基于小波包的短路故障信息细分技术研究-论文.pdf

《基于小波包的短路故障信息细分技术研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷第02期煤矿机械Vl01．35No．O22014年O2月CoalMineMachineryFeb．2O14doi：10．134361j．mkjx．201402106基于小波包的短路故障信息细分技术研究段慧芹。李勇(1．信阳供电公司，河南信阳464000；2．信阳供电公司电力经济技术研究所，河南信阳464000)摘要：故障识别的关键是能否足够地细分故障信息。基于小波变换的故障信息提取技术应用较为广泛．但其只能对低于故障信息采样频率1，2的信号进行细分，对高于采样频率1／2的故障。信息则无能为力。应用小波

2、包对配电网短路故障信息进行变换．实现了故障信息在整个频段内的细分．对短路故障特征的详细分析具有重要意义关键词：采样频率；信息提取；小波包中图分类号：TM31文献标志码：A文章编号：1003—0794(2014)02—0227—03StudyonSubdivisionTechnologyofShortCircuitFaultInformationBasedonWaveletPacketDUANHui-qin，LIYong(1．XinyangPowerSupplyCompany，Xinyang464000，Chi

3、na；2．XinyangPowerSupplyCompanyPowerEconomicInstituteofTechnology，Xinyang464000，China)Abstract：Theadequatesubdivisionofthefaultinformationisthekeytofaultidentification．Thefaultinformationextractiontechnologybasedonwavelettransfornlisappliedmorewidely，butitca

4、nsubdividethesignalbelowhalfofthefaultinformationsamplingfrequencyonly。andthefaultinformationabovehalfofthesamplingfrequencycan’tbesubdivided．Thepowerdistributionnetworkfaultinformationwastransformedusingwaveletpacketinthispaper，andthefaultinformationwassub

5、dividedthroughoutthewholespectrum，whichissignificantinthedetailedanalysisoftheshortfaultcharacteristics．Keywords：samplefrequency；informationextraction；waveletpacket0引言平稳信号时表现出优异性能．但是故障信息为非平配电网由于网络较为复杂，分布面积广，常伴稳过程，况且故障分析时不仅要求对故障的类型进有偶然故障的发生，如何快速根据故障信息判断出行区分，

6、而且要对故障发生时刻进行确定。对故障故障类型并及时确定对应的故障恢复策略十分重诊断越来越高的要求迫使很多学者将目光转移到要。假如不能及时确定故障类型，偶然的局部故障具有时频分析能力的小波变换上，但是小波变换对将有可能发展成大面积全局性故障。对故障信息处信号的细分层度还不够，主要是对低于信号最高频理的方式目前主要有傅里叶变换、希尔伯特变换和率1／2频率段的信号进行细分。本文引入小波包对小波变换，傅里叶变换由于缺少时域信息，在分析故障信息进行处理，以期将信号的细分拓展到全频率最高为89．．29％，测试集准确率最高

7、为80％。以4率。目前研究者对刀具状态分类研究大多集中在对种分类器输出的刀具状态为融合器的4维特征向单个分类器的选择和优化中，本文使用的分类器融量输入。效果如表2所示：训练集为89．29％，测试集合法可以综合不同分类器各自的优点，为刀具磨损为85％优于单个分类器的分类效果。状态识别提供了一种新途径。表2分类效果表参考文献：[1]董宁娟，赵洪金，高晶波．基于参数识别和小波包分析的故障特征提取fJ1．噪声与振动控制，2008(5)：91—94．[2]崔江，王友仁．采用基于模糊推理的分类器融合方法诊断电力电子电路参

8、数故障[J]．中国电机工程学报，2009，29(18)：54—59．[3]鞠初旭．模糊神经网络的研究与应用[D]．成都：电子科技大学，2012．[4]杨晓邦，刘景艳，李玉东．模糊神经网络在提升机制动系统故障5结语诊断中的应用[J]．煤矿机械，2012，33(8)：250—252．[5]朱旭锋，马彩文．基于多不变量和多分类器融合的飞机识别[J]．实验结果表明．多分类器融合分类模型的分类仪器仪表学报，2