CN113203916A - 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** - Google Patents
基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** Download PDFInfo
- Publication number
- CN113203916A CN113203916A CN202110432003.2A CN202110432003A CN113203916A CN 113203916 A CN113203916 A CN 113203916A CN 202110432003 A CN202110432003 A CN 202110432003A CN 113203916 A CN113203916 A CN 113203916A
- Authority
- CN
- China
- Prior art keywords
- fault
- wavelet packet
- wavelet
- direct current
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000009466 transformation Effects 0.000 title claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000003745 diagnosis Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/085—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution lines, e.g. overhead
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于sym8小波包变换的特高压直流输电线路区内外故障识别方法。针对现有特高压直流输电***故障定位问题,本发明从较短时间窗口的线路电流故障录波波形出发,提供简单方便的判断直流输电线路区内外故障方法。具体地,首先截取故障后线路电流的10ms波形,通过基于sym8的小波包进行6级分解得到相应节点处的小波包系数,进而得到故障的特征能量谱向量,并以此求取能量熵,最后使用线性阈值给出故障发生在直流输电线路区内外的判断。按本发明公开的方法,可以对直流输电***直流线路区内、外短路故障进行定位,准确度可达80%以上。
Description
技术领域
本发明涉及直流输电***故障诊断技术领域,具体来说是基于sym8小波包变换的特高压直流输电线路区内外故障识别方法。
背景技术
特高压直流输电(UHVDC)因其电晕无线电干扰小、线路走廊窄且损耗率小、功率和电流调节较容易且快速、输电距离不受电力***同步稳定运行的限制以及非同步互联能力强等优势,在海底电缆送电、远距离大功率输电、大区域和非同步大电网之间的互联等方面得到了广泛的运用。***包括换流站、直流输电线路和送端及受端交流***几部分,大量现场故障表明,任何部分发生故障都会影响整个***运行的可靠性和设备的安全性。而由于特高压直流输电设备造价昂贵,因此故障的检测和快速清除对***的安全运行十分重要。
经过几十年的发展,故障诊断技术已经成为了涉及面很广的学科。它包括控制论、结构强度、计算机科学、力学、模式识别、信号处理、决策科学、人工智能等多门现代科学技术,与很多学科具有交叉性,是一门具有深远影响的新学科。设备的故障诊断技术在相关学科的推动下,越来越具有实用性并引起了人们的重视。
如申请号为CN201610305442.6公开的一种基于模糊积分多源信息融合理论的电网故障诊断方法,首先获取电气量及开关量故障信息;对步骤一中的故障信息进行预处理,对电气量进行小波分析,求取小波奇异度xj1和小波故障度xj2;对开关量进行贝叶斯网络诊断,由贝叶斯理论求出开关量的故障度xj3;步骤三,基于模糊积分算法理论对步骤二中求得的小波奇异度xj1和小波故障度xj2、开关量的故障度xj3进行融合,得出最终决策结果。降低了仅采用开关量和电气量诊断电网故障造成的模型误差。
基于小波变换的故障诊断方法,相较于神经网络等智能算法,因其对计算资源需求较低,目前仍被广泛研究和讨论。其原理在于,当***出现突发性非正常运行状态的时候,输入输出信号会表现出奇异性特征。利用小波变换从频域拆分信号并分析出具体的奇异特征,即可对故障进行相应的识别或诊断。该方法抗干扰性强,能实时进行故障检测。但不足之处在于,现有小波变换无法提取信号的高频细节特征,而这对于特高压直流输电***的故障定位具有重要作用。
发明内容
本发明所要解决的技术问题在于现有技术仅能实现故障检测,无法针对特高压直流输电***中直流线路区内、外短路故障精准定位。
本发明通过以下技术手段实现解决上述技术问题的:
基于sym8小波包变换的特高压直流输电线路区内外故障识别方法,包括以下步骤:
步骤1.获取故障极线路电流的故障录波波形;
步骤2.截取故障后设定起始时刻的波形片段;
步骤3.对录波波形使用基于sym8的小波包变换进行预设分解层数分解;所述预设分解层数根据计算机能力和识别效果寻优后确定;
步骤4.根据分解得到的小波包系数求取各个频带下的能量值;
步骤5.将能量值按照频率升序排列形成能量谱向量;
步骤6.通过能量谱求得小波包能量熵;
步骤7.判断熵值是否大于1,若是则执行第8步,否则跳过第8步;
步骤8.得出故障发生在直流线路区内的判断;
步骤9.得出故障发生在直流线路区外的判断。
本发明公开了一种基于sym8小波包变换的特高压直流输电线路区内外故障识别方法。针对现有特高压直流输电***故障定位问题,本发明从较短时间窗口的线路电流故障录波波形出发,提供简单方便的判断直流输电线路区内外故障方法。具体地,首先截取故障后线路电流的10ms波形,通过基于sym8的小波包进行6级分解得到相应节点处的小波包系数,进而得到故障的特征能量谱向量,并以此求取能量熵,最后使用线性阈值给出故障发生在直流输电线路区内外的判断。按本s发明公开的方法,可以对直流输电***直流线路区内、外短路故障进行定位,准确度可达80%以上。
进一步的,所述步骤1中,输入到该识别方法的故障录波应当是故障极所在的线路电流录波波形。
进一步的,所述步骤2中,所需要截取的故障后设定起始时刻与故障发生的时刻重合,误差控制在±50μs以内。
由此,得到小波包分解算法为:
小波包重构算法:
进一步的,所述步骤4中,用sym8小波函数对故障波形进行6层小波包分解,假设第i层各个小波系数Ci(k)(i=1,2,…,n)的总能量Ei为:
其中,N=2i为第i层小波系数的个数;则第6层小波系数总能量E的表达式为:
定义相对小波包能量Pj为:
进一步的,所述步骤6中,给出小波包能量熵ε的定义,用以描述小波包能量谱的分布情况,表达式为:
进一步的,所述步骤7中,用于区分故障区内外的小波包能量熵ε阈值设定为1。
本发明还提供一种基于sym8小波包变换的特高压直流输电线路区内外故障识别***,包括以下步骤:
数据获取模块,获取故障极线路电流的故障录波波形;
确定波形片段模块,截取故障后设定起始时刻的波形片段;
分解模块,对录波波形使用基于sym8的小波包变换进行预设分解层数分解;所述预设分解层数根据计算机能力和识别效果寻优后确定;
能量值计算模块,根据分解得到的小波包系数求取各个频带下的能量值;
能量谱向量生成模块,将能量值按照频率升序排列形成能量谱向量;
小波包能量熵计算模块,通过能量谱求得小波包能量熵;
判断模块,判断熵值是否大于1,若是则执行第8步,否则跳过第8步;
结果输出模块,得出故障发生在直流线路区内的判断;或得出故障发生在直流线路区外的判断。
进一步的,所述确定波形片段模块中,所需要截取的故障后设定起始时刻与故障发生的时刻重合,误差控制在±50μs以内。
由此,得到小波包分解算法为:
小波包重构算法:
所述能量值计算模块中,用sym8小波函数对故障波形进行6层小波包分解,假设第i层各个小波系数Ci(k)(i=1,2,…,n)的总能量Ei为:
其中,N=2i为第i层小波系数的个数;则第6层小波系数总能量E的表达式为:
定义相对小波包能量Pj为:
所述能量谱向量生成模块步骤6中,给出小波包能量熵ε的定义,用以描述小波包能量谱的分布情况,表达式为:
本发明的优点在于:
本发明公开了一种基于sym8小波包变换的特高压直流输电线路区内外故障识别方法。针对现有特高压直流输电***故障定位问题,本发明从较短时间窗口的线路电流故障录波波形出发,提供简单方便的判断直流输电线路区内外故障方法。具体地,首先截取故障后线路电流的10ms波形,通过基于sym8的小波包进行6级分解得到相应节点处的小波包系数,进而得到故障的特征能量谱向量,并以此求取能量熵,最后使用线性阈值给出故障发生在直流输电线路区内外的判断。按本发明公开的方法,可以对直流输电***直流线路区内、外短路故障进行定位,准确度可达80%以上。
附图说明
图1为本发明的实现步骤流程图;
图2为昌吉-古泉±1100kV特高压直流输电***电路结构和故障区域示意图;
图3为本发明应用实施例一各种区内故障的10ms线路电流波形图;
图4为本发明应用实施例一各种区外故障的10ms线路电流波形图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:本发明提出的基于sym8小波包变换的特高压直流输电线路区内外故障识别方法包含以下步骤。
(1)获取故障极线路电流的故障录波波形;
(2)截取故障后10ms的波形片段;
(3)对录波波形使用基于sym8的小波包变换进行6级分解;
(4)根据分解得到的小波包系数求取各个频带下的能量;
(5)将能量值按照频率升序排列形成能量谱向量;
(6)通过能量谱求得小波包能量熵;
(7)判断熵值是否大于1,若是则进行第8步,否则跳过第8步;
(8)得出故障发生在直流线路区内的判断;
(9)得出故障发生在直流线路区外的判断。
进一步地,在步骤(1)中,输入到该识别方法的故障录波应当是故障极所在的线路电流录波波形。而故障选极的常用电压行波极性和功率异常判断等方法,本实施例不再详述。此外,录波数据的采样率在本发明中应该至少为50kHz,这个数值影响着后续小波包变换得到的频带带宽大小,频带过窄会使得最终的阈值区分失效。若受限于采样装置的硬件水平使得采样率无法达到要求,也可通过调节小波包变换的分解级数或是最终的区分阈值来实现功能。
进一步地,在步骤(2)中,所需要截取的故障后10ms波形起始时刻,应当尽可能与故障发生的时刻重合,误差应当控制在±50μs以内。若10ms窗口不能完整包含故障初期的电流发展过程、抑或是包含了较多故障前的正常电流波形,则小波包分解后的低频成分比例就会减少,这将会影响最终的区分阈值的选择。
由此,得到小波包分解算法为:
小波包重构算法:
特别地,sym8小波函数的频带能量熵平均值最小,被选为适用于本场合的最优小波函数。Symlets函数系是由Daubechies提出的近似对称的小波函数,它是对Daubechies函数的一种改进。
进一步地,在步骤(4)中,用sym8小波函数对故障波形进行6层小波包分解,假设第i层各个小波系数Ci(k)(i=1,2,…,n)的总能量Ei为:
其中,N=2i为第i层小波系数的个数。则第6层小波系数总能量E的表达式为:
定义相对小波包能量Pj为:
进一步地,在步骤(6)中,小波包能量熵ε定义为:
进一步地,在步骤(7)中,用于区分故障区内外的小波包能量熵ε阈值设定为1,该值应当因具体UHVDC***做调整。
实施例2
在步骤(8)、(9)中,以图2所示的UHVDC***为例,UHVDC***为LCC型HVDC,采用双极接线,每极双12脉动换流阀。图中发生在直流线路区的区内故障记为f0,具体包含有:线路中点对地短路(低阻、高阻)、靠近整流侧线路对地短路(低阻、高阻)、靠近逆变侧线路对地短路(低阻、高阻)、线路中点两极短路(低阻、高阻)。余下的区外故障f1、f2、f3、f4依次为:整流侧高端阀组出口对地短路(低阻、高阻)、逆变侧高端阀组出口对地短路(低阻、高阻)、整流侧低端阀组出口对地短路(低阻、高阻)、逆变侧低端阀组出口对地短路(低阻、高阻)。
应用实施例1:
本实施例中,依照图1流程图所示的步骤,对图2所示的吉泉UHVDC***进行直流线路区内外故障识别。具体地,使用仿真软件对区内外常见故障进行仿真以获得故障后的线路电流波形,具体项目如表1所示。
表1常见的直流线路区内外故障类别
注:字母数字组合为对故障的编号,低阻的短接阻值取为0.1Ω,高阻的短接阻值取为100Ω。
仿真时,模型设置为±1100kV高低端阀组全压运行,故障前功率为700MW。仿真步长为2e-5s,即,获得的波形的采样率等价为50kHz。仿真时间为2s,故障设定在1.8s时刻发生,1.8s后10ms时间窗内的故障极线路电流波形如图3、4所示。
使用sym8小波基函数对这16个波形分别作6级sym8小波包分解,求得各个故障电流波形第6层分解小波包系数的能量百分比,并构成能量谱向量,最后计算能量熵,结果如表2所示。
表2各类故障的小波包能量熵结果
从表2可以看出,无论是在低阻还是高阻情况下,区外故障f1、f2、f3、f4的小波包能量熵均在设定的阈值ε=1以下;并且,各类直流线路区内故障f0同时也满足小波包能量熵大于1这一条件。综上所述,本发明的识别方法能够有效地进行常见直流输电***短路故障的位置区分。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于sym8小波包变换的特高压直流输电线路区内外故障识别方法,其特征在于,包括以下步骤:
步骤1.获取故障极线路电流的故障录波波形;
步骤2.截取故障后设定起始时刻的波形片段;
步骤3.对录波波形使用基于sym8的小波包变换进行预设分解层数分解;所述预设分解层数根据计算机能力和识别效果寻优后确定;
步骤4.根据分解得到的小波包系数求取各个频带下的能量值;
步骤5.将能量值按照频率升序排列形成能量谱向量;
步骤6.通过能量谱求得小波包能量熵;
步骤7.判断熵值是否大于1,若是则执行第8步,否则跳过第8步;
步骤8.得出故障发生在直流线路区内的判断;
步骤9.得出故障发生在直流线路区外的判断。
2.根据权利要求1所述的基于sym8小波包变换的特高压直流输电线路区内外故障识别方法,其特征在于,所述步骤1中,输入到该识别方法的故障录波应当是故障极所在的线路电流录波波形。
3.根据权利要求1所述的基于sym8小波包变换的特高压直流输电线路区内外故障识别方法,其特征在于,所述步骤2中,所需要截取的故障后设定起始时刻与故障发生的时刻重合,误差控制在±50μs以内。
7.根据权利要求6所述的基于sym8小波包变换的特高压直流输电线路区内外故障识别方法,其特征在于,所述步骤7中,用于区分故障区内外的小波包能量熵ε阈值设定为1。
8.基于sym8小波包变换的特高压直流输电线路区内外故障识别***,其特征在于,包括以下步骤:
数据获取模块,获取故障极线路电流的故障录波波形;
确定波形片段模块,截取故障后设定起始时刻的波形片段;
分解模块,对录波波形使用基于sym8的小波包变换进行预设分解层数分解;所述预设分解层数根据计算机能力和识别效果寻优后确定;
能量值计算模块,根据分解得到的小波包系数求取各个频带下的能量值;
能量谱向量生成模块,将能量值按照频率升序排列形成能量谱向量;
小波包能量熵计算模块,通过能量谱求得小波包能量熵;
判断模块,判断熵值是否大于1,若是则执行第8步,否则跳过第8步;
结果输出模块,得出故障发生在直流线路区内的判断;或得出故障发生在直流线路区外的判断。
9.根据权利要求1所述的基于sym8小波包变换的特高压直流输电线路区内外故障识别***,其特征在于,所述确定波形片段模块中,所需要截取的故障后设定起始时刻与故障发生的时刻重合,误差控制在±50μs以内。
10.根据权利要求9所述的基于sym8小波包变换的特高压直流输电线路区内外故障识别***,其特征在于,所述分解模块中,假设{Vj}j∈Z是L2(R)的多分辨分析,是相应的正交尺度函数,ψ(t)是正交小波函数,则它们所满足的双尺度方程为:
由此,得到小波包分解算法为:
小波包重构算法:
所述能量值计算模块中,用sym8小波函数对故障波形进行6层小波包分解,假设第i层各个小波系数Ci(k)(i=1,2,…,n)的总能量Ei为:
其中,N=2i为第i层小波系数的个数;则第6层小波系数总能量E的表达式为:
定义相对小波包能量Pj为:
所述能量谱向量生成模块步骤6中,给出小波包能量熵ε的定义,用以描述小波包能量谱的分布情况,表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110432003.2A CN113203916A (zh) | 2021-04-21 | 2021-04-21 | 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110432003.2A CN113203916A (zh) | 2021-04-21 | 2021-04-21 | 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113203916A true CN113203916A (zh) | 2021-08-03 |
Family
ID=77027739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110432003.2A Pending CN113203916A (zh) | 2021-04-21 | 2021-04-21 | 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113203916A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114530831A (zh) * | 2022-01-13 | 2022-05-24 | 西安理工大学 | 双馈风机接入柔性直流的纵联保护***及纵联保护方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005739A (zh) * | 2010-08-27 | 2011-04-06 | 昆明理工大学 | 一种识别特高压直流输电线路区内外故障小波能量的方法 |
CN102156246A (zh) * | 2011-03-24 | 2011-08-17 | 昆明理工大学 | 识别特高压直流输电线路故障的小波能量熵检测方法 |
CN104977502A (zh) * | 2015-06-11 | 2015-10-14 | 昆明理工大学 | 一种特高压直流输电线路区内外故障识别方法 |
CN110873832A (zh) * | 2019-11-17 | 2020-03-10 | 云南电网有限责任公司临沧供电局 | 一种基于小波能量熵的配电网选线方法及*** |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
-
2021
- 2021-04-21 CN CN202110432003.2A patent/CN113203916A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005739A (zh) * | 2010-08-27 | 2011-04-06 | 昆明理工大学 | 一种识别特高压直流输电线路区内外故障小波能量的方法 |
CN102156246A (zh) * | 2011-03-24 | 2011-08-17 | 昆明理工大学 | 识别特高压直流输电线路故障的小波能量熵检测方法 |
CN104977502A (zh) * | 2015-06-11 | 2015-10-14 | 昆明理工大学 | 一种特高压直流输电线路区内外故障识别方法 |
CN110873832A (zh) * | 2019-11-17 | 2020-03-10 | 云南电网有限责任公司临沧供电局 | 一种基于小波能量熵的配电网选线方法及*** |
CN110967599A (zh) * | 2019-12-11 | 2020-04-07 | 贵州电网有限责任公司 | 一种电能质量扰动检测与定位算法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114530831A (zh) * | 2022-01-13 | 2022-05-24 | 西安理工大学 | 双馈风机接入柔性直流的纵联保护***及纵联保护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Fault detection and classification in medium voltage DC shipboard power systems with wavelets and artificial neural networks | |
Zhang et al. | Transmission line boundary protection using wavelet transform and neural network | |
CN103941163B (zh) | 利用模糊k均值聚类的谐振接地***故障选线方法 | |
CN101924354B (zh) | 利用s变换能量样本属性的配电网故障的人工神经网络选线方法 | |
CN106501677A (zh) | 无需整定阈值的柔性直流输电架空线路故障快速判断方法 | |
CN110247420B (zh) | 一种hvdc输电线路故障智能识别方法 | |
CN111985412B (zh) | 一种高压直流输电线路雷击干扰识别方法 | |
CN112803377B (zh) | 适用于混合双极直流输电线路的单端电气量保护方法 | |
Saleem et al. | Faults detection and classification of HVDC transmission lines of using discrete wavelet transform | |
Rohani et al. | A hybrid method based on optimized neuro-fuzzy system and effective features for fault location in VSC-HVDC systems | |
CN113300343B (zh) | 一种基于余弦相似度的柔性直流电网故障线路识别方法 | |
Coban et al. | Detection and classification of short-circuit faults on a transmission line using current signal | |
Ye et al. | A novel identification scheme of lightning disturbance in HVDC transmission lines based on CEEMD-HHT | |
CN110907753B (zh) | 一种基于hht能量熵的mmc-hvdc***单端故障识别方法 | |
Yang et al. | Multi-Frequency bands based Pole-to-Ground fault detection method for MMC-Based radial DC distribution systems | |
CN113203916A (zh) | 基于sym8小波包变换的特高压直流输电线路区内外故障识别方法及*** | |
CN105425172B (zh) | 基于多频段歪度分析的微网逆变器自适应故障诊断方法 | |
CN113376477B (zh) | 基于行波能谱矩阵相似度的柔性直流电网单端保护方法 | |
Ankar et al. | Wavelet-ANN based fault location scheme for bipolar CSC-based HVDC transmission system | |
Meyur et al. | A wavelet-adaptive network based fuzzy inference system for location of faults in parallel transmission lines | |
Tang et al. | Classification for transient overvoltages in offshore wind farms based on sparse decomposition | |
Wang et al. | Synthetic data in DC microgrids: Label creation for ensemble learning for fault isolation | |
Patel et al. | Wavelet and Machine learning based approach for Fault classification in AC Micro-grid system | |
Liu et al. | Fault diagnosis of HVDC transmission system using wavelet energy entropy and the wavelet neural network | |
Inanloo Salehi et al. | Fault detection and classification of VSC-HVDC transmission lines using a deep intelligent algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210803 |