基于aok tfr理论的电力系统暂态信号分析新方法 power system transient signal analysis based on aok tfr.pdfVIP

第28卷第5期 电力自动化设备 V01．28No．5 ElectricAutomation 2008年5月 Power Equipment May2008@ 基于AOKTFR理论的电力系统 暂态信号分析新方法 金国彬，李玲，黄绍平，李靖 (湖南工程学院电气与信息工程系，湖南湘潭411104) 摘要：提出一种基于自适应最优核时频分布(AOKTFR)理论的电力系统暂态信号特征分析新方法。 该方法首先对信号求取模糊函数．并在模糊域采用自适应最优高斯核函数抑制交叉项．然后求模糊 函数的二维傅里叶变换，从而得到仅有自项分量的时频分布．并在此基础上实现时频平面脊信息的 提取。分别以绕线式异步电动机转子绕组单相开焊故障和变压器内部、外部故障的区分为例进行仿 真。仿真结果表明：该方法适用于多分量、时变的非平稳信号的分析，具有很好的时频聚集性、强自 适应性和抗噪声性能，且不受交叉项的影响：脊信息的提取进一步提高了时频分辨率。 关键词：AOKTFR：脊；电力系统；暂态信号：频谱重排 712 中图分类号：TM711；TM 文献标识码：A 时频分辨率．并在时频平面进行脊信息的提取。从 0引言 而以很高的时频分辨率获取并确定故障中的特征 随着电力系统非线性元件的大量应用及电力系 量。该方法为电力系统中故障的识别方法提供了改 统网络连接的更加复杂化．一旦电网中发生故障则 进的依据。文中分别针对绕线式异步电动机转子绕 故障电压、电流信号将会叠加多个非线性元件的暂 组单相开焊故障检测和变压器内部、外部故障的区 态信息。因此，故障类型的判断与识别变得更加困 分为例进行仿真。仿真结果表明了该方法的有效性。 难。事实上．实现故障识别的关键在于特征量的确 1 自适应最优核时频分布 定与提取[1．7】。 目前已有的故障识别方法主要考虑2种特征量 1．1最优核时频分布 的确定方式：一种是基于时域信号的特征或基于时 AOK 域信号的相关参数的特征．如变压器励磁涌流的相 的时频分析理论。采用经典的Wigner—Ville分布分 移比较鉴别方法f8】、基于电压、电流微分波形特性的 析单频率分量信号时表现出非常高的时频分辨率． 变压器保护新原理[引、基于变压器励磁涌流和故障 但是分析多频率分量信号时会表现出严重的交叉 电流波形特点的故障识别方法[10]、利用电流行波进 项．影响信号分量自项的识别．于是提出一系列改进 行超高压输电线路故障类型识别的研究f11]等方法： 的Wigner．Ville分布．统一表示为 另一种思路是．将时域信号变换到频域，然后在频域 内获取并确定其特征量．如基于Relax频谱分析方 ∞，to)=f二Mp+手P0一手)× 法的鼠笼式异步电动机转子故障诊断[1：1、基于瞬时 f dOd 面(f一0，r)e-j,or (1-) 功率信号频谱分析的鼠笼式异步电动机转子故障在 式中z(t)是待分析信号；咖(t一0，l-)是低通的核函 线诊断方法[13】、频域法在牵引网故