一种直流牵引网振荡与短路故障辨识方法技术

本发明专利技术适用于电力故障识别技术领域，提供了一种直流牵引网振荡与短路故障辨识方法，包括以下步骤：采集直流牵引网馈线电流信号；对直流牵引网馈线电流信号进行改进经验小波变换分解，得到若干个内涵模态分量(IMF)；计算各IMF的能量和原馈线电流信号的总能量；计算各IMF的能量权重；以能量权重为基础构建分数阶能量熵；确定最佳分数阶因子，特征矢量提取及辨识。本发明专利技术通过采用上述技术，对信号进行更加有效地分解，更好地抑制了模态混叠现象，算法理论性强、分量精确性高；特征量提取准确、自适应性强，有效区分直流牵引网短路故障电流与振荡电流，相较于传统熵特征更具优势，可为直流牵引网馈线主保护算法的升级改造提供技术支撑。支撑。支撑。

【技术实现步骤摘要】
一种直流牵引网振荡与短路故障辨识方法


[0001]本专利技术属于电力故障识别
，尤其涉及一种直流牵引网振荡与短路故障辨识方法。

技术介绍

[0002]直流牵引网馈线保护在保障牵引供电系统安全稳定运行和可靠供电中发挥着至关重要的作用。现阶段，直流牵引网普遍采用DDL(电流上升率di/dt和电流增量ΔI)暂态保护作为馈线主保护，其功能是区分短路故障电流和列车起动电流。然而，由于地铁运力大幅提升、行车间隔缩短、牵引供电再生制动能量利用等原因，致使直流牵引网承载的负荷电流波形突变频发，其中较为典型的低频振荡电流在di/dt和ΔI特征上均与短路故障电流极为相近，极易造成DDL保护频繁误动作，严重影响到地铁的安全运营。直流牵引网发生短路故障和低频振荡时，馈线电流信号具备非线性、非平稳的特性。时频分析方法由于能够同时提供非平稳信号时域和频域的局部信息而被引入到直流牵引网短路故障辨识中，如小波变换、经验模态分解(EMD)和局部均值分解(LMD)等。但是小波变换需要选取基函数和分解层数，缺乏自适应性；EMD存在模态混叠、端点效应、过包络和欠包络等诸多问题；LMD在进行平滑处理时，平滑时间步长无法有效确定最优值，且计算效率低。
[0003]经验小波变换是由GILLES提出的一种新的非线性、非平稳信号处理方法，该方法融合了EMD的自适应特性和小波变换理论的紧支撑框架。其核心思想是对信号的傅里叶频谱进行自适应分割，通过建立合适的正交小波滤波器组，将原始信号分解为若干个含有不同频带特征信息的内涵模态分量，进而实现信号特征提取。EWT理论基础完备，计算量小，还能够克服EMD方法中模态混叠和端点效应的问题，已在多个科学领域得到了应用。然而，EWT在处理复杂信号频谱时易出现过分割或欠分割的问题，导致分解效果不太理想，还需进一步改进和完善。

技术实现思路

[0004]本专利技术的目的在于提供一种直流牵引网振荡与短路故障辨识方法，旨在解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种直流牵引网振荡与短路故障辨识方法，包括以下步骤：1）采集直流牵引网不同运行状态下的馈线电流信号i(t)；2）采用多窗功率谱估计法对经验小波变换进行改进，利用改进后的经验小波变换对直流牵引网馈线电流信号i(t)进行分解，得到不同特征尺度和频带下的n个内涵模态分量IMF；3）计算各IMF的能量E
i
和原馈线电流信号i(t)的总能量E；4）计算各IMF的能量权重P
i
；5）结合广义分数阶熵的定义，以能量权重为基础构建对馈线电流信号不同模态能
量分布敏感的分数阶能量熵；6）确定最佳分数阶因子，计算馈线电流信号的改进经验小波变换分数阶能量熵，并将计算得到的熵值作为反映直流牵引网运行状态的特征矢量。
[0006]进一步的，步骤2）中，所述直流牵引网馈线电流信号i(t)的表达式如下：；其中，c
i
(t)表示第i个IMF。
[0007]进一步的，步骤3）中，所述IMF的能量E
i
和原馈线电流信号i(t)的总能量E的表达式如下：；；其中，n个IMF的能量E
i
之和与原馈线电流信号i(t)的总能量E相等。
[0008]进一步的，步骤4）中，所述各IMF的能量权重P
i
的表达式如下：；其中，。
[0009]进一步的，步骤5）中，所述分数阶能量熵的表达式如下：
[0010]其中，为分数阶因子，满足
‑
1<<1；为伽玛函数，为伽玛函数对数的一阶导数。
[0011]进一步的，所述改进经验小波变换算法的具体实现过程如下：a.对给定信号加多个正交的数据窗分别求直接谱，叠加取平均得到多窗功率谱，将多窗功率谱替代傅里叶频谱作为分割对象，并归一化到范围内；b.将多窗功率谱的支撑区间分割成N个连续、互不交叠的子频带，用表示每个子频带的边界，共有N+1个边界，其中、，确定其余N
‑
1个边界，选取相邻局部极大值之间的最小值所对应的频率作为，并将应用在同维度的原信号傅里叶频谱上；c.构建小波滤波器组；d.定义经验小波变换，信号被分解成N个内涵模态分量。
[0012]进一步的，所述N
‑
1个边界的确定方法为：搜索功率谱的所有局部极大值，假设算法找到的极大值个数为K，将其按从大到小的顺序进行排列；当时，保留前N个极大值；当时，保留所有极大值并对N进行重置，使得。
[0013]进一步的，所述构建小波滤波器组的具体操作为：在每个分割区间上构造经验小波基函数。
[0014]与现有技术相比，本专利技术的有益效果是：1）相较于传统EWT和EMD，改进EWT能够对信号进行更加有效地分解，更好地抑制了模态混叠现象，算法理论性强、分量精确性高，具有明显的优越性；2）特征量提取准确、自适应性强，对于区分直流牵引网短路故障电流与振荡电流效果明显，且无需再结合分类器进一步分类；3）能够有效避免低频振荡电流引起馈线保护频繁误动作的问题，可为直流牵引网馈线主保护算法的升级改造提供技术支撑，具有一定的工程参考价值。
附图说明
[0015]图1为本专利技术的直流牵引网振荡与短路故障辨识方法流程图。
[0016]图2为本专利技术的改进EWT算法流程图。
[0017]图3为本专利技术的仿真信号的改进EWT和传统EWT频谱分割结果图，其中，(a)为改进EWT，(b)为传统EWT。
[0018]图4为本专利技术的仿真信号的改进EWT分解结果图，其中，(a)为IMF C1~ C3，(b)为IMF C4~ C5。
[0019]图5为本专利技术的仿真信号的传统EWT分解结果图，其中，(a)为IMF C1~ C3，(b)为IMF C4~ C5。
[0020]图6为本专利技术的仿真信号的EMD分解结果图，其中，(a)为IMF C1~ C4，(b)为IMF C5~ C6和残余分量。
[0021]图7为本专利技术的短路故障电流和振荡电流的录波波形图，其中，(a)为短路故障电流，(b)为振荡电流。
[0022]图8为本专利技术的短路故障电流的改进EWT分解结果图，其中，(a)为IMF C1~ C3，(b)为IMF C4~ C6。
[0023]图9为本专利技术的振荡电流的改进EWT分解结果图，其中，(a)为IMF C1~ C3，(b)为IMF C4~ C6。
[0024]图10为本专利技术的短路故障电流和振荡电流的分数阶能量熵随分数阶因子变化的关系曲线图。
[0025]图11为本专利技术的改进EWT分数阶能量熵特征散点分布图。
具体实施方式
[0026]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0027]以下结合具体实施例对本专利技术的具体实现进行详细描述。
[0028]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种直流牵引网振荡与短路故障辨识方法，其特征在于，包括以下步骤：1）采集直流牵引网不同运行状态下的馈线电流信号i(t)；2）采用多窗功率谱估计法对经验小波变换进行改进，利用改进后的经验小波变换对直流牵引网馈线电流信号i(t)进行分解，得到不同特征尺度和频带下的n个内涵模态分量IMF；3）计算各IMF的能量E
i
和原馈线电流信号i(t)的总能量E；4）计算各IMF的能量权重；5）结合广义分数阶熵的定义，以能量权重为基础构建对馈线电流信号不同模态能量分布敏感的分数阶能量熵；6）确定最佳分数阶因子，计算馈线电流信号的改进经验小波变换分数阶能量熵，并将计算得到的熵值作为反映直流牵引网运行状态的特征矢量。2.根据权利要求1所述的直流牵引网振荡与短路故障辨识方法，其特征在于，步骤2）中，所述直流牵引网馈线电流信号i(t)的表达式如下：；其中，c
i
(t)表示第i个IMF。3.根据权利要求1所述的直流牵引网振荡与短路故障辨识方法，其特征在于，步骤3）中，所述IMF的能量E
i
和原馈线电流信号i(t)的总能量E的表达式如下：；；其中，n个IMF的能量E
i
之和与原馈线电流信号i(t)的总能量E相等。4.根据权利要求1所述的直流牵引网振荡与短路故障辨识方法，其特征在于，步骤4）中，各所述IMF的能量权重P
i
的表达式如下：；其中...

【专利技术属性】
技术研发人员：华敏，陈剑云，钟汉华，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：