資源描述：
《基于小波包的短路故障信息細分技術研究-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、第35卷第02期煤礦機械Vl01．35No．O22014年O2月CoalMineMachineryFeb．2O14doi：10．134361j．mkjx．201402106基于小波包的短路故障信息細分技術研究段慧芹。李勇(1．信陽供電公司，河南信陽464000；2．信陽供電公司電力經濟技術研究所，河南信陽464000)摘要：故障識別的關鍵是能否足夠地細分故障信息?；谛〔ㄗ儞Q的故障信息提取技術應用較為廣泛．但其只能對低于故障信息采樣頻率1，2的信號進行細分，對高于采樣頻率1／2的故障。信息則無能為力。應用小波
2、包對配電網短路故障信息進行變換．實現(xiàn)了故障信息在整個頻段內的細分．對短路故障特征的詳細分析具有重要意義關鍵詞：采樣頻率；信息提??；小波包中圖分類號：TM31文獻標志碼：A文章編號：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引言平穩(wěn)信號時表現(xiàn)出優(yōu)異性能．但是故障信息為非平配電網由于網絡較為復雜，分布面積廣，常伴穩(wěn)過程，況且故障分析時不僅要求對故障的類型進有偶然故障的發(fā)生，如何快速根據故障信息判斷出行區(qū)分，
6、而且要對故障發(fā)生時刻進行確定。對故障故障類型并及時確定對應的故障恢復策略十分重診斷越來越高的要求迫使很多學者將目光轉移到要。假如不能及時確定故障類型，偶然的局部故障具有時頻分析能力的小波變換上，但是小波變換對將有可能發(fā)展成大面積全局性故障。對故障信息處信號的細分層度還不夠，主要是對低于信號最高頻理的方式目前主要有傅里葉變換、希爾伯特變換和率1／2頻率段的信號進行細分。本文引入小波包對小波變換，傅里葉變換由于缺少時域信息，在分析故障信息進行處理，以期將信號的細分拓展到全頻率最高為89．．29％，測試集準確率最高
7、為80％。以4率。目前研究者對刀具狀態(tài)分類研究大多集中在對種分類器輸出的刀具狀態(tài)為融合器的4維特征向單個分類器的選擇和優(yōu)化中，本文使用的分類器融量輸入。效果如表2所示：訓練集為89．29％，測試集合法可以綜合不同分類器各自的優(yōu)點，為刀具磨損為85％優(yōu)于單個分類器的分類效果。狀態(tài)識別提供了一種新途徑。表2分類效果表參考文獻：[1]董寧娟，趙洪金，高晶波．基于參數(shù)識別和小波包分析的故障特征提取fJ1．噪聲與振動控制，2008(5)：91—94．[2]崔江，王友仁．采用基于模糊推理的分類器融合方法診斷電力電子電路參
8、數(shù)故障[J]．中國電機工程學報，2009，29(18)：54—59．[3]鞠初旭．模糊神經網絡的研究與應用[D]．成都：電子科技大學，2012．[4]楊曉邦，劉景艷，李玉東．模糊神經網絡在提升機制動系統(tǒng)故障5結語診斷中的應用[J]．煤礦機械，2012，33(8)：250—252．[5]朱旭鋒，馬彩文．基于多不變量和多分類器融合的飛機識別[J]．實驗結果表明．多分類器融合分類模型的分類儀器儀表學報，2
