基于小波奇异值和支持向量机的高压线路故障诊断.pdf

《基于小波奇异值和支持向量机的高压线路故障诊断.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第6期电力系统保护与控制Vb1．38NO．62010年3月16日PowerSystemProtectionandControlMar．16．2010基于小波奇异值和支持向量机的高压线路故障诊断高彩亮，廖志伟，岳苓，黄少先(华南理工大学电力学院，广东广州510640)摘要：提出了基于小波奇异值(wsv)和支持向量机(SVM)的电力系统故障类型识别的新方法。利用WSV来量化故障特征，再与SVM结合进行故障类型识别。对故障线路三相电流信号进行小波包变换分解，获取故障信号的小波细节系数；利用相重构技术将小波细节系数向量形

2、成系数矩阵，并对该矩阵作奇异值分解，获取小波奇异值；将小波奇异值向量输入到SVM分类器进行故障类型识别。仿真表明，对于不同的故障类型，其小波奇异值分布明显不同，而对于同一类型故障，其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性。SVM具有训练样本少、训练时间短、识别率高等优点。关键词：小波分析；奇异值分解；小波奇异值；支持向量机FaultdiagnosisofHVtransmissionlinesbasedonwaveletsingularvalueandsupportvectormachineGA

3、OCai·liang，LIAOZhi-wei，YUELing,HUANGShao—xian(SouthChinaUniversityofTechnology,Guangzhou510640，China)Abstract：Basedonthewaveletsingularvalue(WSV)andsupportvectormachines(SVM)，anewfaultdiagnosismethodinHVtransmissionlinesisproposed．Thenewmethoduseswaveletsingularv

4、aluetoquantifythefaultsignatureandcombinesitwithsupportvectormachinesforthefaulttypeidentification．Firstofal1．usingwavelettodecomposethethree-phasefaultcurrentandobtainthewaveletdetmlcoeficientofthefaultsigna1．Secondly，accordingtothephasespacereconstructiontheory

5、，formingthecoeficientmatrixwiththewaveletdetailcoeficientandobtainingthewaveletsingularvaluebyusingsingularvaluedecomposkiontothecoeficientmatrix．Thirdly，inputingthewaveletsingularvalueintotheSVMclassifierandidentifyingthefaulttype．Thesimulationresultsshowthatthe

6、waveletsingularvaluedistributionisobviouslydifferenttodiferentfaults，andtothesamefaults，thewaveletsingularvaluedistributionissimilarunderdiferentfaulttransitionresistanceandlocation．SVMhastheadvantagesoflesstrainingsamples，shorttrainingtimeandhighrecognitionrate．

7、Keywords：waveletanalysis；singularvaluedecomposition；waveletsingularvalue；supportvectormachines中图分类号：TM711文献标识码：A文章编号：1674．3415(2010)06—0035-05是把小波系数向量通过某种重构技术形成矩阵，通0引言过对该矩阵的奇异值分解得到奇异值ll，该奇异值正确的故障类型识别是高压输电线路保护中自文中就称为小波奇异值。由于小波分析提取故障特动重合闸的重要前提，如距离保护需要准确的故障征的过程中受Nd,

8、波基和分解层数的选取的影响较选相；新型行波保护、暂态量保护也离不开故障选大，不利于故障类型的识别。所以本文就在小波分相。因此，快速准确的线路故障类型识别具有重要析的基础上，对小波分解系数做进一步的处理，以意义。故障类型识别包括故障特征提取和根据故障减小小波基和分解层数对小波分析的影响。于是就特征进行分类。线路发生故障