小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx
- 文档编号:17301462
- 上传时间:2022-12-01
- 格式:DOCX
- 页数:20
- 大小:42.07KB
小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx
《小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx(20页珍藏版)》请在冰豆网上搜索。
文献标识码:
A
学科分类号:
404 7.0
小波熵证据的信息融合在电力系统 故障诊断中的应用
符 玲 ,何正友 ,麦瑞坤 ,钱清泉 ,张鹏2
(.南交通大学电气工程学院,四川省成都市603;
21101.电力系统保护与动态安全监控 教育部重点实验室(华北电力大学),北京市昌平区120)026
IfrainFuinMehdo nomto so to fEntoyEvdecsa t rp ine ndIsAppiaint lcto o
FatDigoi nPowe yse ul anssi rStm
F ig, hn-o MAIu—u QANQn-un,HAG egULn HEZegyu, in,I igqa ZNPn Rk
(.lg fEetia niergSuhsJatn iesyChnd 03,iha rvneChn;
1Coleo lcrlgnen,otwetioogUnvri,egu610 ScunPoic,ia ecEi t12Ke brtr forytm rtcinadDyacScrt ntrgadCotlNo iaEetcPwe .yLaoaoyo'we sPoet n nmi euyMoon n nr(ahChn lcr orPSeoiiioi
Uiri)MisyfdctnCagigDsitBin 026Cia nvsy,nt uai,hnpn ir,eig120,hn)etiroEotcj
ABSTRACT:
Fsndxc futigoi i pnia at a eatal dansssrcpil
件、恢复系统正常运行的首要前提,具有重要意义。
该文从
peodtnfsltgal cmpnnsn rson rcnio o iai futooet adetrgionyi
powe ytm,Oi so ra mpotc.atn rm ey rsseS ti fgetiraeStrigfotornh
信息融合的角度出发,出利用多种小波熵测度的融合来解 提
决电力系统故障诊断问题。
小波熵测度由于结合了小波变换
o nomainfso,tipprptfrrstefso ffifrt uinhsae u owad h uino o svrlieetvltnoisadpttnoapiaint eea frn dfwaee tpe u t plt Oerniico
fuldani nporstm.Waee nrpyC ik p atigossi we yse vlteto apcuntefulcratrsi ucl deatybcuei obie h athacetcqikya xc eas tcmns inltgehrhedvtgsfWaeltTrsor adote t aaae o ve afmn Shnnnnano Enry;
b fuligni bsdtoputataossae onynigl walt dl o snevee etoyma as fcto nacaerslsbcus ftenrp ycuediulricurt eut eaeo i h
和信息熵理论的优势,能快速准确地提取线路故障特征,但
由于故障的不确定性和多样性,依靠单一的小波熵测度诊断
故障可能出现诊断困难或诊断失真等问题,因此提出采用D— s证据理论对多种小波熵进行信息融合,并采用范数加权平均 的方法来建立基本可信度分配,以基本可信数的决策方法来 实现故障模式诊断。
基于EDMTC和Maalfb的仿真证明,该
方法能提高对故障诊断结果的支持度及故障诊断的准确性和
ucr ̄n ddvri ffut.eeoesvrlieetnetta iesto alThrfr,eea frn ynysd
waltetoe efe eD— vieneter dtevee npisa usdbyt Sedc oa rrhhynh
实时陛,是故障模式定量诊断的一种可行性新方法。
关键词:
故障诊断;
信息融合;
小波熵;
证据理论;
基本可
bscpoait sinn sstu yawegtdaeaeairbblasgmetie pb ihe vrg iy
meodbae r,te eii—aigmehd sdht sdonnomhnadcsonmkn tobae o ebai obbii ube susd Odanoetefulsnt scpraltnmhyri et gs at.ih SmuaiswihEMTDC dMatbpov atti igni ilton t na l ret hsdaossahmeo C ices spo segt ada mpov tehtdnanraeuprtnhn Ctrnireh acrc dhera—ieproaceoffuldigni ncuaya t elt frn ataossi nmem
信度分配
0引言
随着技术的进步,电力系统故障实时诊断取得
了长足发展,但在线快速准确的故障诊断问题依然 悬而未决。
特别是在系统发生复杂故障或保护和开 关存在较多误动、拒动等不确定情况下,故障诊断 变得更加困难。
现有的故障诊断系统通常是基于监控和数据采 集系统所提供的保护和开关信息来实现故障诊断[,I】
pwe ytm,Oiiafail to rfutigoii orsseS ts esbemedf aldanssn ho qatctn uiai.nfioKEY ORDS:
futdanssnoainfso;
waee Waligoi;
ifrt uin movlt
en ̄opy;
vineter;
ai obbiiyasgne edec ohybscpralt simnt
摘要:
电力系统中快速准确的故障诊断是事故后隔离故障元
基金项目:
国家杰出青年科学基 ̄(0009;
四川省杰出青年基 570)4
 ̄(6Q2—1)0Z0602;
教育部新世纪优秀人才支持计划项目(CT0.NE-6
09) 79。
SinicFnsfrOusadn Yon Sinito Chn cet ud o ifttnigugcetsfs ia
但由于电力系统存在的诸多不确定因素,使目前基 于开关和保护信息的诊断方法已不能取得满意的效 果,因此有必要利用新的信息源。
继电保护技术的 进步以及故障录波信息网的建立[使大量录波信息
(0009.5470)
的综合利用成为现实,从而为故障诊断提供了可行
第13期
符
玲等:
小波熵证据的信息融合在电力系统故障诊断中的应用
6 5
的信息源——电流、电压等故障电气量。
由于当电力系统发生故障时,首先是故障元件 的电气量发生变化,其次引起保护动作,最后才动 作相应的开关,因此利用保护和开关信息进行诊断 就不能直接利用故障信息。
另外由于保护和开关的 某些拒动、误动以及信道干扰造成的信息丢失等因 素的影响,使基于保护开关信息的诊断系统诊断正 确率低,常出现诊断无果或诊断错误的情况LJ而 3。
利用故障录波电气量进行故障诊断能避免继电保护
因此在表征信号特征时就具有不同的物理意义。
1小波能量熵 .2小波能量熵是对被分析信号在各频段上的能量
分布作出的一个统计分析,它以小波变换的尺度系
数为基准对信号能量进行划分,最终以一个定量的
熵值来反映信号能量在频域上的分布复杂度。
文献[5中定义的小波能量熵算法可以计算任 11意时间窗内的小波能谱熵,即能根据需求反映某一 时间内被分析信号的能量在各频段上的分布特征, 并且能定量地反映信号能量分布的复杂度。
由于考 虑了时域空间和频率空间的对应关系,小波能谱熵 用于电力故障诊断中故障信号的特征提取,能直观
过程中的干扰,能直接利用故障信息特别是故障后 的高频暂态分量[76]-来分析故障。
本文基于故障后的电气信息量,考虑故障高频
暂态分量的存在,用小波熵来提取故障信号特征。
利
同时考虑到故障的多样性、不确定性以及故障间联 系的复杂性,凭借单一的故障特征量和诊断方法难
获得故障信号的能量分布信息,在信息融合的数据
融合和特征融合阶段达到应有的融合效果。
13小波奇异熵 。
奇异值分解(nuai aedcmpsinsglryvl eooio,itut
以完成诊断任务,故比较合理地联想到采用信息融
合技术来进行多征兆信息融合诊断 】。
因此,文 本提出了利用多种不同小波熵来分别提取故障特征量 作为独立证据体,再利用D.S证据理论有机地融合 各证据,最后利用基于融合可信数的决策得出故障 诊断结论。
该诊断理论~方面有利于故障特征的准 确提取,另一方面有利于从不确定的故障信息融合 中得到正确的诊断决策,从而提高了电力系统故障
S)论能简捷地提取被分析矩阵的基本模态特 VD理
征,小波奇异熵正是利用SD理论的该优势来提取 V
被分析信号的小波变换系数矩阵特征,从而反映被 分析信号的时频分布特征的。
小波奇异熵能定量区分具有不同时频分布的信 号,并且信号越复杂、不确定性越大,量化的小波
诊断的精度与准确度,并能满足诊断实时性要求。
仿真算例证明了理论推导的正确性及该诊断方法的 可行性。
奇异熵值就越大。
故障信号由于含有丰富的高频暂
态分量,其在时频空间上的分布复杂度很高,从而 利用小波奇异熵能有效地检测和量化其故障程度。
14小波时频熵 .小波时频熵是对被分析信号的小波变换系数矩
1各类小波熵对故障特征的表征
11小波熵的概念 .小波变换可以在频域和时域同时定位分析非平 稳时变信号,在此基础上定义的各类小波熵是小波 变换和信息熵原理相结合的产物_】1,它结合了小 ¨
波变换在处理不规则异常信号中的独特优势和信息
阵,分别从时间和频率的角度进行能量统计分析,
从而得到2个相关联的熵值:
一个具有频率遍历性,
反映被分析信号各时刻的频率复杂度;
另一个具有
时间遍历性,反映被分析信号在各频段上的时间分
布规律。
因此,对于电力系统中的故障,小波时频
熵值能直观反映信号在任意时刻和任意频率上的信 息特征,从而实现对信号的分类,在故障检测与诊 断领域具有较好的应用潜力。
15小波距离熵 .
熵对信号复杂程度的统计特性,故相对于其它传统 的故障特征表征方式(如频谱、功率谱、谱熵等), 小波熵既可以表征信号复杂度在时域的变化情况,
也可以表征信号在频域的诸多特征,因此小波熵在
非平稳时变信号的故障信息表征方面,具有独特的
优势。
同时,小波熵已经在机械故障诊断等领域获 得了一些成功应用_”,因此将其引入电力系统故 1J 障诊断中将具有较好的应用前景_。
.1 。
文献[411 1.6
小波距离熵考虑了小波变换系数矩阵内部存在 的互信息关系,并参照关联距离的定义,将互信息
的计算方法引入其中,从而能顾及被分析信号内部 存在的联系和约束,并以距离熵的形式定量地表达
定义了不同的熵测度来表征不同信号,如小波能量
熵、小波奇异熵、小波距离熵、小波时频熵等。
由 .于各类小波熵测度是基于不同原理和处理算法的,
出来。
电力故障信号饱含故障信息,利用小波距离
熵能有效提取故障信息并反映信息内部的联系,因 此可利用其来提取故障信号的特征。
6 6
第2卷 8
不同小波熵能从不同角度反映故障信号的时频
式 .K=一∑1 ()中 ~1-m I
( 2)
分布统计特征,因此能为故障诊断提供基本前提。
但是由于故障信息存在一定的不确定性和不完备 性,特别是当信息在传送过程中发生错误或损失的 式()()DS证据理论的核心,1、2是—通过它可以 把若干条独立的证据组合起来。
称为冲突因子,
情况下,并不是每一类小波熵都能完整地反映信号
的时频特性。
针对不同类型的信号,不同的小波熵 算法体现出不同的特点和优势,如对于时变信号, 可能小波能量熵更有优势;
而对于频变信号,可能 小波奇异熵更能表征信号特点。
仅依靠某一小波熵 来进行故障诊断虽然也取得了较好的效果[ ,但 1]孓针对电力系统这样的复杂系统,采用单一小波熵对 故障信号进行特征提取来诊断故障,就难以应对信 号的不确定和多变性干扰,从而无法保证诊断的正 确性和可靠性;
但如果利用多种小波熵来分析故障
当K<o,表示这若干条证据一致或部分一致,这 。
时可给出证据组合结果;
当K=。
,表示这些证 o时
据是完全矛盾的,这时不能用证据理论进行组合。
越大表示证据冲突越严重,在实际应用中,为避
免违背常理的组合结论出现,通常给 设定一阈 值,当 大于该阈值时,则认为证据冲突过大造成
组合没有实际意义,因此需要重新寻找证据或采用 修正的D—S组合理论【 J 。
22基于基本可信度的决策 .基于DS证据融合的故障决策通常应满足:
故 —
信号,诊断结果又可能出现不一致甚至完全矛盾的
情况,从而给故障的直观诊断带来新的困难。
因此, 如何找到一种综合的方法来对提取到的多个小波熵 信息进行分析,从而得出可信度较高的诊断结果就 成为问题的关键。
从信息融合的角度出发,考虑到D—S证据组合
障类别应具有最大的可信度;
某故障类别的可信度
值与其他类别的可信度值的差必须大于某一阈值[ 1 。
因此,设 ,CF,且m(l=1x ) F)n【1a (]
(CF,l….,() i, )=2 =ma[(i(CF,xmF) ]
.,,.『2.P且.)若满足条件:
=1.,『,≠i
理论所具有的不确定推理融合特征,本文提出了基 于小波熵证据的信息融合方法,通过综合多个证据
信息,得出可靠的融合结果。
{11£【) )m一>(m2Fe >(
至于得到模棱两可的决策。
23基于范数加权平均的基本可信度分配 .
(一3)
则F即为决策结果,中日和 为根据实际应用预 1其置的阈值,是为了保证对 成立的信任度足够 大,是为了保证决策结果具有足够的区分度而不
2证据融合模型
21基本理论 .
定义1设F为故障诊断的识别框架,且F包含P 类故障状态,若集函数m-2
F k。
_
【,( F的幂 012为]
由21的叙述可知,证据理论的融合是以基本 .可信度分配函数为基础的,因此不同的可信度分配 函数会产生不同的推理模型,从而影响推理模型的 复杂性。
为简化不确定性的推理模型,本文以小波 熵提取得到的信号特征值为基础构造基本可信度分 配函数。
设P类故障状况对应的q类小波熵构成一 个pq维的向量 ,x则第i故障的第类小波熵对 类
.
集)满足条件:
 ̄-且 :
)1足1,,, ()0 (=,=,.P (2.).
。
c
F
其中 表示第k故障状态,m就叫故障识别框 类则架F上的基本可信度分配;
V∈2 ()为 , 称的基本可信数。
(表征对第k类故障状态不 )
确定性的度量或对第k故障状态本身的支持度 类
大小。
应的基本可信度定义为
㈣
定义2设嘲, 一是F上的q基本可信度 m, 类
分配,那么组合后的基本可信度分配为各可信度分 配函数的正交和m=0m 嘲20…0 ,用公式表
示为
(=0 )
式中:
il….户1….;
=, ;
,, 22q
为第 类小波熵证
据体的模糊不确定度,是根据历史经验或统计数据
来设;
I第.波熵二范平 定的 :
表示『类小值的数方,
目的是为了通过范数计算来突出各类故障状况下同 类小波熵值之间的距
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 小波熵 证据 信息 融合 电力系统 故障诊断 中的 应用