[发明专利]利用EMD与神经网络的永富直流换相失败故障诊断方法在审
| 申请号： | 201910672418.X | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110501603A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 陈仕龙;杨鸿雁;严增伟;毕贵红;刘浩;高晗;王志萍;庄启康;蔡潇;蒲娴怡;王凯 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G01R31/02 | 分类号： | G01R31/02;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种利用EMD与神经网络的永富直流换相失败故障诊断方法，属于高压直流输电系统继电保护技术领域。换相失败是直流输电系统中一种常见故障，会导致电流电压发生突变，给直流系统的安全稳定运行带来严重威胁。本方法提取了逆变侧直流电流信号进行相模变换，再用经验模态分解(EMD)方法对电流信号的线模分量进行分解得到n个本征模态函数(IMF)分量，通过求取IMF分量的近似熵和样本熵，并将得到的熵值归一化后作为特征向量与神经网络相结合，建立神经网络分类器用来识别换相失败与线路故障。通过大量仿真实验得出：该故障诊断方法能快速有效识别出故障。 | ||
| 搜索关键词： | 故障诊断 神经网络 失败 高压直流输电系统 神经网络分类器 本征模态函数 继电保护技术 经验模态分解 直流电流信号 直流输电系统 安全稳定 电流电压 电流信号 方法提取 仿真实验 特征向量 线路故障 线模分量 相模变换 有效识别 直流系统 归一化 近似熵 逆变 突变 样本 分解 威胁 | ||
【主权项】：
1.一种利用EMD与神经网络的永富直流换相失败故障诊断方法，其特征在于：包括如下步骤:/nA、分别提取逆变侧交流系统单相接地、逆变侧交流系统两相短路、逆变侧交流系统两相接地、逆变侧交流系统三相接地、系统正常状态及直流输电线路故障六种不同下的逆变侧直流电流信号，并对提取的信号进行相模分解，然后选取故障电流的线模分量进行EMD分解，得到从高频到低频的相对平稳的6个本征模态函数IMF分量；/nB、计算IMF2～IMF5分量的近似熵和样本熵，并将计算结果进行归一化处理，将归一化以后的熵值分别组成近似熵特征向量
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910672418.X/，转载请声明来源钻瓜专利网。
