基于VMD模糊熵与GG聚类的直流配电网故障检测方法

扫码查看

原文链接

万方数据
维普

中文摘要：针对直流配电网存在的故障信号难以提取、不易对各类故障进行诊断等问题,提出一种基于变分模态分解(VMD)模糊熵与Gath-Geva(GG)聚类的故障检测方法.首先,提取出暂态电流,采用VMD算法将故障暂态电流分解成若干个固有模态分量(IMF).然后,分别计算分解得到的若干个IMF的模糊熵,将其作为特征向量.最后,采用GG聚类算法对故障特征的特征向量进行聚类识别.GG聚类的主要算法为将聚类样本划分为c类,设出隶属度矩阵,通过设定迭代来计算聚类中心与最大似然估计距离,更新隶属度矩阵,当隶属度矩阵满足条件矩阵时终止迭代,从而实现对单极故障、极间故障以及区外交流侧接地故障的聚类识别.仿真结果表明,所提保护方案可靠性强、准确率高,在不同故障类型、故障位置和过渡电阻等工况下均能可靠检测直流线路故障并准确识别故障类型,且具备一定的抗干扰能力.

外文标题：Fault detection method for DC distribution network based on VMD fuzzy entropy and GG clustering

外文关键词：

DC distribution networkthe transient currentvariational mode decompositionfuzzy entropyGath-Geva clusteringfault detection

作者：

韦延方、王志杰、王鹏、曾志辉、王晓卫

展开 >

作者单位：

河南理工大学电气工程与自动化学院,河南焦作454003

河南理工大学河南省煤矿装备智能检测与控制重点实验室,河南焦作454003

国网河南省电力公司科学研究院,河南郑州450052

西安理工大学电气工程学院,陕西西安710000

展开 >

关键词：

直流配电网故障暂态电流变分模态分解模糊熵 Gath-Geva聚类故障检测

基金：

国家自然科学基金河南省矿山电力电子装置与控制创新型科技团队项目

项目编号：

61703144CXTD2017085

出版年：

2024

DOI：

10.15938/j.emc.2024.02.013

电机与控制学报

哈尔滨理工大学

电机与控制学报

CSTPCD北大核心

影响因子：1.014

ISSN：1007-449X

年,卷(期)：2024.28(2)

参考文献量29