随机共振-固有时间尺度分解在故障行波检测中的应用

"基于SR-ITD的故障行波检测方法" 电力系统中，故障定位的准确性对于快速恢复供电和保障电网稳定至关重要。行波信号分析是实现这一目标的关键技术之一，因为它能提供有关故障发生位置和性质的宝贵信息。然而，实际变电站环境中，行波信号往往受到强烈的噪声干扰，这使得信号检测变得极具挑战性。 传统的行波检测方法，如小波变换和希尔伯特-黄变换（HHT），虽然能在一定程度上提取行波信号，但都存在局限性。小波变换依赖于人工选择的小波基和分解层数，缺乏自适应性，可能导致多点检测结果不一致。HHT则能自适应地分析信号，但面临模态混叠和端点效应的问题。 固有时间尺度分解（ITD）作为另一种信号处理方法，能够自适应地分解行波信号，避免过包络和欠包络的问题，减少端点效应的影响，尤其适合检测行波信号的波头部分。然而，当面对复杂的电磁噪声环境时，即便是ITD也可能无法保证信号的精确检测。 为了解决上述问题，本文提出了一种结合随机共振（SR）与固有时间尺度分解（ITD）的新型检测方法——SR-ITD。随机共振是一种非线性现象，它能够利用噪声来增强弱信号的可检测性。通过将含噪声的行波信号输入到随机共振系统中，可以显著提升信号的信噪比。随后，利用ITD对经过随机共振处理的信号进行分析，可以更准确地提取出故障行波的特征信息，从而在强噪声环境下提升故障定位的准确性和行波保护的可靠性。 随机共振的基本思想是模拟一个过阻尼的布朗粒子在双稳态势阱中的行为。势函数V(x)由两部分组成：一个二次项表示粒子的摩擦力，一个四次项描述势阱的形状。当粒子在噪声的作用下穿越势阱时，弱信号可能会被放大，从而变得更容易被检测到。 结合随机共振与ITD的优势，本文提出的方法能够有效地应对变电站内部的复杂噪声环境，提供更可靠的行波信号检测结果。这一创新方法不仅有助于提升故障定位的精度，还能增强电力系统在异常情况下的稳定性，对电力自动化设备的故障诊断和保护策略具有重要的实践意义。