以采样频率3200Hz取20ms内的64个数据点作为分析信号序列,通过改变幅值A的大小、频率f的倍数、算法延迟时间(从仿真开始,分别延迟一定时间再计算其近似熵值)及加入白噪声的倍数验证其与算法的关系,如图4所示。
图4 算法与不同因素的关系
由图4的验证,可得:
1)算法与幅值大小无关,幅值变大,熵值不变,即能克服现场定位幅值小的影响。
2)频率与熵值大小成正相关,频率越大,熵值越大,即能区分故障点两侧区段差异。
3)算法在一定程度上的时延可以忽略,当采用不同延迟时间的数据时,算法在短时间延迟影响不大,超过6ms延迟时,其误差超过20%,即能克服现场一定时间范围内两馈线终端(FTU)采样不同步。
4)算法具有抗噪能力,由于EMD具有一定抗噪能力,而近似熵对噪声不敏感,因此能满足现场定位不受互感器及电磁干扰的影响。
综上所述,本文所提算法适用于配电网故障诊断,进而为故障定位提供一种新方法、新思路。