差保护能有效区分变压器内部故障和外部故障,保护的难点在于如何防止因涌流造成的误动作。本文从变压器的暂态机理入手,分别建立了变压器励磁涌流、和应涌流数学模型,通过数学公式推导对涌流进行定量研究；在此基础上,结合实际情况用PSCAD/EMTDC电力系统专业仿真软件搭建了励磁涌流、短路故障电流、和应涌流的仿真模型,重点对两个涌流的产生机理、波形特征、影响因素等做了深入细致的研究。在理论推导和仿真研究的基础上,本文围绕变压器纵差保护中存在的涌流问题,提出了一种基于小波—神经网络理论和FPGA的变压器数字保护新方法：采用db5小波提取涌流信号与短路电流信号的小波变换能量特征值并以此作为改进型BP神经网络模式识别的特征空间,利用神经网络强大的分类功能区分励磁涌流与故障电流。在神经网络训练的过程中,采用了LM优化法,该方法鲁棒性强,收敛速度快,大大提高了网络计算的收敛速度,降低了网络训练误差。经PSCAD/EMTDC和Matlab仿真软件对大量样本的仿真验证,该方法能精确地实现变压器励磁涌流与故障电流的可靠区分。针对和应涌流,本文在进行大量仿真基础上,得出其波形与励磁涌流无明显差异之结论,提出采用小波—神经网络鉴别法联合几种防误动措施的综合防范思想。针对小波—神经网络算法计算量大、对信号采样率要求高的特点,本文提出了采用FPGA高速平台硬件实现该算法的新思路,给出了几种基于FPGA的微机保护硬件构成框架,并对算法的硬件实现进行了可行性论证,打破了传统微机保护MCU不能很好兼顾保护速度与保护精度的瓶颈。总之,本文的研究成果对进一步提高变压器的保护性能具有较高的理论和实用价值。
肖监[5]2008年在《基于小波分析和人工免疫的电力变压器故障诊断的方法研究》文中研究指明在当代电力系统中,电力变压器是最重要、最昂贵的设备之一,它直接关系到电力系统运行的稳定性及可靠性,因此,我们必须最大限度地防止和减少电力变压器故障和事故的发生。局部放电是变压器内绝缘劣化的重要原因,也是反映变压器绝缘状况的重要征兆,变压器局部放电在线监测及模式识别是检测变压器内绝缘缺陷及评价绝缘状况的重要方法,其最大的难题是如何消除现场的各种干扰,并提取被测局部放电信号特征及进行放电模式识别。本文在分析国内外电力变压器局部放电在线监测的干扰抑制和模式识别有关技术的基础上,作者对局部放电信号中小波变换抑制周期性窄带和白噪干扰、统计特征量的提取、以统计特征量识别放电模式方法等进行了系统研究。1、本文分析了变压器噪声信号的来源和特性,研究了噪声信号和局部放电信号的不同频率特性,研究利用小波变换的频域分割特性,将局放信号从现场所采集到的信号中提取出来的方法。并对此方法进行了仿真研究及分析,其结果表明小波分析法抑制干扰能力强,勿需事先确定干扰的分布,能够准确检测局部放电信号的各种信息。2、本文研究了应用于变压器故障诊断的模式识别技术方法,其中人工免疫算法是近年来出现的一种随机优化算法,它模仿生物免疫系统原理,通过克隆、复制、变异等一系列复杂的机制,产生抗体,达到消灭抗原的目的,是一种较好的模式识别方法。3、本文利用小波变换所提取出来的局部放电特征量,将其与人工免疫的方法结合起来,进行模式识别,区分不同放电类型,其结果表明这种方法,能有效地识别出局部放电信号的模式,为变压器故障诊断提供直观、有效的理论依据。本文主要基于免疫算法的模式识别技术,将它与小波分析法相结合,以实现电力变压器的局部放电类型的诊断,使之成为一个既有理论价值又有工程实用价值的方法。
覃斌志[6]2013年在《基于神经网络的变压器励磁涌流识别方法的研究》文中进行了进一步梳理随着国民经济地快速发展，电力系统的规模不断地扩大，对电力设备的安全可靠性提出了更高的要求。电力变压器是电力系统中最重要的电气设备，因此针对变压器的保护显得尤为重要。长期以来，纵联差动保护一直被广泛地用作变压器的主保护，但是现有的变压器差动保护一直被不平衡电流所困扰，尤其是不平衡电流中的励磁涌流。因此如何区分变压器励磁涌和内部故障电流就成了提高差动保护可靠性的一个核心问题。但是目前应用于差动保护中的励磁涌流识别方法均不能很好地满足变压器保护的需求，为此有必要探索识别速度更快，更准确的新方法。论文首先分析了变压器励磁涌流产生的原因及影响因素，以及对变压器差动保护的影响,并对多种励磁涌流识别方法作了分析和评价。文中采用Simulink对空载合闸时产生的励磁涌流进行了仿真，在此基础上，对涌流波形的特征进行了深入的分析。同时，为了分析影响涌流的因素，论文分别改变电源合闸初相角和变压器铁芯剩磁，继而对变压器励磁涌流进行仿真对比，观察得出合闸初相角和剩磁对涌流波形的影响。进一步地，为了比较励磁涌流和内部故障电流波形的不同，本文对变压器内部短路故障作了仿真，并通过Simulink自带的Powergui模块对励磁涌流和故障电流作了谐波分析，统计了各自的高次谐波含量。论文最后利用FFT分析采集到的励磁涌流和内部故障电流的基波和2~5次谐波作为LVQ网络的输入，对LVQ网络做了大量的训练和验证仿真，结果表明LVQ神经网络能准确快速地识别励磁涌流。本文首次提出基于LVQ神经网络的变压器励磁涌流识别方法。论文将LVQ网络和BP网络进行对比分析，分别从识别的速度、精度及准确度叁方面对两个网络做了仿真分析对比，结果表明LVQ网络能更快速准确地识别变压器励磁涌流。将本文提出的方案与变压器微机保护相结合使用可提高差动保护的可靠性，LVQ神经网络在变压器保护领域具有广阔的应用前景。
薛雷[7]2011年在《变压器局部放电监测中去噪技术与放电特征提取的研究》文中提出局部放电是引起变压器绝缘劣化的重要原因,变压器局部放电在线监测能够实时地反映变压器的绝缘状态,对防止电力变压器的事故发生以及保证电力系统的安全运行有着重要的意义。在变压器局部放电监测过程中,局部放电去噪技术和放电特征的提取是局部放电研究的两个关键环节。本文研究了局部放电的放电机理以及放电过程,建立了一种单气隙的局部放电的仿真模型。通过理论分析和仿真说明了局部放电产生的物理过程。介绍了理论分析中局部放电和现场监测中各种干扰的数学模型。现场局部放电在线监测过程中常伴随有白噪声和窄带周期性干扰,为了有效地从强噪声干扰中提取局部放电信号,本文应用小波包变换和广义形态滤波器相融合的方法对含有混合噪声干扰的局部放电信号进行去噪。仿真结果和评价参数计算结果表明,小波包变换和广义形态滤波器相融合的去噪方法能够有效的滤除混合噪声干扰,同时能很好的保留原始信号的特征,滤波后的局部放电信号失真率小。针对变压器的四种典型局部放电模型的脉冲波形,提出了两种新的放电特征提取方法。第一,应用分形理论,结合小波包分析技术,计算各个频段信号的分形维数,提取各个频段上的分形特征。第二,采用多尺度数学形态学开运算提取局部放电信号的数学形态谱。提取结果表明,每种放电类型具有不同的分形特征和形态特征,可以应用于放电类型的识别。
李东敏[8]2008年在《基于多小波包和人工神经网络的电力系统故障类型识别研究》文中指出随着电力系统的发展,输电线路的电压等级越来越高,输电距离也越来越长,它们对电力系统的安全稳定运行具有举足轻重的作用。在我国高压输电系统中广泛采用单相重合闸,准确有效的选相元件是高压输电线路发挥自动重合闸功能的重要前提,同时当发生故障时准确地选择出故障相对确保继电保护的正确动作具有重要的意义。本文首次研究和提出了基于多小波包理论的电力系统故障类型识别的新方法,旨在研究多小波和多小波包理论在电力系统故障诊断与继电保护方面的可行性,也致力于尝试解决故障识别的问题。多小波可以同时具有对称性、正交性、短支撑性、高阶消失矩性质,这是传统小波所无法比拟的。本文系统地阐述了多小波和多小波包的基本理论,分析了电力系统故障识别的研究现状和多小波包的应用现状,并指出存在的问题。通过建立了—500 kV输电线路的PSCAD/EMTDC仿真模型,用来产生不同工况下的各种输电线路短路信号。多小波包具有比传统小波包更优良的性质,能够从故障信号中提取到更丰富和更精细的信息,因此本文将多小波包引入电力系统故障识别的应用中,提出了基于多小波包能量特征量和人工神经网络的电力系统故障类型识别方法。先对故障电流信号进行适当的多小波包分解,并计算各频带能量,然后构造多小波包特征向量,并以此向量作为训练样本对BP神经网络进行训练,实现故障类型的识别。由于输电线路故障信号的频带能量提取仅对整个频带进行统计,而没考虑信号的时变性,因此,为进一步表征信号在某个时间段的能量大小,文中尝试采用提取故障信号的多小波包时频局部能量来进行故障识别。信息熵是对系统不确定性程度的描述,熵在电力系统中的应用研究已取得了一定的成果。本文考虑到对故障信号进行多小波包分解后得到多小波包分解系数序列矩阵,是多小波包分解对信号的一种划分。把多小波包变换后的系数矩阵处理成一个概率分布序列,它反映了这个信号分布的稀疏程度,同时根据信息熵的基本理论,将多小波包分解系数概率分布序列与信息熵相结合定义多小波包系数熵。在此基础上提出基于多小波包系数熵和人工神经网络的电力系统故障类型识别方法。先对采集到的故障电流信号进行适当的多小波包分解,并计算各频带的系数熵,然后构造多小波包特征向量,并以此向量作为训练样本对RBF神经网络进行训练,实现故障类型的识别。经过大量的仿真试验,验证了基于多小波包和人工神经网络的电力系统故障类型识别方法有效可行,优于基于传统小波包和人工神经网络的方法,且该方法不易受系统各种不同工况的影响。
林圣[9]2011年在《基于暂态量的高压输电线路故障分类与定位方法研究》文中认为随着综合国力的不断提升与电力工业的飞速发展,我国电力系统已经步入了高电压、大电网和大机组时代；但随着输电容量与电压等级的不断提高以及输电距离的不断增长,高压输电线路的故障将对电力系统的稳定运行、国民经济建设及人民日常生活带来更为严重的危害与影响。因此,研究快速、准确的输电线路故障分类与故障定位方法,不仅可以缩短停电时间、减小电力运行维护人员的工作强度,而且对保障电力系统的安全性与经济性具重要的意义。高压输电线路故障产生的暂态量虽然持续时间短,却蕴含了丰富的故障信息,这为实现快速、准确的故障分类与定位提供了可能性。基于此,本文以构筑高压输电线路的快速故障诊断系统为目标,对基于暂态量的高压输电线路故障分类与故障定位方法进行研究。在故障分类方面,论文基于人工智能算法给出了叁种高压输电线路故障分类方法。其一为基于粗神经网络的故障分类方法,该方法提取故障暂态电流信号13种不同的时域特征和时频域特征作为故障分类的特征量,以10个不同的粗神经网络构成故障分类器对十种常见的短路故障进行分类识别。其二为基于自适应神经模糊推理系统的故障分类方法,该方法以暂态电流故障分量的时域标准差和四分位距作为故障分类的特征量,根据特征量的特点构造两个不同的自适应神经模糊推理系统作为故障分类器,第一个用于分类识别单相故障、两相故障和叁相故障,当其输出结果为两相故障时,利用第二个分类器来判断故障是否为接地故障。其叁是基于阴性选择算法的故障分类方法,该方法以暂态电流信号的高频暂态能量作为故障分类的特征量,并依据改进的阴性选择算法设计故障分类的分类机制。利用PSCAD/EMTDC仿真数据对叁种故障分类方法进行了测试与验证,仿真结果表明：论文给出的叁种方法均能快速、准确、可靠地分类识别出高压输电线路的故障类型,且其分类效果不受故障电阻、故障距离、故障初始角等因素的影响,对噪声干扰具有较强地适应性。其次,论文在研究高压输电线路故障暂态信号时频特征的基础上,提出了一种基于暂态信号时频特征的故障分类方法。该方法综合考虑故障暂态电流信号的时频相关系数和时频能量特征,定义了暂态信号的时频特征相关系数,以此来刻画不同的故障类型；并据此设计故障分类机制,避免了基于人工智能算法的故障分类方法中训练样本难以构造的问题。利用仿真数据对故障分类方法进行了仿真验证,结果表明：该方法能快速、准确、可靠地分类识别出高压输电线路的不同故障,且其分类效果不受故障电阻、故障距离和故障初始角等因素的影响。在故障定位方面,为提高现有单端行波法和行波固有频率法的定位准确性,论文基于暂态行波的时频特征,提出了两种单端故障定位方法。方法一为考虑暂态行波频域特征的时域故障定位方法,该方法以传统单端行波法为出发点,在考虑暂态电流行波频率特征对行波传播速度及波头到达时刻影响的基础上,利用暂态行波信号的Lipschitz指数将暂态行波波头的时域特征和频域特征联系起来,得到更为准确的故障定位结果。方法二为考虑暂态行波时域特征的频域故障定位方法,该方法以单端行波固有频率法为出发点,利用信号的时域周期特征来修正暂态行波信号的固有频率值,进而得到更为准确的故障定位结果。大量的PSCAD/EMTDC仿真试验结果证明：提出的两种故障定位方法的定位准确性比现有的行波法和固有频率法都有明显的提高,且其定位的可靠性、准确性不受故障电阻、故障初始角以及故障类型的影响,同时具有较强抗噪能力。论文最后将考虑暂态行波时域特征的频域定位方法拓展至高压输电网的故障定位中,在推导了暂态行波信号的固有频率与其在电网中的传播路径以及边界条件的数学关系的基础上,提出了基于暂态行波传播路径的高压输电网故障定位方法。该方先根据暂态行波信号的固有频率值或分布情况准确地判断故障线路,然后利用反映包含故障点的行波传播路径的固有频率对故障距离进行准确计算。大量仿真试验结果表明：在输电网拓扑结构确定的情况下,该方法不仅能准确地判断出故障线路,而且还能准确地计算出故障距离,且故障定位准确性不受故障电阻、故障初始角和故障类型的影响。总的来说,本论文最终形成了一个从故障分类到故障定位的高压输电线路快速故障诊断体系。本论文是国家自然科学基金——《基于信息理论的多信源电网故障诊断方法及应用》(No.50877068,2009-2011)和教育部博士点基金——《基于单端行波自然频率提取的输电线路故障测距新方法》(No.200806130004,2009-2011)的组成部分。
李欣[10]2012年在《电力系统过电压分层模式识别及其应用研究》文中认为随着电网规模的不断扩大、输送容量和电压等级的不断提高，电力系统过电压对输电线路和电气设备绝缘造成的危害越来越严重，尤其对超、特高压电网的发展影响越来越大，因此，研究电力系统过电压是保障电网安全可靠运行的重要课题。电力系统过电压种类较多，产生原因不尽相同，实时监测电力系统出现的各种过电压信号，快速准确的判别故障类型，建立起一套完善的电力系统过电压智能在线监测系统，对电力系统故障处理和灾害预防是十分必要的，但目前现有电力系统过电压在线监测装置，尚不具备过电压类型智能分析识别能力。因此，研究电力系统过电压信号特征提取和模式识别的方法，对快速提出抑制过电压的方法、改进系统绝缘配合水平和推进电网智能化发展具有重要的现实意义。本文根据过电压的传统分类，首先分析了各种过电压的产生机理，采用ATP-EMTP电磁暂态软件对绕击和反击过电压进行了仿真，分析并总结了工程实际中常见过电压的波形特征；考虑到不同过电压之间存在的从属关系和其波形特点，建立了过电压分层识别的结构。与传统的识别方法不同，本文采用自上而下的分层识别思想，在每一层建立分类器，可以有针对性的进行特征提取、特征分析和类型识别，从而提升识别系统的实时性；同时，不同分类器之间又是相互独立的模块，便于程序修改、调试和功能扩展。根据过电压的波形特征，本文采用时域分析、频域分析、小波分析以及奇异值分解（SVD）等多种方法对过电压进行特征提取。文中介绍了傅里叶变换（FT）和小波变换（WT），结合不同过电压的波形特征，提取出了过电压的频域特征和小波时频特征。针对操作和雷电过电压波形存在一定的分散性，本文结合小波多尺度分解和奇异值分解理论（SVD），采用奇异值分解理论来降低分散性对特征量所造成的影响，提出了一种多尺度时频矩阵奇异值分解的过电压特征提取方法。在此基础上，本文有针对性的对特征量进行了分层选择，考虑到不同特征量之间可能存在一定的相关性，采用主成分分析（PCA）对各个分类器的特征量进行分析，从而降低特征维数，消除相关性对识别效果造成的影响。本文最后介绍了最小二乘支持向量机（LS-SVM）和网格搜索优化算法（GS），建立了基于网格搜索优化最小二乘SVM的过电压分层识别系统，并设计了该系统的人机交互界面。最小二乘SVM是建立在结构风险最小化的基础之上，较适合解决小样本分类问题；通过引入核函数，将非线性问题转化为线性问题，并采用最小二乘法求解该线性问题，收敛速度快，不存在局部最优解问题。针对最小二乘SVM的参数选择缺乏指导的问题，本文提出了采用网格算法来优化最小二乘SVM参数，并与遗传算法（GA）和粒子群算法（PSO）进行了优化对比。实测数据表明，本文提出的特征提取、特征分析和识别方法，能有效地对电力系统过电压进行识别，识别准确率较高。在此基础上，本文采用MATLAB的图形用户界面，设计了过电压类型分层识别GUI系统，并与过电压监测系统软件融合，便于工程人员分析和查找故障原因，具有较好的工程应用前景。
参考文献：
[1]. 应用小波变换提取变压器保护特征量的研究[D]. 王欢. 清华大学. 2003
[2]. 基于相关原子库的电能质量扰动分析方法研究[D]. 王宁. 天津大学. 2013
[3]. 电网智能保护新技术的研究[D]. 焦邵华. 华北电力大学. 2000
[4]. 基于小波—神经网络理论和FPGA的变压器数字保护新方法研究[D]. 张晓明. 山东科技大学. 2011
[5]. 基于小波分析和人工免疫的电力变压器故障诊断的方法研究[D]. 肖监. 贵州大学. 2008
[6]. 基于神经网络的变压器励磁涌流识别方法的研究[D]. 覃斌志. 湖南大学. 2013
[7]. 变压器局部放电监测中去噪技术与放电特征提取的研究[D]. 薛雷. 东北电力大学. 2011
[8]. 基于多小波包和人工神经网络的电力系统故障类型识别研究[D]. 李东敏. 西南交通大学. 2008
[9]. 基于暂态量的高压输电线路故障分类与定位方法研究[D]. 林圣. 西南交通大学. 2011
[10]. 电力系统过电压分层模式识别及其应用研究[D]. 李欣. 重庆大学. 2012
标签：电力工业论文; 变压器论文; 过电压论文; 仿真软件论文; 特征提取论文; 励磁涌流论文; 小波变换论文; 局部放电论文;