公开(公告)号：CN106405237B

公开(公告)日：2018-10-02

申请号：CN201610784072.9

申请日：2016-08-31

Applicant: 长沙理工大学

Inventor： 肖辉 ,  曾林俊 ,  江维 ,  曾祥君 ,  吴学斌 ,  罗威 ,  贺辉 ,  席燕辉

IPC: G01R23/165

Abstract: 一种应用于多通道电力系统信号中的低频振荡模式识别的分析方法，该方法是先获取多通道电力系统低频振荡时的振荡源信号，再将振荡源信号用独立分量分析算法(ICA)进行分离，使多通道的时变信号分离成相互独立的统计独立分量，消除非周期噪声，然后通过粒子滤波算法对其进行参数估计，得到系统的最优参数估计值，最后与最初获取的振荡源信号进行拟合，通过拟合误差的大小确定低频振荡模式的各个参数是否正确，从而辨识出各通道低频振荡信号的模式。本方法将独立分量分析算法与粒子滤波算法相结合地进行分析，能提高多通道系统分析的可靠性以及精确度。

公开(公告)号：CN113821978B

公开(公告)日：2024-02-27

申请号：CN202111152441.X

申请日：2021-09-29

Applicant: 长沙理工大学

Inventor： 李泽文 ,  雷柳 ,  曾祥君 ,  朱吉然 ,  席燕辉 ,  张子瑜 ,  夏翊翔 ,  黎文娇

IPC: G06F30/27 ,  G06F18/10 ,  G06F17/16 ,  G06F119/10 ,  G06F113/04

Abstract: 本发明公开了一种基于改进步长LMS自适应算法的行波检测方法和系统，用来解决故障行波信号经行波传感器传变后会发生波形畸变，不能真实反映一次侧行波波形特征的问题。所述方法包括：利用改进步长LMS自适应算法对传感器一二次行波信号进行滤波训练，建立传感器的黑匣子模型；利用小波阈值去噪方法对实际检测得到的二次行波信号进行预处理；利用黑匣子模型对二次行波信号进行反演获得一次行波信号。本发明方案可避免传递函数不精确对反演结果的影响，反演精度更高、适用性更强，能有效提高行波检测的真实性和准确性。

公开(公告)号：CN110596539B

公开(公告)日：2021-07-02

申请号：CN201910909726.X

申请日：2019-09-24

Applicant: 长沙理工大学

Inventor： 李泽文 ,  刘基典 ,  席燕辉 ,  夏云峰 ,  何建宗 ,  颜勋奇 ,  王杨帆

IPC: G01R31/08

Abstract: 本发明公开了一种基于暂态波形相关性的配电网故障定位方法，故障发生后，对暂态波形信息进行S变换，构造时频矩阵，将其与各分支样本库中的时频矩阵进行相似度计算，根据实际故障暂态波形与分支样本库的相似度来判定故障分支；并利用整体波幅偏差与故障点距离的比例关系来计算故障点位置。仿真分析表明，在不同的故障条件下，该方法均能可靠定位故障点位置，且具有较高的定位精度。

公开(公告)号：CN112649700A

公开(公告)日：2021-04-13

申请号：CN202011463260.4

申请日：2020-12-09

Applicant: 长沙理工大学

Inventor： 李泽文 ,  夏翊翔 ,  曾祥君 ,  席燕辉 ,  邓丰 ,  雷柳 ,  唐迪

IPC: G01R31/08

Abstract: 本发明公开了一种基于动态虚拟故障的行波网络定位方法，步骤1：将所有测量点的初始行波到达时间两两作差，得到真实故障的时间特征矩阵；步骤2：得到虚拟故障的时间特征矩阵；步骤3：利用真实故障的时间特征矩阵与虚拟故障的时间特征矩阵求取时间信息差异度et；步骤4：利用PSO算法不断更新虚拟故障点位置，重复步骤2～3，逐步逼近真实故障点；当达到迭代次数后，或者时间信息差异度et的值小于预设值，结束迭代；将当前虚拟故障点位置作为故障点位置，实现故障定位。仿真结果表明，该方法无需分析网络结构与解网操作，在一定程度上能够消除行波波速的影响，实现故障精确定位。

公开(公告)号：CN110596539A

公开(公告)日：2019-12-20

申请号：CN201910909726.X

申请日：2019-09-24

Applicant: 长沙理工大学

Inventor： 李泽文 ,  刘基典 ,  席燕辉 ,  夏云峰 ,  何建宗 ,  颜勋奇 ,  王杨帆

IPC: G01R31/08

Abstract: 本发明公开了一种基于暂态波形相关性的配电网故障定位方法，故障发生后，对暂态波形信息进行S变换，构造时频矩阵，将其与各分支样本库中的时频矩阵进行相似度计算，根据实际故障暂态波形与分支样本库的相似度来判定故障分支；并利用整体波幅偏差与故障点距离的比例关系来计算故障点位置。仿真分析表明，在不同的故障条件下，该方法均能可靠定位故障点位置，且具有较高的定位精度。

公开(公告)号：CN106548232A

公开(公告)日：2017-03-29

申请号：CN201610992237.1

申请日：2016-11-11

Applicant: 长沙理工大学

Inventor： 席燕辉 ,  赵廷 ,  张晓东 ,  彭辉 ,  肖辉 ,  李泽文

IPC: G06N3/02

CPC classification number: G06N3/02

Abstract: 本发明公开了RBF-AR模型的新型网络结构及参数辨识方法。该方法根据RBF-AR(radial basis function network-style coefficients AutoRegressive)模型自身的结构特点，将其转换成含两隐含层的新型广义RBF神经网络。针对在低信噪比情况下,SNPOM(structured nonlinear parameter optimization)方法对RBF-AR模型辨识精度低的缺陷，本发明建立了RBF-AR模型（广义RBF神经网络）的自组织状态空间模型，采用一种以参数最优化初始值及参数驱动噪声统计特性估计为核心的自适应粒子滤波算法，实现对RBF-AR模型的参数辨识，可有效提高RBF-AR模型对含噪数据的建模精度和预测精度,实现了对RBF-AR模型的在线估计和实时控制，为RBF-AR模型的参数辨识提供新方法。

公开(公告)号：CN105893976A

公开(公告)日：2016-08-24

申请号：CN201610246191.9

申请日：2016-04-20

Applicant: 长沙理工大学

Inventor： 席燕辉 ,  李泽文 ,  赵廷 ,  郭田田

IPC: G06K9/00

Abstract: 本发明属于电力系统领域，涉及一种行波信号的参数化识别方法。该方法根据行波信号的统计特性建立行波信号的参数化模型；利用自适应粒子滤波算法和优化方法估计出表示不同故障情况下行波特征的参数信息和时频信息,提取能够全面反映行波信号特点的时域和时频域关联特征量组；联合分析上述关联特征量组，提取行波故障特征，突显故障信息，准确可靠地感知强电磁干扰下微弱故障行波信号和复杂折反射行波信号。本发明方法利用参数化时频分析的方法来识别电网故障行波，提出行波信号的新型识别参数,可有效提高受扰行波信号识别的可靠性和准确性,为构建新型故障行波保护与定位原理提供参数支持。