典型文献
用于铁磁谐振过电压故障辨识的VMD参数优化方法研究
文献摘要：
准确辨识铁磁谐振故障可为启动消谐装置提供重要的依据,针对单相接地、弧光接地和铁磁谐振三种过电压故障频率混叠导致数据特征提取困难的问题,提出变分模态分解(Variational Mode Decomposition,VMD,VMD)的优化方法:首先分析各过电压故障信号的特征与区别,指出VMD参数对故障信号分解的影响;再利用 NSGA-Ⅲ(Non-dominated Sorting Genetic AlgorithmⅢ,NSGA-Ⅲ)优化算法对VMD分量个数、惩罚因子等参数组合进行搜索,并依此确定变分模态分解算法的关键参数,利用参数优化变分模态分解算法对故障信号进行处理;最后,利用实际电网参数搭建过电压故障仿真模型,获得各种工况下的故障数据,并对故障信号进行提取,结果表明,利用NSGA-Ⅲ算法进行优化后的VMD在对故障信号进行特征提取,能够清晰的反映不同类型故障的特征,且对数据采样频率不敏感,与原有的VMD算法效果相比,能够更有效应用于各类故障的辨识.
文献关键词：
铁磁谐振;故障特征;特征提取;分模态分解;NSGA-Ⅲ
中图分类号：
作者姓名：
何龙;谭栋;李勇;刘海波;吴伟丽;陈宝旭
作者机构：
国网新疆电力有限公司昌吉供电公司,新疆 昌吉831100;安徽正广电电力技术有限公司,安徽合肥230000;西安科技大学电气与控制工程学院,陕西 西安710054
文献出处：
引用格式：
[1]何龙;谭栋;李勇;刘海波;吴伟丽;陈宝旭-.用于铁磁谐振过电压故障辨识的VMD参数优化方法研究)[J].数学的实践与认识,2022(09):102-114
A类：
B类：
铁磁谐振过电压,过电压故障,故障辨识,VMD,消谐装置,单相接地,弧光接地,种过,故障频率,数据特征,Variational,Mode,Decomposition,故障信号分解,NSGA,Non,dominated,Sorting,Genetic,Algorithm,惩罚因子,数组,依此,变分模态分解算法,故障仿真,故障数据,数据采样,采样频率,不敏,有效应用,故障特征
AB值：
0.278373
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
