Home Erkennung und Klassifizierung von harmonischen Transienten mit trigonometrischen glatten Wavelet-Paketen (Detection and Classification of Harmonic Transients by Using Trigonometric Smooth Wavelet-Packets)
Article
Licensed
Unlicensed Requires Authentication

Erkennung und Klassifizierung von harmonischen Transienten mit trigonometrischen glatten Wavelet-Paketen (Detection and Classification of Harmonic Transients by Using Trigonometric Smooth Wavelet-Packets)

  • P. Mercorelli , Peter Terwiesch and D. Prattichizzo
Published/Copyright: September 25, 2009
at - Automatisierungstechnik
From the journal Volume 50 Issue 11

Der vorliegende Beitrag beschreibt ein Verfahren zur Erkennung und Klassifizierung von harmonischen Transienten, wie sie unter anderem in elektrischen Netzen auftreten. Das Verfahren verwendet als Basis eine spezielle Klasse von Wavelet-Paketen, nämlich glatte lokalisierte biorthogonale Sinus-und Kosinus-Pakete, um für ein klassifizierendes Signal die beste “Shannon-Basis” zu finden. Dieser Signalzerlegung liegt die Minimierung der Shannon'schen Entropiefunktion zugrunde, sie hängt also adaptiv vom zu analysierenden Signal ab. Die Praxistauglichkeit des sehr schnellen echtzeitfähigen Verfahrens wird anhand eines praktischen Beispiels aus der Bahntechnik illustriert, bei dem für die Schutzabschaltung zwischenbetriebstypische Spannungsänderungen aufgrund der Einfahrt in einen neutralen Netzabschnitt und sicherheitskritische Spannungsänderungen aufgrund interner Fehler unterschieden werden müssen.

The proposed contribution describes a method for the detection and classification of harmonic transients, as they occur in electrical networks. The method uses, as bases, a special class of wavelet-packets, i.e. smooth biorthogonal sine and cosine-packets in order to find the best “Shannon-basis”. The algorithm is based on the minimization of Shannon`s function for the decomposed wanted signal over the biorthogonal analyzing functions. The proposed method is validated by using a real application, signals from rail systems. One shows the fastness and the robustness of the algorithm and thus its real time applicability. In particular, one detects and classifies inrush currents.

Published Online: 2009-09-25
Published in Print: 2002-11
Downloaded on 10.9.2025 from https://www.degruyterbrill.com/document/doi/10.1524/auto.2002.50.11.541/html
Scroll to top button