GIS体外UHF法检测局部放电的研究与应用

简单介绍了GIS几种局部放电常用的检测方法,具体介绍了GIS局部放电UHF检测法,分别对UHF检测法检测原理、干扰原理、定位原理进行了阐述,通过对局部放电的波形特征、相位特征和频率特征的综合分析列出了各种局部放电现象的特征经验总结表。最后给出了GIS局部放电UHF检测法的一个典型实例,应用此实例对GIS进行了局部放电现场测试并进行了测试分析。     

油纸绝缘中局部放电时间序列的混沌特性及其模式识别

为了对局部放电进行识别,建立并使用电脉冲法测量了油纸绝缘中的5种典型缺陷模型,利用混沌方法研究了局部放电的时间序列信号.结果表明,局部放电具有明显的混沌特征,是一个混沌过程.根据局部放电的混沌时间序列和由其得到的混沌吸引子能定性地分析和识别局部放电类型.选取相空间重构参数和重构后的混沌特征量对局部放电的混沌特性进行了定量表征.利用径向基(RBF)神经网络对相间局部放电(PRPD)和局部放电的混沌分析(CAPD)方法分别作了模式识别的效果验证和比较,表明两者的识别结果良好且各有优势.综合选取PRPD模式的统计算子与CAPD模式的混沌特征量作为神经网络的输入向量,平均正判率达到95%以上,明显提高了局部放电类型的识别效果.     

基于特高频无线传感器和模式识别算法的局部放电定位法

对电力设备局部放电的检测与定位是保障电力系统安全稳定运行的重要手段之一。现有局部放电定位法主要是基于特高频传感器技术和时差法进行的,高的采样率和同步精度,使得其硬件成本巨大、实现困难,且容易受现场环境影响。提出了基于特高频无线传感器和模式识别算法的局部放电定位法,该方法硬件要求低,易于实现,且具有良好的环境适应性。首先通过现场测量,建立待检测区域局部放电信号强度与放电坐标的特征信息库。当有局部放电发生时,将此时传感器测量到的特征信息输入已建好的信息库中进行模式识别,从而得到定位结果。现场试验结果表明,提出的新型局部放电定位算法的平均定位误差为0.58 m,80.8%的定位误差小于1 m,从而验证了算法的有效性,具有较好的推广应用价值。     

采用小波包树能量矩阵奇异值分解的局部放电模式识别

为了从局部放电信号电磁波大量冗余的频率信息中提取有效的局部放电特征参量,提出了采用小波包和奇异值分解相结合的能量特征提取方法。该方法从大量小波包树节点的能量信息中提取了一组能量特征参量用于局部放电类型识别,首先对4种放电类型的电磁波信号进行小波包分解,计算每个小波包节点系数的能量,接着采用奇异值分解法从小波包树所有节点的能量信息中提取奇异值较大的一组参量,利用这组参量建立识别模型,最后使用支持向量机对4种变压器典型放电类型进行识别。结果表明,小波包树能量矩阵奇异值分解可以从包含有大量无效和冗余频率信息的电磁波信号中提取能量特征参量,从而进行局部放电识别。研究内容可为局部放电类型识别提供一种有效的特征提取方法。     

变压器局部放电在线检测的研究与应用

文中对变压器局部放电的产生及危害进行了简单陈述。介绍了DGA法、RIV法、光测法、脉冲电流法、高频脉冲电流法和超声波法等局部放电在线检测方法。具体介绍了超声波与高频脉冲法联合检测法,对其检测原理和定位原理进行了阐述。最后对变压器局部放电检测过程中干扰信号的产生,干扰信号类型及干扰信号的常规抑制方法做了简单介绍。     

冲击电压下局部放电信号的测量与分析

设计了基于高频电流法的冲击电压局部放电测量系统,获取了油中针板模型在击穿闪络、局部放电、耐压等实验工况下的信号特征。该实验为工频局部放电实验的拓展实验项目,为现场实际的电力设备局部放电检测及故障诊断提供了典型图谱,初步验证了冲击电压下局部放电检测技术的有效性。     

绝缘试样老化过程中超宽频带放电信号的分形分析

在超宽频带局部放电研究中,局部放电特征峰的大小、位置和老化时间之间的变化规律,一直是研究工作中的一个重点.在应用小波分析技术提取超宽频带局部放电各频段信号的基础上,提出了采用分形分析技术对局部放电信号各频段信号进行分维数的计算,用分维数来量化分析超宽频带局部放电的频谱特性.应用该方法,对绝缘试样老化过程中特征峰的变化规律进行了量化分析,发现了一些典型特征频段,为根据局部放电特性进行的电力设备绝缘诊断奠定了技术基础.     

基于气隙电阻变化模型的单气隙局部放电仿真计算

为了对气隙局部放电的不同击穿过程和不同时间过程进行仿真研究,采用了一种按照局部放电物理本质修正的基于气隙电阻变化的单气隙局部放电仿真模型.仿真研究了气隙贯穿放电、气隙沿面放电以及气隙贯穿放电与气隙沿面放电同时发生3种不同的放电过程,研究了微秒级放电、亚纳秒级放电、纳秒级放电等3种不同的气隙击穿时间对放电波形的影响规律,研究了气隙放电中电子雪崩过程的放电特征.发现不同放电击穿过程和不同时间过程的放电波形之间存在差异,采用电子雪崩控制放电过程可以得到与实际测量波形十分接近的仿真结果,为今后进一步研究气隙放电的物理化学过程奠定了基础.     

单气隙局部放电仿真模型的修正与关键参数的确定

针对目前国内外局部放电仿真模型不能客观反映局部放电物理过程的问题,提出了一种单气隙局部放电仿真模型的修正方法,并确定了影响仿真结果的一些关键参数.该修正方法将气隙分为气隙绝缘电阻和气隙沿面绝缘电阻,引入了气隙沿面半导电化过程,并在仿真计算中考虑了气隙放电的时间过程以及放电的电子雪崩过程.根据放电的实际物理过程,应用工程近似计算方法,确定了仿真模型中放电起始电压、放电熄灭电压和气隙等效电阻、等效电容等关键仿真参数,从而使仿真模拟接近于绝缘试样中气隙实际放电过程,仿真得到的气隙局部放电波形不同于国外仿真得到的锯齿波,十分接近于实际测量波形,为深入开展局部放电仿真研究奠定了基础.     

三种GIS局部放电检测方法的比较分析研究

为了比较分析局部放电检测中脉冲电流法、超高频法和紫外成像技术的灵敏度和参量之间的关系,建立了一套模拟GIS局部放电检测平台。利用脉冲电流法、超高频法和紫外成像技术对模拟的GIS腔体的几种典型模型下的局部放电活动进行了测量,获得了大量实验数据和图谱。研究表明,脉冲电流法具有较高的灵敏度,超高频法灵敏度适中,而紫外成像技术灵敏度最差。同时在反映局部放电活动强弱上,三种检测方法的参量之间具有相同的变化趋势,但是不存在直接的线性关系。为了能够准确地确定局部放电的严重程度应该综合应用多种检测方法。     

虹膜识别

系统阐述了虹膜识别的原理和实现方法,提出将小波变换与Hough变换相结合定位虹膜外边界,采用同心圆渐变展开虹膜图像为矩形图像,根据纹理分布方差对分类距离加权.新算法在保持平移和缩放不变性的同时,有效地实现了虹膜识别.     

果形识别中果梗判别与果轴确定方法

果梗判别在果形判别中是很关键的一步，利用图像形态学运算和果实边界形状特征相结合的方法来判别果梗的位置，并确定对果形识别起关键作用的果轴，试验表明，果梗识别正确率达到80．5％．     

Mobile-Customer Identity Recognition

By utilizing artificial intelligence and pattern rec ognition techniques, we propose an integrated mobile-customer identity recognition approach in this paper, based on cus tomer＇s behavior characteristics extracted from the customer information database. To verify the effectiveness of this approach, a test has been run on the dataset consisting of 1 000 customers in 3 consecutive months.The result is compared with the real dataset in the fourth month consisting of 162 customers, which has been set as the customers for recognition. The high correct rate of the test （96.30%）, together with 1. 87% of the judge-by-mistake rate and 7.82% of the leaving-out rate, demonstrates the effectiveness of this approach.     

汽车牌照自动识别中二值化方法的研究

在车牌图像处理过程中，首先遇到的问题就是图像二值化．针对汽车牌照的特点，介绍了一种新的二值化阈值方法，此方法借鉴了P片法的二值化思想，不仅充分考虑了车牌自身的特点，同时融入对直方图形态的考虑，能准确找到双峰直方图的波谷位置．并与Otsu算法和另一种全局动态阈值算法作了比较，从结果上看执行效果较好．     

互谱识别法在识别气动导纳函数中的应用

气动导纳是描述大跨度桥梁断面抖振气动力的关键环节,现存的各种导纳函数识别方法以及经典的Sears函数均与试验结果存在着不小的误差.为此,在研究中摈弃相关的假定,引入了考虑6个导纳的互谱导纳识别方法,通过Sears函数的数值模拟识别验证了导纳识别结果的正确性,同时对识别方法的精度进行了初步探索.     

基于VTS的稳健语音识别

为了进一步提高矢量Taylor级数(VTS)算法的模型补偿精度以及在噪声环境下的识别性能,提出将无监督聚类与VTS算法相结合。无监督聚类算法利用噪声模型之间的Kullback-Leibler距离将含噪语音段划分为若干个子段。然后针对各个子段分别进行一阶Taylor级数展开,并在此基础上逐段估计噪声参数和补偿声学模型。该算法结合一个中文数字串识别系统进行实验,在Babble噪声和Gauss白噪声环境下该算法的误识率相对传统的VTS算法分别下降了27.7%和17.8%。证明这种结合无监督聚类的分段VTS算法能够更加有效地将语音和噪声在倒谱域上的非线性混合模型用一阶线性模型来近似。