楊朝兵 付學(xué)文

摘要：對(duì)近幾年具有代表的中外文獻(xiàn)進(jìn)行了學(xué)習(xí)研究，論述了輸電線路故障診斷的背景和意義以及故障識(shí)別的研究現(xiàn)狀，重點(diǎn)介紹了小波分析和熵理論在電力系統(tǒng)暫態(tài)處理中的應(yīng)用。目前的理論研究與應(yīng)用成果為電力系統(tǒng)暫態(tài)信號(hào)分析與檢測(cè)開辟了新的道路，為暫態(tài)信號(hào)特征提取理論奠定了新的理論基礎(chǔ)，建立了適合于電力系統(tǒng)暫態(tài)信號(hào)分析的小波熵理論。

關(guān)鍵詞：故障診斷；故障識(shí)別；小波分析；熵理論

作者簡介：楊朝兵（1982-），男，河北邢臺(tái)人，國網(wǎng)河北省電力公司邢臺(tái)供電分公司，工程師；付學(xué)文（1983-），男，河北邢臺(tái)人，國網(wǎng)河北省電力公司邢臺(tái)供電分公司。（河北 邢臺(tái) 054001）

中圖分類號(hào)：TM7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0079（2014）06-0238-03

近年來，隨著社會(huì)對(duì)電力需求的日益增加，電網(wǎng)呈現(xiàn)出高電壓、遠(yuǎn)距離、大容量的發(fā)展趨勢(shì)，高壓輸電線路特別是超高壓輸電線路在電力網(wǎng)中所占的地位也越來越重要。超高壓輸電線路既擔(dān)負(fù)著傳送大功率的任務(wù)，還作為聯(lián)合電力系統(tǒng)運(yùn)行的聯(lián)絡(luò)線使用，其運(yùn)行可靠性影響著整個(gè)電力系統(tǒng)的供電可靠性。[1-2]由于高壓輸電線路工作環(huán)境惡劣，故障時(shí)極難查找，在電力系統(tǒng)中又是發(fā)生故障最多的地方，隨著現(xiàn)代大電網(wǎng)的結(jié)構(gòu)和運(yùn)行方式復(fù)雜多變，故障類型越來越復(fù)雜，對(duì)保護(hù)的要求也越來越高。因此，準(zhǔn)確而迅速地排除故障不僅滿足繼電保護(hù)的速動(dòng)性，縮短系統(tǒng)恢復(fù)供電時(shí)間，而且還能提高電力系統(tǒng)的穩(wěn)定性，降低運(yùn)行成本。而準(zhǔn)確區(qū)分故障相是高壓輸電線路保護(hù)的重要前提，所以探索新的故障選相原理和方法、提高繼電保護(hù)的性能是超高輸電線路故障檢測(cè)中的一個(gè)重要課題。

一、背景和意義

當(dāng)輸電線路發(fā)生故障的初始瞬間，通常都有一個(gè)既包含直流分量又包含高頻暫態(tài)分量的暫態(tài)故障信號(hào)，其所包含的信息是繼電保護(hù)動(dòng)作的依據(jù)，所以需要先對(duì)采樣的故障信號(hào)進(jìn)行處理以便獲得有意義的特征量。但高壓輸電線路的距離比較長，輸電線路之間存在互感耦合，只有在故障發(fā)生的初始瞬間故障信號(hào)不容易識(shí)別等特點(diǎn)；而電力系統(tǒng)本身又是一個(gè)容易受環(huán)境干擾的動(dòng)態(tài)系統(tǒng)，因此要準(zhǔn)確地對(duì)故障進(jìn)行檢測(cè)與分類，并防止故障進(jìn)一步發(fā)生是非常困難的。所以借助現(xiàn)代各種數(shù)字信號(hào)處理工具和方法準(zhǔn)確地對(duì)故障信息的特征進(jìn)行提取與分類就顯得十分必要，特別是近年來基于暫態(tài)量原理的保護(hù)更需要快速、可靠的故障類型識(shí)別元件。[2-4]

隨著小波分析技術(shù)的引入，電力系統(tǒng)暫態(tài)信號(hào)特征量提取及分類技術(shù)得到了迅速發(fā)展。但是，由于小波變換結(jié)果中包含了大量的分解信息和數(shù)據(jù)，通常的檢測(cè)方法都少不了對(duì)特定工況的假設(shè)或?qū)μ卣魈崛〉娜斯じ深A(yù)。而分類方法中，由于小波分解信息量比較大，使得一些智能判別系統(tǒng)（如模糊理論與神經(jīng)網(wǎng)絡(luò)等）變得比較龐大。因此對(duì)于小波分析還需研究合適的信息提取方法，給新型繼電保護(hù)原理、系統(tǒng)故障判斷與預(yù)測(cè)提供有效的依據(jù)。這些信息提取方法中最有效的是提供一個(gè)或系列描述系統(tǒng)的普適量，用這些普適量來檢測(cè)、分類電力系統(tǒng)的故障。[4]

信息熵是對(duì)系統(tǒng)不確定性程度的一種描述，若把一個(gè)信源當(dāng)做物質(zhì)系統(tǒng)，可能輸出的消息越多，信源的隨機(jī)性越大，越紊亂，熵值也越大，所以信息熵可以被看做是系統(tǒng)紊亂程度的量度。[5-7]小波分析和熵理論相結(jié)合，在生物醫(yī)學(xué)領(lǐng)域和機(jī)械故障診斷領(lǐng)域已經(jīng)得了很好的應(yīng)用。[8-9]它結(jié)合了小波變換多分辨分析的特點(diǎn)和信息熵對(duì)信息具有較強(qiáng)的表征能力的優(yōu)點(diǎn)，成功地分析了各種突變信號(hào)。所以，在暫態(tài)信號(hào)特征提取方面表現(xiàn)出獨(dú)特優(yōu)點(diǎn)的小波熵，在電力系統(tǒng)故障檢測(cè)與分析中具有很好的應(yīng)用前景。本文給出了小波包能量熵的定義及其應(yīng)用領(lǐng)域，旨在探討小波包能量熵在輸電線路故障檢測(cè)中應(yīng)用的可能性，對(duì)于小波包能量熵在電力系統(tǒng)暫態(tài)信號(hào)分析中的應(yīng)用研究具有重要意義。

二、故障類型識(shí)別的研究現(xiàn)狀

傳統(tǒng)的故障選相元件主要采用突變量與穩(wěn)態(tài)量相結(jié)合，以工頻量為基礎(chǔ)。在多數(shù)情況下這些選相元件對(duì)于簡單故障能正確地選擇故障相，但其選相速度不夠快，且易受系統(tǒng)的運(yùn)行方式及故障接地電阻的影響，結(jié)果往往不理想。因此，新型快速的故障選相方法成為眾多學(xué)者研究的方向。[10]

新型的故障選相方法主要有：基于行波故障的選相元件和基于故障暫態(tài)量的選相元件?；谛胁ǖ倪x相元件[11-14]主要是利用故障時(shí)信號(hào)的行波波頭所包含的信息進(jìn)行故障選相。雖然基于行波的選相元件能在故障發(fā)生的第一時(shí)間捕獲故障信息，與傳統(tǒng)的選相方法相比具有靈敏度高、識(shí)別率好等優(yōu)點(diǎn)，且對(duì)波頭進(jìn)行處理的方法也有很多。但基于行波的故障選相方法存在一些缺點(diǎn)，如初始行波受初始角、反射波、故障電弧等因素的影響。基于行波的選相元件由于計(jì)算量大，對(duì)處理器的運(yùn)算能力要求也比較高，費(fèi)用相對(duì)也就比較高，在嵌入式系統(tǒng)中難以做到實(shí)時(shí)性，這使得基于行波的故障選相方法具有很大局限性。

基于故障暫態(tài)量的選相[15-16]是利用輸電線路發(fā)生故障時(shí)所產(chǎn)生的故障暫態(tài)信號(hào)實(shí)現(xiàn)故障選相，故障暫態(tài)信號(hào)與線路參數(shù)、故障情況等有關(guān)，不受系統(tǒng)運(yùn)行方式、過渡電阻、電流互感器飽和、系統(tǒng)振蕩、長線分布電容等的影響。近年來又隨著硬件條件的實(shí)現(xiàn)和小波變換等信號(hào)處理工具的發(fā)展，使得大量、準(zhǔn)確、實(shí)時(shí)地獲取故障時(shí)產(chǎn)生的暫態(tài)電壓和電流信號(hào)，并使對(duì)其作進(jìn)一步的處理成為現(xiàn)實(shí)。這些豐富的故障暫態(tài)信號(hào)蘊(yùn)涵了大量的故障特征信息，其頻率成分貫穿于整個(gè)頻譜中，如果能充分利用這些信息就能快速地對(duì)故障相作出判斷。因此，基于故障暫態(tài)量的選相方法具有很大的發(fā)展前景，使得越來越多的學(xué)者從事電力系統(tǒng)暫態(tài)信號(hào)的研究。

目前用于電力系統(tǒng)故障類型識(shí)別的方法有很多，如小波分析、神經(jīng)網(wǎng)絡(luò)和模糊理論等智能算法、數(shù)學(xué)形態(tài)學(xué)等。

1.小波分析

文獻(xiàn)[15]利用小波對(duì)暫態(tài)電流的模分量進(jìn)行分析，并通過比較各相暫態(tài)電流的能量和各模分量的大小進(jìn)行故障相判斷。文獻(xiàn)[16]利用小波提取故障暫態(tài)電流信號(hào)的特征，通過計(jì)算提取的信號(hào)特征沿尺度分布的權(quán)重得到暫態(tài)電流信號(hào)的小波熵權(quán)，進(jìn)而構(gòu)造故障選相判據(jù)。文獻(xiàn)[17]對(duì)線路兩端模量方向行波之差進(jìn)行小波變換，通過比較其幅值大小來判別故障類型，但對(duì)兩相接地故障的具體類型區(qū)分不明確。文獻(xiàn)[12-13，18]通過比較（零、線）模量電流行波的幅值之間的大小關(guān)系從不同角度進(jìn)行故障選相。但是，由于零模量的嚴(yán)重衰減導(dǎo)致保護(hù)裝置不能正確反映故障點(diǎn)處零模與線模的大小關(guān)系，當(dāng)輸電線路遠(yuǎn)端發(fā)生單相接地或兩相接地故障時(shí)可能出現(xiàn)誤判。文獻(xiàn)[19]將小波奇異熵應(yīng)用于識(shí)別高壓輸電線路的故障相，提出了一種基于暫態(tài)電壓的選相方案。通過取各相的小波奇異熵相對(duì)比值反映故障相和非故障相間的相對(duì)差異，構(gòu)成高壓輸電線路故障選相的依據(jù)。

2.神經(jīng)網(wǎng)絡(luò)和模糊理論等智能算法

文獻(xiàn)[20-21]利用提升小波變換對(duì)故障信號(hào)進(jìn)行處理，并作為神經(jīng)網(wǎng)絡(luò)的輸入構(gòu)造了一種新型的小波神經(jīng)網(wǎng)絡(luò)模型來識(shí)別輸電線路故障。文獻(xiàn)[22-23]通過小波包將故障電壓和故障電流分解后分別獲得分解后的故障暫態(tài)量的能量值和熵值，并將能量值與熵值分別對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)輸電線路進(jìn)行故障分類和定位。文獻(xiàn)[24]在暫態(tài)信號(hào)多尺度的基礎(chǔ)上定義了小波能量熵，并與模糊邏輯系統(tǒng)相結(jié)合形成故障類型識(shí)別方法。

3.數(shù)學(xué)形態(tài)學(xué)

文獻(xiàn)[25]在分析EHV線路發(fā)生故障后電流模分量的基礎(chǔ)上，利用數(shù)學(xué)形態(tài)學(xué)梯度提取暫態(tài)信號(hào)波頭能量，構(gòu)成故障選相方案。文獻(xiàn)[26]提出了一種基于數(shù)學(xué)形態(tài)譜和神經(jīng)網(wǎng)絡(luò)相結(jié)合的識(shí)別接地短路故障類型的新方案。該方法對(duì)三相電流進(jìn)行相模變換后，用數(shù)學(xué)形態(tài)學(xué)顆粒對(duì)電流各模量分析并提取模電流的形態(tài)譜，將各形態(tài)譜作為神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)而判斷出接地故障的類型。

三、小波分析在電力系統(tǒng)暫態(tài)處理中的應(yīng)用

20世紀(jì)80年代初Morlet等人第一次提出了小波變換的概念。它可以根據(jù)處理信號(hào)頻率的高低自行調(diào)整窗口的大小，確保捕捉到有用的信息，可以對(duì)信號(hào)奇異點(diǎn)作多尺度分析。小波變換有以下特點(diǎn)：在高頻范圍內(nèi)時(shí)間分辨率高；在低頻范圍內(nèi)頻率分辨率高；既適合于分析平穩(wěn)信號(hào)及非平穩(wěn)信號(hào)；有快速算法——Matlab算法；利用離散小波變換可以將信號(hào)分解到各個(gè)尺度（頻帶）上。

由于小波變換有以上優(yōu)點(diǎn)，所以它在各個(gè)應(yīng)用領(lǐng)域中都得到了廣泛應(yīng)用，比如生物醫(yī)學(xué)工程、機(jī)械故障診斷、非線性動(dòng)力系統(tǒng)、量子物理、模式識(shí)別、參數(shù)辨識(shí)、CT成像、數(shù)據(jù)壓縮等。近幾年小波變換技術(shù)在分析和處理電力系統(tǒng)暫態(tài)信號(hào)方面也顯示了其優(yōu)越性和良好的應(yīng)用前景，主要應(yīng)用領(lǐng)域包括電力信號(hào)去噪[6，27-28]、數(shù)據(jù)壓縮、電力設(shè)備故障診斷、電能質(zhì)量信號(hào)分析、故障定位等。文獻(xiàn)[28]指出db6小波對(duì)電壓暫升、暫降、閃變信號(hào)均能獲得較好的去噪效果。文獻(xiàn)[29]提出了一種小波包去噪算法，用以消除暫態(tài)擾動(dòng)檢測(cè)中噪聲的影響，為在噪聲環(huán)境中檢測(cè)和定位暫態(tài)擾動(dòng)提供了依據(jù)。電能質(zhì)量信號(hào)分析方面：文獻(xiàn)[31]將小波包用于對(duì)諧波的檢測(cè)，并與IEC推薦的諧波檢測(cè)方法進(jìn)行了對(duì)比，仿真結(jié)果證明了基于小波包的檢測(cè)方法對(duì)非整次諧波與間小波的檢測(cè)要優(yōu)于IEC推薦的方法。電力設(shè)備診斷方面：文獻(xiàn)[30]通過對(duì)基于Shannon熵的最優(yōu)小波包基的快速搜索算法的探討，提出了基于最優(yōu)小波包基小波包方法。

在輸電線路故障定位方面：

（1）故障選線。文獻(xiàn)[31]提出了基于單相電流行波的故障選線原理。文獻(xiàn)[32]利用小波變換與電弧故障產(chǎn)生的突變相結(jié)合而進(jìn)行故障選相。文獻(xiàn)[33]提出用小波變換提取電流故障分量的暫態(tài)能量，并且以三相間暫態(tài)能量的大小及其相對(duì)關(guān)系來識(shí)別故障類型和判斷故障相的新方案。文獻(xiàn)[34]利用小波變換提取故障后電流行波的線、零模量，根據(jù)提取出的電流行波波前1/8周期的能量進(jìn)行故障選相。文獻(xiàn)[35]通過小波變換利用故障電流行波幅值及極性邏輯關(guān)系相結(jié)合的故障類型識(shí)別方法，并設(shè)計(jì)出了故障類型識(shí)別的實(shí)用算法。該方法可以提高以往行波故障選相方案中利用零、線模量之間幅值關(guān)系判別單相接地或兩相接地故障時(shí)的可靠性。總的來說，目前基于暫態(tài)信號(hào)，利用小波變換工具進(jìn)行選相的方法得到了很好的研究，但在實(shí)際應(yīng)用時(shí)仍需進(jìn)行相應(yīng)的分析論證。文獻(xiàn)[36]對(duì)電力系統(tǒng)暫態(tài)信號(hào)提取小波能量熵及能量熵權(quán)，并將其分別對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，提出了小波能量熵與神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障分類方法。

（2）故障測(cè)距。電力系統(tǒng)要求及時(shí)、準(zhǔn)確地得知線路故障位置，以便用最短的時(shí)間清楚故障，盡快恢復(fù)供電，現(xiàn)已有可用于解決實(shí)際問題的各種故障測(cè)距方法。小波變換可以很好地表征輸電線路故障行波信號(hào)的突變點(diǎn)，故很多文獻(xiàn)提出用小波變換來進(jìn)行行波故障測(cè)距。[37-41]主體思路是：運(yùn)用小波變換對(duì)故障信號(hào)進(jìn)行分解，并用小波變換模極大值表示故障信息，揭示了行波信號(hào)奇異、瞬時(shí)信號(hào)與小波變換模極大值的關(guān)系，運(yùn)用小波對(duì)奇異點(diǎn)檢測(cè)的原理，確定兩次行波波頭達(dá)到檢測(cè)點(diǎn)的時(shí)間間隔及故障發(fā)生的時(shí)刻，推算出故障位置，以達(dá)到故障定位的目的。

四、熵理論的應(yīng)用現(xiàn)狀

1948年Shannon把通信過程中信源訊號(hào)的平均信息量定義成為熵，這就是信息熵。小波熵是小波變換和信息熵的結(jié)合，它具有小波變換和信息熵的特點(diǎn)，對(duì)動(dòng)態(tài)系統(tǒng)參數(shù)的微小變化具有獨(dú)特的敏感性，反映了暫態(tài)信號(hào)在時(shí)-頻域空間的能量分布情況，隨著小波熵理論的不斷發(fā)展與完善，它被應(yīng)用機(jī)械、生物、電力系統(tǒng)等眾多領(lǐng)域。

生物領(lǐng)域中，文獻(xiàn)[42]運(yùn)用小波熵分析心跳信號(hào)，并識(shí)別其變化規(guī)律；文獻(xiàn)[43-44]將小波熵應(yīng)用于EEG等非平穩(wěn)信號(hào)的分析，體現(xiàn)出小波熵區(qū)別非平穩(wěn)信號(hào)復(fù)雜度的特點(diǎn)，又有其反映微狀態(tài)信號(hào)快速變化的優(yōu)點(diǎn)。在機(jī)械故障診斷領(lǐng)域里，文獻(xiàn)[45]將小波包與特征熵結(jié)合提出了一種診斷高壓斷路器機(jī)械故障的新方法，并給出了切實(shí)可行的診斷步驟和分析。

這幾年小波熵理論在電力系統(tǒng)中的應(yīng)用才剛剛開始，所以這方面的文獻(xiàn)較少。文獻(xiàn)[46]提出采用離散小波變換和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對(duì)輸電線路故障進(jìn)行分類和定位，雖然訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地對(duì)故障進(jìn)行分類和定位，但存在計(jì)算量大、運(yùn)算費(fèi)用高的缺點(diǎn)。文獻(xiàn)[47]提出一種基于小波熵權(quán)和支持向量機(jī)相結(jié)合的故障識(shí)別方法。該方法識(shí)別速度快，有較好的通用和實(shí)用價(jià)值。文獻(xiàn)[48]雖采用了小波分析理論與信息熵理論，但并沒有對(duì)小波熵進(jìn)行一個(gè)完整的、系統(tǒng)的定義。文獻(xiàn)[49]綜合闡述了小波熵在電力系統(tǒng)中各方面應(yīng)用的可行性，表明了其在電力系統(tǒng)中具有良好的發(fā)展空間。文獻(xiàn)[5-6，50-51]探討了小波熵在電力系統(tǒng)故障檢測(cè)中特征提取的應(yīng)用機(jī)理，通過仿真一些輸電線路故障檢測(cè)對(duì)文中給出的幾種小波熵進(jìn)行了驗(yàn)證，仿真分析結(jié)果表明小波熵測(cè)度在暫態(tài)信號(hào)檢測(cè)與分類中有望得到較好的發(fā)展。小波熵作為近年來才發(fā)展的一種新理論在電力系統(tǒng)故障檢測(cè)中的應(yīng)用具有廣闊前景。所以，在電力系統(tǒng)暫態(tài)信號(hào)的檢測(cè)和分類中運(yùn)用小波熵理論具有重要的研究意義。

五、結(jié)束語

電力系統(tǒng)故障類型識(shí)別的研究為暫態(tài)信號(hào)檢測(cè)分析開辟了新的道路，為暫態(tài)信號(hào)特征提取理論奠定了新的基礎(chǔ)，進(jìn)行了不同變換空間內(nèi)信號(hào)特征和復(fù)雜程度的定量描述方法，建立了適合于電力系統(tǒng)暫態(tài)信號(hào)分析的小波熵理論。

參考文獻(xiàn)：

[1]王志華.超高壓線路故障行波定位及高壓變頻技術(shù)研究[D].武漢：華中科技大學(xué)，2004.

[2]魏智娟，李春明，付學(xué)文.輸電線路故障診斷方法綜述[J].電氣技術(shù)，2012，（2）：1-5.

[3]何正友，王曉茹，錢清泉.利用小波分析實(shí)現(xiàn)EHV 輸電線路單端量暫態(tài)保護(hù)的研究[J].中國電機(jī)工程學(xué)報(bào)，2001，21（10）：10-14.

[4]何正友.小波分析在電力系統(tǒng)暫態(tài)信號(hào)處理中的應(yīng)用[M].北京：中國電力出版社，2011.

[5]何正友，劉志剛，錢清泉.小波熵理論及其在電力系統(tǒng)中應(yīng)用的可行性探討[J].電網(wǎng)技術(shù)，2004，28（21）：17-21.

[6]何正友，蔡玉梅，錢清泉.小波熵理論及其在電力系統(tǒng)故障檢測(cè)中的應(yīng)用研究[J].中國電機(jī)工程學(xué)報(bào)，2005，25（5）：23-43.

[7]李志民，李衛(wèi)星，李勃龍.熵原理及其在電力系統(tǒng)可靠性中的應(yīng)用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)，200l，13（3）：37-39.

[8]任震，張征平，黃雯瑩，等.基于最優(yōu)小波包基的電動(dòng)機(jī)故障信號(hào)的消噪與檢測(cè)[J].中國電機(jī)工程學(xué)報(bào)，2002，22（8）：53-57.

[9]Rosson OA，B1anco S，Ybrdanova Jetal.Wavelet entropy：a new tool for analysis of short duration brain electrical signals[J].J Neumsci Meth，2001，105（1）：65-75.

[10]李東敏.基于多小波包和人工神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)故障類型識(shí)別研究[D].成都：西南交通大學(xué)，2008.

[11]葛耀中.新型繼電保護(hù)和故障測(cè)距的原理與技術(shù)[M].西安：西安交通大學(xué)出版社，2007.

[12]Joe- AirJiang，Ching- ShanChen，Chi-WenLiu.A new Proteetion seheme for fault detection， direetion diserimination，elassifieation and location in transmission lines[J].IEEE Trans on Power Delivery，2003，18（l）：34-42.

[13]危韌勇，劉春芳.基于小波理論的超高壓線路故障定位與選相方法[J].中國電機(jī)工程學(xué)報(bào)，2000，20（5）：85-88.

[14]段建東，張保會(huì)，周藝.利用電流行波進(jìn)行超高壓輸電線路故障類型識(shí)別的研究[J].中國電機(jī)工程學(xué)報(bào)，2005，25（7）：58-63.

[15]Duan Jiandong，Zhang Baohui，Ha Hengxu.A novel preach to faulted-Phase selection using current traveling waves and wavelet analysis[C].IEEE Power Conference 2002，Kunming，China，2002，（4）：1146-1150.

[16]何正友，陳小勤，羅國敏，等.基于暫態(tài)電流小波熵權(quán)的輸電線路故障選相方法[J].電力系統(tǒng)自動(dòng)化，2006，30（22）：39-44.

[17]Li Zewen，Yao Jiangang，Zeng Xiangjun，Deng Feng.Power grid fault traveling wave network protection scheme[C].Electrical Power and Energy Systems，2011：875-879.

[18]董新洲，賀家李，葛耀中.基于小波變換的行波故障選相研究第二部分仿真實(shí)驗(yàn)研究[J].電力系統(tǒng)自動(dòng)化，1999，23（1）：20-22.

[19]何正友，符玲，麥瑞坤，等.小波奇異熵及其在高壓輸電線路故障選相中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào)，2007，27（1）：31-35.

[20]P.S.Bhowmik a，P.Purkait b，K.Bhattacharya.A novel wavelet transform aided neural network based transmission line fault analysis method[J].Electrical Power and Energy Systems，2009，（31）：213-219.

[21]王忠民，樂全明，楊光亮，等.基于提升小波和神經(jīng)網(wǎng)絡(luò)的超高壓電網(wǎng)故障類型識(shí)別[J].華東電力，2006，34（2）：30-33.

[22]張舉，王興國，李志雷.小波包能量熵神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)故障診斷中的應(yīng)用[J].電網(wǎng)技術(shù)，2006，30（5）：72-76.

[23]Sami Ekici，Selcuk Yildirim，Mustafa Poyraz.Energy and entropy-based feature extraction for locating fault on transmission lines by using neural network and wavelet packet decomposition[J].Expert Systems with Applications， 2008， （34）：2937-2944.

[24]張斌，何正友，錢清泉.基于小波能量熵和模糊邏輯的故障選相元件[J].電網(wǎng)技術(shù)，2006，30（15）：30-35.

[25]卜春霞，張義含，姜自強(qiáng)，等.超高壓線路暫態(tài)保護(hù)選相研究[J].電力系統(tǒng)保護(hù)與控制，2010，38（16）：30-34.

[26]謝添卉，劉明光，楊罡.基于數(shù)學(xué)形態(tài)譜和人工神經(jīng)網(wǎng)絡(luò)的高壓輸電線接地故障類型識(shí)別方法[J].電氣自動(dòng)化，2009，31（3）：62-65.

[27]楊霽，李劍，王有元，等.變壓器局部放電監(jiān)測(cè)中的小波去噪方法[J].重慶大學(xué)學(xué)報(bào)，2004，27（10）：67-70.

[28]薛蕙，楊仁剛.基于小波包除噪的電能質(zhì)量擾動(dòng)檢測(cè)方法[J].中國電機(jī)工程學(xué)報(bào)，2004，24（3）：85-90.

[29]Barros J，Diego R I.Application of the wavelet-packet transform to the estimation of harmonic qroups in current and voltage waveforms[J].IEEE Transactions on information Theory，2006，21（1）：533-535.

[30]任震，張征平，黃雯瑩，等.基于最優(yōu)小波包基的電動(dòng)機(jī)故障信號(hào)的消噪與檢測(cè)[J].中國電機(jī)工程學(xué)報(bào)，2002，22（8）：53-57.

[31]Omar A.S.Youssef.A wavelet-based technique for discrimination between faults and magnetizing inrush currents in transformers [J].IEEE Transactions On power Delivery，2003，18（1）：170-176.

[32]Youssef Q A S.New Algorithm to Phase Selection Based on Wavelet Transforms[J].Power Engineering Review，IEEE，2002，22（6）：60-61.

[33]段建東，張保會(huì)，周藝.基于暫態(tài)量的超高壓輸電線路故障選相[J].中國電機(jī)工程學(xué)報(bào)，2006，26（3）：1-6.

[34]麥瑞坤，何正友，符玲，等.基于電流行波能量和小波變換的輸電線路故障選相研究[J].電網(wǎng)技術(shù)，2007，31（3）：38-43.

[35]G.Sudha，T.Basavaraju.A comparison between different approaches for fault classification in transmission lines[J].International Conference on Information and Communication Technology in Electrical Sciences，2007，20（22）：398-403.

[36]Zhengyou He，Shibin Gao，Xiaoqin Chen.Study of a new method for power system transients classification based on wavelet entropy and neural network.[J].Electrical Power and Energy Systems，2011， 33（3）：402-410.

[37]葛耀中，董新洲，董杏麗.測(cè)距式行波距離保護(hù)的研究（一）——理論與實(shí)現(xiàn)技術(shù)[J].電力系統(tǒng)自動(dòng)化，2002，26（6）：34-40.

[38]李澤文，姚建剛，曾祥君，等.基于整個(gè)電網(wǎng)行波時(shí)差的故障定位方法[J].中國電機(jī)工程學(xué)報(bào)，2009，（4）：60-64.

[39]謝民.220kV電網(wǎng)行波測(cè)距系統(tǒng)組網(wǎng)運(yùn)行實(shí)踐探討[J].電力自動(dòng)化設(shè)備，2010，30（5）：136-138，141.

[40]徐偉宗，唐昆明.基于導(dǎo)數(shù)法的故障行波法識(shí)別改進(jìn)算法[J].電網(wǎng)技術(shù)，2010，34（1）：198-202.

[41]鄭州，呂艷萍，王杰，等.基于小波變換的雙端行波測(cè)距新方法[J].電網(wǎng)技術(shù)，2010，34（1）：203-207.

[42]A.M.PetrocIk，DL S.Reisman，Dr I.Darrd，et al.Wavelet entropy analysis of cyclic exercise protocol on herrate Variability[C].IEEE，2004：91-92.

[43]Quiroga RQ，Rosso OA，Basar E，et al.Wavelet entropy in event—related potential：a new method shows ordering of EEG oscillations[J].Biological Cybernetics，2001，84（4）：291-299.

[44]H.A.Al-Nashash，J.S.Paul，N.VThakor.Wavelet entropy method for EEG analysis：Application to obal brain injury[C].Conference on Neural Engineering，IEEE，2003：348-351.

[45]孫來軍，胡曉光，紀(jì)廷超.改進(jìn)的小波包-特征熵在高壓斷路器故障診斷中的應(yīng)用[J].中國電機(jī)工程學(xué)報(bào)，2007，27（12）：103-108.

[46]楊健維，羅國敏，何正友.基于小波熵權(quán)和支持向量機(jī)的高壓輸電線路故障分類方法[J].電網(wǎng)技術(shù)，2007，31（23）：22-26，32.

[47]Ming-Yu Yang，Yu-Kun Yang.A study of transient-based protechion using wavelet energy entropy for power system EHV transmission line [J].Proceedings of the 2010 International Conference on Wavelet Analysis and Pattern Recognition，2010：283-288.

[48]Wen Junli，1Yhan Chunli.Arc fault detection based on wavelet packet[C].PID feedings of the Fourth International Conference on Machine Learning and Cybemetics，IEEE，2005：1783-1788.

[49]Zhimin Li，weixing Li，Ruiye Liu.Applications of entropy principles in power systems：A Survey[C].IEEE/PES 1rransmission and Distribution：Asia and Pacific Dalian China，2005：1-4.

[50]Zhengyou He， xiaoqin Chen，Yhmei Cai.A study of algorithm and application in transient signals wavelet post-analysis methods[C].IEEE/PES Transmission and Distribution Conference Asia and Pacific，Dalian， 2005：2-6.

[51]P.S.Bhowmik，P.Purkait， K.Bhattacharya.A novel wavelet transform aided neural network based transmission line fault analysis method [J].Electrical Power and Energy Systems，2009，（31）：213-219.

（責(zé)任編輯：王祝萍）