基于多频带信息融合的小电流故障选线方法

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (2): 118-123.

基于多频带信息融合的小电流故障选线方法

张峰¹,梁军¹,高红梅²,潘猛³

1.山东大学电气工程学院,山东济南 250061; 2.滨州电力公司,山东滨州 256600;
3.博兴电力公司,山东博兴 256500

收稿日期:2011-07-24 出版日期:2012-04-20 发布日期:2011-07-24
作者简介:张峰(1983- ),男,山东莱芜人,博士,讲师,主要研究方向为输电线路故障监测与定位.E-mail:fengzhang@sdu.edu.cn
基金资助:
山东大学自主创新基金资助项目(2011GN066); 山东省博士后创新项目专项资金资助项目(201103032)

Adaptive fault line selection method based on a multi-scale frequency signal in non-solid earthed network

ZHANG Feng¹, LIANG Jun¹, GAO Hong-mei², PAN Meng³

1. School of Electrical Engineering, Shandong University, Jinan 250061, China; 2. Binzhou Electric Power Corporation,
Binzhou 256600, China; 3. Boxing Electric Power Corporation, Binzhou 256500, China

Received:2011-07-24 Online:2012-04-20 Published:2011-07-24

摘要/Abstract

摘要：

经分析小电流接地系统单相接地时的故障特征,指出了适合暂态分量选线的高频频带,同时利用在时频空间具有良好聚焦特性的小波包,提出了一种利用多尺度小波包分解的多频带信息融合的选线方法。单一尺度的固定频带信息所形成的选线判据容错能力较低,无法保证选线的准确度和灵敏度,而利用多个频带故障信息,及其对应的小波分解系数所构造的选线判据,则可有效提高选线的鲁棒性。仿真结果表明,该方法可有效实现小电流系统的故障选线,较常规系统具有更高的可靠性和准确性。

关键词: 小波包, 多频带, 多尺度分解, 小电流系统, 选线, 融合

Abstract:

The characteristic of a single-phase grounding fault were analyzed, and the optimal high-frequency signal was proposed, then a new adaptive fault line selection method based on multi-scale wavelet packet decomposition was proposed, which had excellent focusing property in time-frequency space. This method used the multi-scale wavelet packet decomposition, rather than fixed scale, which could significantly improve the robustness of the fault line algorithm. Simulation results showed that the combined criterion had higher accuracy and credibility than that of traditional methods.

Key words: wavelet packet, multi-scale decomposition, Non-solid earthed network, fault line selection

张峰1,梁军1,高红梅2,潘猛3. 基于多频带信息融合的小电流故障选线方法[J]. 山东大学学报(工学版), 2012, 42(2): 118-123.

ZHANG Feng1, LIANG Jun1, GAO Hong-mei2, PAN Meng3. Adaptive fault line selection method based on a multi-scale frequency signal in non-solid earthed network[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2012, 42(2): 118-123.

参考文献

相关文章 15

[1]	陈海永,余力,刘辉,杨佳博,胡启迪. 基于经验小波的太阳能电池缺陷图像融合[J]. 山东大学学报(工学版), 2018, 48(5): 24-31.
[2]	张璞,刘畅,王永. 基于特征融合和集成学习的建议语句分类模型[J]. 山东大学学报(工学版), 2018, 48(5): 47-54.
[3]	唐乐爽,田国会,黄彬. 一种基于DSmT推理的物品融合识别算法[J]. 山东大学学报(工学版), 2018, 48(1): 50-56.
[4]	周志杰,赵福均,胡昌华,王力,冯志超,刘涛源. 基于证据推理的航天继电器故障预测方法[J]. 山东大学学报(工学版), 2017, 47(5): 22-29.
[5]	吴建萍,姜斌,刘剑慰. 基于小波包信息熵和小波神经网络的异步电机故障诊断[J]. 山东大学学报(工学版), 2017, 47(5): 223-228.
[6]	叶晓丰, 王培良, 杨泽宇. 基于混合MPLS的多阶段过程质量预报方法[J]. 山东大学学报(工学版), 2017, 47(5): 246-253.
[7]	牟春倩,唐雁. 融合整体和局部信息的三维模型检索方法[J]. 山东大学学报(工学版), 2016, 46(6): 48-53.
[8]	王斌,常发亮,刘春生. 基于多特征融合的交通标志分类[J]. 山东大学学报(工学版), 2016, 46(4): 34-40.
[9]	刘帆,陈泽华,柴晶. 一种基于深度神经网络模型的多聚焦图像融合方法[J]. 山东大学学报(工学版), 2016, 46(3): 7-13.
[10]	肖乔, 裴继红, 王荔霞, 龚志成. 基于多通道Gabor滤波模糊融合的遥感图像舰船检测[J]. 山东大学学报(工学版), 2015, 45(5): 29-35.
[11]	王铭. 基于主导频带相对瞬时变化率的配网故障选线方法[J]. 山东大学学报(工学版), 2015, 45(4): 25-30.
[12]	李发权, 杨立才, 颜红博. 基于PCA-SVM多生理信息融合的情绪识别方法[J]. 山东大学学报(工学版), 2014, 44(6): 70-76.
[13]	沈晓晶, 陈明, 池涛. 多Agent水质监控系统中的信息融合算法[J]. 山东大学学报(工学版), 2014, 44(4): 39-45.
[14]	汤积华, 任雪芳, 张龙. 外逆P-信息智能融合与属性析取收缩关系[J]. 山东大学学报(工学版), 2014, 44(4): 46-51.
[15]	孔超1,2,张化祥1,2*,刘丽1,2. 基于兴趣区域特征融合的半监督图像检索算法[J]. 山东大学学报(工学版), 2014, 44(3): 22-28.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed