小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx

小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx

《小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《小波熵证据的信息融合在电力系统故障诊断中的应用Word文档下载推荐.docx（20页珍藏版）》请在冰豆网上搜索。

文献标识码：

Ａ　

学科分类号：

４０４　７．０

小波熵证据的信息融合在电力系统　故障诊断中的应用　

符　玲　，何正友　，麦瑞坤　，钱清泉　，张鹏２　

（．南交通大学电气工程学院，四川省成都市６０３；

２１１０１．电力系统保护与动态安全监控　教育部重点实验室（华北电力大学），北京市昌平区１２０）０２６　

ＩｆｒａｉｎＦｕｉｎＭｅｈｄｏ　ｎｏｍｔｏ　ｓｏ　ｔｏ　ｆＥｎｔｏｙＥｖｄｅｃｓａ　ｔ　ｒｐ　ｉｎｅ　ｎｄＩｓＡｐｐｉａｉｎｔ　ｌｃｔｏ　ｏ

ＦａｔＤｉｇｏｉ　ｎＰｏｗｅ　ｙｓｅ　ｕｌ　ａｎｓｓｉ　ｒＳｔｍ

Ｆ　ｉｇ，　ｈｎ－ｏ　ＭＡＩｕ—ｕ　ＱＡＮＱｎ－ｕｎ，ＨＡＧ　ｅｇＵＬｎ　ＨＥＺｅｇｙｕ，　ｉｎ，Ｉ　ｉｇｑａ　ＺＮＰｎ　Ｒｋ

（．ｌｇ　ｆＥｅｔｉａ　ｎｉｅｒｇＳｕｈｓＪａｔｎ　ｉｅｓｙＣｈｎｄ　０３，ｉｈａ　ｒｖｎｅＣｈｎ；

１Ｃｏｌｅｏ　ｌｃｒｌｇｎｅｎ，ｏｔｗｅｔｉｏｏｇＵｎｖｒｉ，ｅｇｕ６１０　ＳｃｕｎＰｏｉｃ，ｉａ　ｅｃＥｉ　ｔ１２Ｋｅ　ｂｒｔｒ　ｆｏｒｙｔｍ　ｒｔｃｉｎａｄＤｙａｃＳｃｒｔ　ｎｔｒｇａｄＣｏｔｌＮｏ　ｉａＥｅｔｃＰｗｅ　．ｙＬａｏａｏｙｏ＇ｗｅ　ｓＰｏｅｔ　ｎ　ｎｍｉ　ｅｕｙＭｏｏｎ　ｎ　ｎｒ（ａｈＣｈｎ　ｌｃｒ　ｏｒＰＳｅｏｉｉｉｏｉ

Ｕｉｒｉ）ＭｉｓｙｆｄｃｔｎＣａｇｉｇＤｓｉｔＢｉｎ　０２６Ｃｉａ　ｎｖｓｙ，ｎｔ　　ｕａｉ，ｈｎｐｎ　ｉｒ，ｅｉｇ１２０，ｈｎ）ｅｔｉｒｏＥｏｔｃｊ

ＡＢＳＴＲＡＣＴ：

Ｆｓｎｄｘｃ　ｆｕｔｉｇｏｉ　ｉ　ｐｎｉａ　ａｔ　ａ　ｅａｔａｌ　ｄａｎｓｓｓｒｃｐｉｌ

件、恢复系统正常运行的首要前提，具有重要意义。

该文从　

ｐｅｏｄｔｎｆｓｌｔｇａｌ　ｃｍｐｎｎｓｎ　ｒｓｏｎ　ｒｃｎｉｏ　ｏ　ｉａｉ　ｆｕｔｏｏｅｔ　ａｄｅｔｒｇｉｏｎｙｉ

ｐｏｗｅ　ｙｔｍ，Ｏｉ　ｓｏ　ｒａ　ｍｐｏｔｃ．ａｔｎ　ｒｍ　ｅｙ　ｒｓｓｅＳ　ｔｉ　ｆｇｅｔｉｒａｅＳｔｒｉｇｆｏｔｏｒｎｈ

信息融合的角度出发，出利用多种小波熵测度的融合来解　提

决电力系统故障诊断问题。

小波熵测度由于结合了小波变换　

ｏ　ｎｏｍａｉｎｆｓｏ，ｔｉｐｐｒｐｔｆｒｒｓｔｅｆｓｏ　ｆｆｉｆｒｔ　ｕｉｎｈｓａｅ　ｕ　ｏｗａｄ　ｈ　ｕｉｎｏ　ｏ　ｓｖｒｌｉｅｅｔｖｌｔｎｏｉｓａｄｐｔｔｎｏａｐｉａｉｎｔ　ｅｅａ　ｆｒｎ　ｄｆｗａｅｅ　ｔｐｅ　　ｕ　　ｔ　ｐｌｔ　Ｏｅｒｎｉｉｃｏ

ｆｕｌｄａｎｉ　ｎｐｏｒｓｔｍ．Ｗａｅｅ　ｎｒｐｙＣ　ｉｋ　ｐ　ａｔｉｇｏｓｓｉ　ｗｅ　ｙｓｅ　ｖｌｔｅｔｏ　ａｐｃｕｎｔｅｆｕｌｃｒａｔｒｓｉ　ｕｃｌ　ｄｅａｔｙｂｃｕｅｉ　ｏｂｉｅ　ｈ　ａｔｈａｃｅｔｃｑｉｋｙａ　ｘｃ　ｅａｓ　ｔｃｍｎｓ　ｉｎｌｔｇｅｈｒｈｅｄｖｔｇｓｆＷａｅｌｔＴｒｓｏｒ　ａｄｏｔｅ　ｔ　ａａａｅ　ｏ　ｖｅ　ａｆｍｎ　Ｓｈｎｎｎｎａｎｏ　Ｅｎｒｙ；

ｂ　ｆｕｌｉｇｎｉ　ｂｓｄｔｏｐｕｔａｔａｏｓｓａｅ　ｏｎｙｎｉｇｌ　ｗａｌｔ　ｄｌ　ｏ　ｓｎｅｖｅｅ　ｅｔｏｙｍａ　ａｓ　ｆｃｔｏ　ｎａｃａｅｒｓｌｓｂｃｕｓ　ｆｔｅｎｒｐ　ｙｃｕｅｄｉｕｌｒｉｃｕｒｔ　ｅｕｔ　ｅａｅｏ　　ｉ　ｈ

和信息熵理论的优势，能快速准确地提取线路故障特征，但　

由于故障的不确定性和多样性，依靠单一的小波熵测度诊断　

故障可能出现诊断困难或诊断失真等问题，因此提出采用Ｄ—　ｓ证据理论对多种小波熵进行信息融合，并采用范数加权平均　的方法来建立基本可信度分配，以基本可信数的决策方法来　实现故障模式诊断。

基于ＥＤＭＴＣ和Ｍａａｌｆｂ的仿真证明，该　

方法能提高对故障诊断结果的支持度及故障诊断的准确性和　

ｕｃｒ￣ｎ　ｄｄｖｒｉ　ｆｆｕｔ．ｅｅｏｅｓｖｒｌｉｅｅｔｎｅｔｔａ　ｉｅｓｔｏ　ａｌＴｈｒｆｒ，ｅｅａ　ｆｒｎ　ｙｎｙｓｄ

ｗａｌｔｅｔｏｅ　ｅｆｅ　　ｅＤ—　ｖｉｅｎｅｔｅｒ　ｄｔｅｖｅｅ　ｎｐｉｓａ　ｕｓｄｂｙｔ　Ｓｅｄｃ　ｏａ　　ｒｒｈｈｙｎｈ

实时陛，是故障模式定量诊断的一种可行性新方法。

关键词：

故障诊断；

信息融合；

小波熵；

证据理论；

基本可　

ｂｓｃｐｏａｉｔ　ｓｉｎｎ　ｓｓｔｕ　ｙａｗｅｇｔｄａｅａｅａｉｒｂｂｌａｓｇｍｅｔｉｅ　ｐｂ　　ｉｈｅ　ｖｒｇ　　ｉｙ　

ｍｅｏｄｂａｅ　　ｒ，ｔｅ　　ｅｉｉ—ａｉｇｍｅｈｄ　ｓｄｈｔ　ｓｄｏｎｎｏｍｈｎａｄｃｓｏｎｍｋｎ　ｔｏｂａｅ　ｏ　ｅｂａｉ　ｏｂｂｉｉ　ｕｂｅ　ｓｕｓｄ　Ｏｄａｎｏｅｔｅｆｕｌｓｎｔ　ｓｃｐｒａｌｔｎｍｈｙｒｉ　ｅｔ　ｇｓ　　ａｔ．ｉｈ　ＳｍｕａｉｓｗｉｈＥＭＴＤＣ　ｄＭａｔｂｐｏｖ　ａｔｔｉ　ｉｇｎｉ　ｉｌｔｏｎ　ｔ　ｎａ　ｌ　ｒｅｔ　ｈｓｄａｏｓｓａｈｍｅｏ　Ｃ　ｉｃｅｓ　ｓｐｏ　ｓｅｇｔ　ａｄａ　ｍｐｏｖ　ｔｅｈｔｄｎａｎｒａｅｕｐｒｔｎｈｎ　Ｃｔｒｎｉｒｅｈ　ａｃｒｃ　ｄｈｅｒａ—ｉｅｐｒｏａｃｅｏｆｆｕｌｄｉｇｎｉ　ｎｃｕａｙａ　ｔ　ｅｌｔ　ｆｒｎ　　ａｔａｏｓｓｉ　ｎｍｅｍ　

信度分配　

０引言　　

随着技术的进步，电力系统故障实时诊断取得　

了长足发展，但在线快速准确的故障诊断问题依然　悬而未决。

特别是在系统发生复杂故障或保护和开　关存在较多误动、拒动等不确定情况下，故障诊断　变得更加困难。

　现有的故障诊断系统通常是基于监控和数据采　集系统所提供的保护和开关信息来实现故障诊断［，Ｉ】　

ｐｗｅ　ｙｔｍ，Ｏｉｉａｆａｉｌ　ｔｏ　ｒｆｕｔｉｇｏｉｉ　ｏｒｓｓｅＳ　ｔｓ　ｅｓｂｅｍｅｄｆ　ａｌｄａｎｓｓｎ　　ｈｏ　　ｑａｔｃｔｎ　ｕｉａｉ．ｎｆｉｏＫＥＹ　ＯＲＤＳ：

ｆｕｔｄａｎｓｓｎｏａｉｎｆｓｏ；

ｗａｅｅ　Ｗａｌｉｇｏｉ；

ｉｆｒｔ　ｕｉｎ　ｍｏｖｌｔ

ｅｎ￣ｏｐｙ；

ｖｉｎｅｔｅｒ；

ａｉ　ｏｂｂｉｉｙａｓｇｎｅ　ｅｄｅｃ　ｏｈｙｂｓｃｐｒａｌｔ　ｓｉｍｎｔ

摘要：

电力系统中快速准确的故障诊断是事故后隔离故障元　

基金项目：

国家杰出青年科学基￣（０００９；

四川省杰出青年基　５７０）４

￣（６Ｑ２—１）０Ｚ０６０２；

教育部新世纪优秀人才支持计划项目（ＣＴ０．ＮＥ－６　

０９）　７９。

ＳｉｎｉｃＦｎｓｆｒＯｕｓａｄｎ　Ｙｏｎ　Ｓｉｎｉｔｏ　Ｃｈｎ　ｃｅｔ　ｕｄ　ｏ　ｉｆｔｔｎｉｇｕｇｃｅｔｓｆｓ　ｉａ

但由于电力系统存在的诸多不确定因素，使目前基　于开关和保护信息的诊断方法已不能取得满意的效　果，因此有必要利用新的信息源。

继电保护技术的　进步以及故障录波信息网的建立［使大量录波信息　　

（０００９．５４７０）　

的综合利用成为现实，从而为故障诊断提供了可行　

第１３期　

符

玲等：

小波熵证据的信息融合在电力系统故障诊断中的应用　　

６　５

的信息源——电流、电压等故障电气量。

　由于当电力系统发生故障时，首先是故障元件　的电气量发生变化，其次引起保护动作，最后才动　作相应的开关，因此利用保护和开关信息进行诊断　就不能直接利用故障信息。

另外由于保护和开关的　某些拒动、误动以及信道干扰造成的信息丢失等因　素的影响，使基于保护开关信息的诊断系统诊断正　确率低，常出现诊断无果或诊断错误的情况ＬＪ而　３。

　利用故障录波电气量进行故障诊断能避免继电保护　

因此在表征信号特征时就具有不同的物理意义。

１小波能量熵　．２小波能量熵是对被分析信号在各频段上的能量　

分布作出的一个统计分析，它以小波变换的尺度系　

数为基准对信号能量进行划分，最终以一个定量的　

熵值来反映信号能量在频域上的分布复杂度。

文献［５中定义的小波能量熵算法可以计算任　１１意时间窗内的小波能谱熵，即能根据需求反映某一　时间内被分析信号的能量在各频段上的分布特征，　并且能定量地反映信号能量分布的复杂度。

由于考　虑了时域空间和频率空间的对应关系，小波能谱熵　用于电力故障诊断中故障信号的特征提取，能直观　

过程中的干扰，能直接利用故障信息特别是故障后　的高频暂态分量［７６］－来分析故障。

本文基于故障后的电气信息量，考虑故障高频　

暂态分量的存在，用小波熵来提取故障信号特征。

利　

同时考虑到故障的多样性、不确定性以及故障间联　系的复杂性，凭借单一的故障特征量和诊断方法难　

获得故障信号的能量分布信息，在信息融合的数据　

融合和特征融合阶段达到应有的融合效果。

　１３小波奇异熵　。

奇异值分解（ｎｕａｉ　ａｅｄｃｍｐｓｉｎｓｇｌｒｙｖｌ　ｅｏｏｉｏ，ｉｔｕｔ　

以完成诊断任务，故比较合理地联想到采用信息融　

合技术来进行多征兆信息融合诊断　】。

因此，文　本提出了利用多种不同小波熵来分别提取故障特征量　作为独立证据体，再利用Ｄ．Ｓ证据理论有机地融合　各证据，最后利用基于融合可信数的决策得出故障　诊断结论。

该诊断理论～方面有利于故障特征的准　确提取，另一方面有利于从不确定的故障信息融合　中得到正确的诊断决策，从而提高了电力系统故障　

Ｓ）论能简捷地提取被分析矩阵的基本模态特　ＶＤ理

征，小波奇异熵正是利用ＳＤ理论的该优势来提取　Ｖ

被分析信号的小波变换系数矩阵特征，从而反映被　分析信号的时频分布特征的。

小波奇异熵能定量区分具有不同时频分布的信　号，并且信号越复杂、不确定性越大，量化的小波　

诊断的精度与准确度，并能满足诊断实时性要求。

仿真算例证明了理论推导的正确性及该诊断方法的　可行性。

奇异熵值就越大。

故障信号由于含有丰富的高频暂　

态分量，其在时频空间上的分布复杂度很高，从而　利用小波奇异熵能有效地检测和量化其故障程度。

　１４小波时频熵　．小波时频熵是对被分析信号的小波变换系数矩　

１各类小波熵对故障特征的表征　　

１１小波熵的概念　．小波变换可以在频域和时域同时定位分析非平　稳时变信号，在此基础上定义的各类小波熵是小波　变换和信息熵原理相结合的产物＿】１，它结合了小　　¨

波变换在处理不规则异常信号中的独特优势和信息　

阵，分别从时间和频率的角度进行能量统计分析，　

从而得到２个相关联的熵值：

一个具有频率遍历性，　

反映被分析信号各时刻的频率复杂度；

另一个具有　

时间遍历性，反映被分析信号在各频段上的时间分　

布规律。

因此，对于电力系统中的故障，小波时频　

熵值能直观反映信号在任意时刻和任意频率上的信　息特征，从而实现对信号的分类，在故障检测与诊　断领域具有较好的应用潜力。

　１５小波距离熵　．

熵对信号复杂程度的统计特性，故相对于其它传统　的故障特征表征方式（如频谱、功率谱、谱熵等），　小波熵既可以表征信号复杂度在时域的变化情况，　

也可以表征信号在频域的诸多特征，因此小波熵在　

非平稳时变信号的故障信息表征方面，具有独特的　

优势。

同时，小波熵已经在机械故障诊断等领域获　得了一些成功应用＿”，因此将其引入电力系统故　１Ｊ　障诊断中将具有较好的应用前景＿。

．１　。

文献［４１１　１．６　

小波距离熵考虑了小波变换系数矩阵内部存在　的互信息关系，并参照关联距离的定义，将互信息　

的计算方法引入其中，从而能顾及被分析信号内部　存在的联系和约束，并以距离熵的形式定量地表达　

定义了不同的熵测度来表征不同信号，如小波能量　

熵、小波奇异熵、小波距离熵、小波时频熵等。

由　．于各类小波熵测度是基于不同原理和处理算法的，　

出来。

电力故障信号饱含故障信息，利用小波距离　

熵能有效提取故障信息并反映信息内部的联系，因　此可利用其来提取故障信号的特征。

６　６

第２卷　８

不同小波熵能从不同角度反映故障信号的时频　

式　．Ｋ＝一∑１　（）中　～１－ｍ　　Ｉ　

（　２）

分布统计特征，因此能为故障诊断提供基本前提。

但是由于故障信息存在一定的不确定性和不完备　性，特别是当信息在传送过程中发生错误或损失的　式（）（）ＤＳ证据理论的核心，１、２是—通过它可以　把若干条独立的证据组合起来。

称为冲突因子，　　

情况下，并不是每一类小波熵都能完整地反映信号　

的时频特性。

针对不同类型的信号，不同的小波熵　算法体现出不同的特点和优势，如对于时变信号，　可能小波能量熵更有优势；

而对于频变信号，可能　小波奇异熵更能表征信号特点。

仅依靠某一小波熵　来进行故障诊断虽然也取得了较好的效果［　，但　１］孓针对电力系统这样的复杂系统，采用单一小波熵对　故障信号进行特征提取来诊断故障，就难以应对信　号的不确定和多变性干扰，从而无法保证诊断的正　确性和可靠性；

但如果利用多种小波熵来分析故障　

当Ｋ＜ｏ，表示这若干条证据一致或部分一致，这　。

时可给出证据组合结果；

当Ｋ＝。

，表示这些证　ｏ时

据是完全矛盾的，这时不能用证据理论进行组合。

越大表示证据冲突越严重，在实际应用中，为避　

免违背常理的组合结论出现，通常给　设定一阈　值，当　大于该阈值时，则认为证据冲突过大造成　

组合没有实际意义，因此需要重新寻找证据或采用　修正的Ｄ—Ｓ组合理论【　Ｊ　。

２２基于基本可信度的决策　．基于ＤＳ证据融合的故障决策通常应满足：

故　—

信号，诊断结果又可能出现不一致甚至完全矛盾的　

情况，从而给故障的直观诊断带来新的困难。

因此，　如何找到一种综合的方法来对提取到的多个小波熵　信息进行分析，从而得出可信度较高的诊断结果就　成为问题的关键。

　从信息融合的角度出发，考虑到Ｄ—Ｓ证据组合　

障类别应具有最大的可信度；

某故障类别的可信度　

值与其他类别的可信度值的差必须大于某一阈值［　１　。

因此，设　，ＣＦ，且ｍ（ｌ＝１ｘ　）　　　Ｆ）ｎ【１ａ　（］　

（ＣＦ，ｌ…．，（）　　ｉ，　）＝２　　＝ｍａ［（ｉ（ＣＦ，ｘｍＦ）　］　

．，，．『２．Ｐ且．）若满足条件：

＝１．，『，≠ｉ　

理论所具有的不确定推理融合特征，本文提出了基　于小波熵证据的信息融合方法，通过综合多个证据　

信息，得出可靠的融合结果。

｛１１￡【）　　　　）ｍ一＞（ｍ２Ｆｅ　＞（

至于得到模棱两可的决策。

　２３基于范数加权平均的基本可信度分配　．

（一３）　

则Ｆ即为决策结果，中日和　为根据实际应用预　１其置的阈值，是为了保证对　成立的信任度足够　　大，是为了保证决策结果具有足够的区分度而不　　

２证据融合模型　

２１基本理论　．

定义１设Ｆ为故障诊断的识别框架，且Ｆ包含Ｐ　　类故障状态，若集函数ｍ－２　

Ｆ　ｋ。

＿

【，（　Ｆ的幂　０１２为］

由２１的叙述可知，证据理论的融合是以基本　．可信度分配函数为基础的，因此不同的可信度分配　函数会产生不同的推理模型，从而影响推理模型的　复杂性。

为简化不确定性的推理模型，本文以小波　熵提取得到的信号特征值为基础构造基本可信度分　配函数。

设Ｐ类故障状况对应的ｑ类小波熵构成一　个ｐｑ维的向量　，ｘ则第ｉ故障的第类小波熵对　类

．　

集）满足条件：

￣－且　：

　）１足１，，，　（）０　（＝，＝，．Ｐ　（２．）．

。

ｃ

Ｆ　

其中　表示第ｋ故障状态，ｍ就叫故障识别框　类则架Ｆ上的基本可信度分配；

Ｖ∈２　（）为　　　，　称的基本可信数。

（表征对第ｋ类故障状态不　　　）

确定性的度量或对第ｋ故障状态本身的支持度　类

大小。

应的基本可信度定义为　

㈣　

定义２设嘲，　一是Ｆ上的ｑ基本可信度　ｍ，　类

分配，那么组合后的基本可信度分配为各可信度分　配函数的正交和ｍ＝０ｍ　嘲２０…０　，用公式表　

示为　

（＝０　）　

式中：

ｉｌ…．户１…．；

＝，　；

，，　２２ｑ

为第　类小波熵证　

据体的模糊不确定度，是根据历史经验或统计数据　

来设；

Ｉ第．波熵二范平　定的　：

表示『类小值的数方，

目的是为了通过范数计算来突出各类故障状况下同　类小波熵值之间的距