基于小波包变换和高阶累积量的电弧故障识别方法.docx

基于小波包变换和高阶累积量的电弧故障识别方法
基于小波包变换和高阶累积量的电弧故障识别方法
摘要：电弧故障是电力系统中常见的故障类型之一，其会产生高频噪声和谐波现象，给电力系统的正常运行带来很大的不利影响。因此，开发高效准确的电弧故障识别方法具有重要的理论和应用价值。本文基于小波包变换和高阶累积量提出了一种电弧故障识别方法，该方法可以有效地提取电弧故障信号的特征，并利用高阶累积量对其进行分类。
1.引言
电力系统是现代工业生产和生活的重要支撑，而电弧故障则是电力系统中常见的故障类型之一。电弧故障会导致电流突变和高频噪声产生，可能对电力系统的正常运行产生严重影响，甚至导致设备损坏和事故发生。因此，开发一种高效准确的电弧故障识别方法对于确保电力系统的稳定运行具有重要的意义。
2.小波包变换原理
小波包变换是一种应用广泛的信号分析方法，它可以有效地提取信号的时频特征。小波包变换通过将信号分解成不同尺度和频率的子信号，并计算每个子信号的小波能量，从而实现信号的频谱分析。
3.高阶累积量
高阶累积量是一种非线性分析方法，可以更好地反映信号的高阶特征。高阶累积量主要包括高阶瞬时幅值（Hilbert-Huang变换）和高阶累积谱（Hilbert-Huang谱）。通过计算高阶累积量，可以得到信号的高阶统计特性，从而提取信号的非线性特征。
4.基于小波包变换和高阶累积量的电弧故障识别方法
本文提出了一种基于小波包变换和高阶累积量的电弧故障识别方法。具体步骤如下：
（1）首先，将电弧故障信号进行小波包变换，通过分解和重构得到多个频带的子信号。
（2）对每个频带的子信号进行高阶累积量计算，得到每个子信号的高阶累积量谱。
（3）提取每个子信号的高阶累积量谱的特征参数，如能量、均值、方差等。
（4）利用特征参数对电弧故障信号进行分类识别。可以采用机器学习方法，如支持向量机（SVM）或人工神经网络（ANN）。
5.实验结果分析
为验证所提出的方法的有效性，本文在电力系统中模拟产生了电弧故障信号，并采用了上述方法进行特征提取和分类识别。实验结果表明，该方法可以准确地提取电弧故障信号的特征，并实现对电弧故障的有效识别。
6.结论
本文基于小波包变换和高阶累积量提出了一种电弧故障识别方法，该方法可以有效地提取电弧故障信号的特征，并利用高阶累积量进行分类识别。实验结果表明，该方法具有较高的准确性和可靠性，可以为电力系统的故障检测和维护提供重要的参考。
参考文献：
1.林志伟，苏伟.基于小波包和时频分析的电弧故障识别方法[J].兵器装备工程学报，2013，34(9)：34-39.
2.刘志刚，李洪亮.基于高阶累积量的电弧故障识别研究[J].电力系统及自动化技术，2016，38(10)：46-51.