基于形态奇异熵的电力系统元件故障检测及识别方法
【专利摘要】本发明公开了一种基于形态奇异熵的电力系统元件故障检测及识别方法，包括以下步骤：采用三相电压信号和直流偏置零序电压信号分别作为多尺度形态滤波器的输入，由形态滤波器的输出构造出四个对应的特征矩阵；采用奇异值分解技术依次对每一个特征矩阵进行分解，分别得到一组奇异值，并在每组奇异值中筛选出较大的奇异值；通过对筛选得到的奇异值进行计算，得到对应的形态奇异熵；计算各信号对应的故障分类指标，并将各信号对应的故障分类指标依次与预设阈值进行比较，检测是否存在故障；若存在故障，则识别出故障相和判断是否为接地故障。本发明方法将数学形态学、奇异值分解和信息熵的理论结合在一起，在短时间窗口中进行故障检测和识别，反应迅速、计算量小。
【专利说明】基于形态奇异熵的电力系统元件故障检测及识别方法
【技术领域】
[0001]本发明涉及一种电力系统元件故障检测及识别方法，尤其是一种基于形态奇异熵的电力系统元件故障检测及识别方法，属于电力系统自动化【技术领域】。
【背景技术】
[0002]当电力系统元件发生故障时，应尽快切除故障元件，以保证电力系统安全的运行。快速、正确地检测及识别系统中存在的故障是解决问题的关键。传统故障检测及识别方法是基于稳态工频量的，其原理清晰，经过了系统运行的长期考验。然而，近年来，电力系统的发展十分迅速，系统的运行工况变得十分复杂，给传统的故障检测及识别方法带来了新的问题和挑战；另一方面，随着系统互联和电压等级的提高，对故障检测及识别方法的响应速度也提出了更高的要求。因此，现有的故障检测及识别方法的性能仍有待提高。
[0003]电力系统故障暂态信号蕴涵了丰富的信息，充分利用这些信息，对实现电力系统故障检测、故障识别、继电保护等应用具有重要的理论和现实意义。故障暂态信号的分析和应用中，存在的一个关键问题是如何有效可靠地提取出蕴含在故障暂态信号中的故障特征信息，一方面，由于故障暂态信号通常混杂在稳态量中，而且由于能量低、幅值小，往往容易被稳态量和系统噪声所淹没；另一方面，由于故障暂态信号所包含的故障信息往往是海量的、不规则数据信息，难以用来直接达到故障识别研究的目的。这两方面的原因，就给故障信号特征信息的有效提取造成了困难。在目前已公开的专利和文献中，许多学者也针对如何改善检测及识别方法的性能进行了广泛的研究，提出不少方法，也取得了一定成效，但这些方法中也存在着诸如计算复杂、响应速度慢和可靠性不高等缺陷。
【发明内容】
[0004]本发明的目的，是为了解决上述现有技术的缺陷，提供一种采用短时间窗口，将数学形态学、奇异值分解和信息熵的理论结合在一起，且反应迅速、计算量小的基于形态奇异熵的电力系统元件故障检测及识别方法。
[0005]本发明的目的可以通过采取如下技术方案达到:
[0006]基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述方法通过数学形态学、奇异值分解和信息熵的结合实现，包括以下步骤:采集三相电压信号，计算直流偏置零序电压信号，并将三相电压信号和直流偏置零序电压信号分别作为多尺度形态滤波器的输入，由形态滤波器的输出构造出四个对应特征矩阵；采用奇异值分解技术依次对每一个特征矩阵进行分解，分别得到一组奇异值，并在每组奇异值中筛选出较大的奇异值；通过对筛选得到的奇异值进行计算，得到与每一个奇异值对应的概率，进而得到对应的形态奇异熵；计算三相电压信号和直流偏置零序电压信号对应的故障分类指标，并将各信号对应的故障分类指标依次与预设阈值进行比较，检测是否存在故障；若存在故障，则识别出故障相和判断是否为接地故障。
[0007]具体的，所述直流偏置零序电压信号通过下式进行计算:[0008]
【权利要求】
1.基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述方法通过数学形态学、奇异值分解和信息熵的结合实现，包括以下步骤:采集三相电压信号，计算直流偏置零序电压信号，并将三相电压信号和直流偏置零序电压信号分别作为多尺度形态滤波器的输入，由形态滤波器的输出构造出四个对应特征矩阵；采用奇异值分解技术依次对每一个特征矩阵进行分解，分别得到一组奇异值，并在每组奇异值中筛选出较大的奇异值；通过对筛选得到的奇异值进行计算，得到与每一个奇异值对应的概率，进而得到对应的形态奇异熵；计算三相电压信号和直流偏置零序电压信号对应的故障分类指标，并将各信号对应的故障分类指标依次与预设阈值进行比较，检测是否存在故障；若存在故障，则识别出故障相和判断是否为接地故障。
2.根据权利要求1所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述直流偏置零序电压信号通过下式进行计算:
3.根据权利要求1所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述特征矩阵的构造过程如下: 取长度为η的移动数据窗口，用以下形态滤波器对移动数据窗口中的三相电压信号和直流偏置零序电压信号的采样序列分别进行处理:
4.根据权利要求1所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:采用奇异值分解技术对所构造的特征矩阵进行分解，对每一个特征矩阵都会得到一组对应的奇异值，对得到的奇异值的筛选过程如下: 设定一个百分比阈值ε，舍弃不满足下式的较小奇异值“
σ i/ σ I > ε 其中O1S第一个奇异值，同时也是最大的奇异值。
5.根据权利要求1所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:对筛选出来的较大的奇异值，与之对应的形态奇异熵的计算过程如下:设筛选出来的奇异值共有k个，按照下式计算每一个奇异值对应的概率:
6.根据权利要求1所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述三相电压信号和直流偏置零序电压信号对应的故障分类指标通过下式计算:
7.根据权利要求6所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述各信号对应的故障分类指标分别与预设阈值进行比较，检测是否存在故障通过下式进行:
8.根据权利要求1-7任一项所述的基于形态奇异熵的电力系统元件故障检测及识别方法，其特征在于:所述三相电压信号通过安装在被保护元件的电压互感器和A/D转换设备进行采样。
【文档编号】G01R31/08GK103454528SQ201310389725
【公开日】2013年12月18日 申请日期:2013年8月30日 优先权日:2013年8月30日
【发明者】吴青华, 张禄亮, 季天瑶, 李梦诗 申请人:华南理工大学