[论文解读] Detection of Faults in Power System Using Wavelet Transform and Independent Component Analysis

P. K. Ray, Basanta K. Panigrahi+3 more|arXiv (Cornell University)|Jan 1, 2016

Fault Detection and Control Systems被引用 6

一句话总结

本文提出一种结合小波变换（WT）与独立分量分析（ICA）的混合故障检测方法，用于电力系统。WT通过时频分析识别故障起始，而ICA计算性能指标以检测扰动；该方法在噪声、频率变化及谐波条件下均表现出鲁棒的故障检测能力，其基于能量的故障判别性能优于傅里叶变换（FT）与短时傅里叶变换（STFT）。

ABSTRACT

Uninterruptible power supply is the main motive of power utility companies that motivate them for identifying and locating the different types of faults as quickly as possible to protect the power system prevent complete power black outs using intelligent techniques. Thus, the present research work presents a novel method for detection of fault disturbances based on Wavelet Transform (WT) and Independent Component Analysis (ICA). The voltage signal is taken offline under fault conditions and is being processed through wavelet and ICA for detection. The time-frequency resolution from WT transform detects the fault initiation instant in the signal. Again, a performance index is calculated from independent component analysis under fault condition which is used to detect the fault disturbance in the voltage signal. The proposed approach is tested to be robust enough under various operating scenarios like without noise, with 20-dB noise and variation in frequency. Further, the detection study is carried out using a performance index, energy content, by applying the existing Fourier transform (FT), short time Fourier transform (STFT) and the proposed wavelet transform. Fault disturbances are detected if the energy calculated in each scenario is greater than the corresponding threshold value. The fault detection study is simulated in MATLAB/Simulink for a typical power system.

研究动机与目标

• 开发一种可在噪声、频率波动及谐波条件下可靠运行的电力系统故障检测方法。
• 利用小波变换（WT）的时频局部化特性，实现故障起始时间的精确检测。
• 采用独立分量分析（ICA）提取能可靠指示故障扰动的性能指标。
• 从能量含量与故障检测精度两方面，将所提出的WT-ICA方法与传统变换（FT与STFT）进行比较。
• 通过MATLAB/Simulink仿真验证方法在多种故障场景（包括AG、AB与ABCG故障）下的有效性。

提出的方法

• 采用连续小波变换（CWT）对并网风电系统公共耦合点（PCC）的电压信号进行处理，母小波选用Daubechies 4（db4）。
• WT通过低通与高通滤波器将信号分解为近似系数（a）与细节系数（d），实现多分辨率时频分析。
• 基于处理后的信号计算ICA性能指标，以检测指示故障发生的突变。
• 利用FT、STFT与WT计算变换后信号的能量含量，WT输出能量越高，表明故障可检测性越强。
• 通过将能量含量与阈值比较实现故障检测；所提方法的能量值高于FT与STFT。
• 在2 kHz采样频率下，于正常、噪声（20 dB）及频率波动条件下进行MATLAB/Simulink仿真。

实验结果

研究问题

• RQ1 小波变换能否准确检测电力系统电压信号中故障扰动的起始时间？
• RQ2 在20 dB信噪比（SNR）的噪声条件下，所提出的WT-ICA方法相较于传统变换的性能如何？
• RQ3 基于ICA的性能指标是否能可靠检测故障，而无需依赖固定阈值，特别是在暂态过程中？
• RQ4 经WT处理的信号能量含量是否高于FT与STFT，从而提升故障检测灵敏度？
• RQ5 频率变化对所提方法的故障检测性能有何影响，相较于现有技术表现如何？

主要发现

• 小波变换成功以高精度检测到故障起始，如图3–5所示的电压信号波形与WT输出所示，故障起始于约0.065 s。
• 基于ICA的性能指标在故障发生瞬间（约0.065 s）出现显著上升，故障前接近零值，实现无需固定阈值的可靠检测。
• 在20 dB噪声条件下，所提方法保持鲁棒性，ICA能有效区分故障与噪声引起的扰动。
• WT处理后信号的能量含量在所有故障类型下均高于FT与STFT，其中三相接地（ABC）故障的能量值最高，达4.2431。
• 所提方法在故障检测精度上优于FT与STFT，表现为更高的能量含量及性能指标中更清晰的故障特征。
• WT与ICA的结合提供了一种可靠且抗噪声的故障检测方案，即使在频率变化条件下仍表现稳健，展现出在复杂运行场景下的优越性能。