基于BP人工神经网络的局部放电模式识别

介绍了ＢＰ人工神经网络在局部放电模式识别中的应用．结合实际现场情况提出了一种基于统计分析的局部放电特性提取方法,在此方法的基础上对空气火花放电和油中火花放电进行了模式识别实验,实验结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性．     

基于多尺度熵和支持向量机的局部放电模式识别

为了准确、可靠地有效识别电力变压器中绝缘劣化的严重程度和局部放电的位置,本文提出一种基于多尺度熵特征提取方法,采用支持向量机对放电类型进行模式识别。首先,利用多尺度熵对放电信号从定性和定量两个角度有效提取特征放电信号特征量;其次,将获得的特征信号输入支持向量机对放电类型进行模式识别。实验结果表明,该方法可以有效提取局部放电信号特征量。     

绝缘局部放电在线检测的信号预处理方法

通过对绝缘局部放电在线检测技术的分析,给出了一种基于信号理论的局部放电数字信号预处理方法,提取信号的时域和频域的特征信息,提高了绝缘故障模式识别的准确率.     

绝缘局部放电在线检测的信号预处理方法

通过对绝缘局部放电在线检测技术的分析,给出了一种基于信号理论的局部放电数字信号预处理方法,提取信号的时域和频域的特征信息,提高了绝缘故障模式识别的准确率。     

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.     

局部放电脉冲群的实用快速分类技术及应用

对108/s高速采样率获取的超宽带局放脉冲波形-时间序列,使用等效时频法提取了局部放电脉冲群的波形特征参数,并研究了模糊C均值聚类算法的特性及其在局部放电脉冲波形特征向量参数处理中的应用.基于GIS的局部放电试验数据处理表明:由等效时频特征提取和模糊C均值聚类分析组成的局部放电脉冲群快速分类技术可以对多个局部放电源构成的脉冲群进行准确分类.这为研制基于单个脉冲的局部放电超宽带检测与模式识别系统提供了实用的脉冲群快速分类技术.     

基于△u模式和RBF网络的局部放电模式识别

局部放电（PD）模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一．采用了一种△u模式参量作为局部放电的图谱特征，并采用不变矩作为放电特征；同时，采用了径向基函数神经网络（RBFNN）对局部放电△u模式参量构成的图谱特征进行识别．结果表明采用正交最小二乘法（OLS）训练的RBFNN对△u模式中的不变矩特征参量进行识别，RBFNN收敛速度快且稳定性强，识别率达到85．7％以上，能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号，在实际应用中具有良好的应用前景．     

变压器典型油纸绝缘局部放电特性

根据对变压器油纸绝缘内部常见缺陷的分析,制作了5种油纸绝缘缺陷放电模型,并在不同温度和电压下进行老化实验,用以模拟变压器中的实际缺陷.研究了不同类型放电的发展过程,分析了温度和电压对油纸绝缘局部放电的影响.对应于不同类型的放电和同一放电模型的不同放电阶段,放电的灰度图谱都存在较大差异,因此,可以通过灰度图谱来区分不同的放电类型和放电阶段.所得结果为进一步研究变压器局部放电模式识别和绝缘老化特征提供了实验依据.     

基于自适应谱的局部放电信号时频特性分析

应用自适应谱对单个局部放电脉冲信号进行了时频特性分析,并与短时傅里叶变换谱、离散Wigner分布和Choi-Williams分布相比较,结果表明自适应谱上有能量集中、时－频域分辨率高、无交叉干扰项等优点,它能够细致刻画局部放电信号在时频平面上所发生的变化过程,准确反映出局部放电信号的时频特性,从而为局部放电信号的特征提取和模式识别开创了一条新的途径,对时频谱的分析还发现,局部放电信号的的频率分量达到GHz范围,这就为超高频和超宽频带局部放电检测的研究提供了理论依据。     

超宽频带局部放电检测技术的初步研究

研究了局部放电的超宽频带特性，分析了局部放电产生的电磁波的传输和耦合特性，研制了一种频率响应为１００￣５００ＭＨｚ的超宽频带局部放电检测装置，并用实验分析了其测量特性。     

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.     

采用独立成分分析的局部放电脉冲双通道提取技术研究

简单介绍了独立成分分析(ICA)基本模型的假设、含混性问题及模型估计的等变化性.根据局部放电脉冲序列幅值的超高斯分布特性以及实际工况下的其他条件,得出了将ICA基本模型用于强背景白噪声下微弱局部放电脉冲信号提取的可行性.针对IEC60270规定的标准脉冲电流法,基于双通道超宽带检测,对试品放电状态下的脉冲提取进行了仿真,对直流下油纸绝缘针板模型进行局部放电实验,并给出直流下局部放电脉冲提取的ICA含混性消除方法.实验结果表明,该方法能够提取出被白噪声完全淹没的局部放电脉冲信号,可以恢复出局部放电波形之间相对幅值关系和单个脉冲波形以及脉冲极值所对应的时间点等重要局部放电信息.     

人工神经网络在汽轮发电机局部放电模式识别中的应用

阐述了局部放电测量对大型汽轮发电机定子绝缘状况诊断的重要性。针对大型汽轮发电机定子绝缘中３种主要放电形式，进行了大量模拟试验，获得了３种放电的相位Φ、放电量ｑ及放电次数ｎ的三维特征谱图。采用多层前馈神经网络来分析局部放电三维特征谱图的统计数据，以实现电机中局部放电的模式识别，取得了很好的效果。     

局部放电脉冲波形数字测量与分析系统

为检测局部放电快速变化的脉冲电流波形及根据波形进行放电模式识别工作 ,研制了一套数字测量与分析系统。系统硬件部分包括宽带信号检测器件、高速数字示波器等。实测着重考虑了高压测量中的屏蔽 ,高速采集系统的带宽 ,以及放电实验样品的多样性等因素。结果证明该测量系统具有灵敏度高 ,测量准确 ,对脉冲波形畸变小等优点 ,可用于测量局部放电脉冲波形。系统软件的采样程序能够通过人机界面完成对示波器的通信与控制 ,数据的人工或自动采集 ,波形绘制与打印 ,数据的二进制、ASCII码、图形文件保存及文件间转化。系统软件的数据处理程序能够完成对波形的检出和特征量的提取。特征提取中应用了包括自回归模型在内的多种方法。采用前馈神经网络对不同的放电模式进行了识别。研究结果表明 ,利用局部放电的脉冲波形可以识别不同模式的放电     

多态性局部放电簇的小波提取算法

对于局部放电类型相对单一的高压电缆等电力设施,考虑到不同传输特性的测量回路对数据的影响,可选取相应最优母小波并采用多分辨分析进行局部放电脉冲的提取,这一根据局部放电脉冲波形特性调整滤波参数的思想颇具启发性.在实际工况下,影响局部放电实测波形的因素很多.由于不同的局部放电机理、原发位置及在设备内部不同的传播和衰减,造成了实测局部放电脉冲波形的多态性.为了更完整地提取各类局部放电信息,在无法获取先验的局部放电波形特征的条件下,提出了应用多种母小波分别进行分析并去冗余合成的多态性局部放电簇的提取算法,通过对仿真和实测数据的计算,验证了其良好效果.     

UHF局部放电信号包络检波电路设计与实现

气体绝缘组合电器局部放电产生的特高频信号频率大多分布在300 MHz～1.5 GHz,直接对特高频原始信号进行采样和分析,要求系统必须具备较高的采样率,导致需要处理传输的数据量巨大,成本高昂,工程应用困难.而气体绝缘组合电器局部放电产生的特高频信号的包络波形同样携带着大量的放电缺陷特征信息,对提取的包络波形进行采样处理,一方面可以大大降低对系统采样率的要求,另一方面也保留了局部放电缺陷大部分的特征信息.根据气体绝缘组合电器局部放电产生的特高频信号特性,设计实现了一种适用于气体绝缘组合电器局部放电产生的特高频信号的包络提取检波电路,实测结果表明,该检波电路响应速度快、惰性失真小,提取的包络波形与特高频原始信号的轮廓基本一致,较好地保留了气体绝缘组合电器局部放电所携带的特征信息.     

用人工神经网络对电机绝缘模型放电的识别

阐述了在线监测电机局部放电及根据放电“指纹”（三维－ｑ－ｎ谱图）诊断电机绝缘状态的重要作用。在分析电机绝缘主要放电形式的基础上，设计了试验模型。应用局部放电数字化测量装置，取得了４种模型局部放电相位，电量ｑ，放电次数ｎ的丰富信息，得到了一系列放电指纹。研究了用人工神经网络来分析局部放电三维谱图表列数据，识别放电类型及严重程度的方法，得到了一些有用的结论。也研究了用曲面拟合方法提取谱图特征参数，再用人工神经网络进行识别的可能性     

变压器局部放电监测中的小波去噪方法

由于强烈的窄带周期干扰、白噪声和脉冲干扰等外部干扰,变压器局部放电在线监测技术中的局部放电信号提取一直是个难题.应用小波去噪技术研究了局部放电在线监测中的噪声抑制方法,对母小波及阈值(threshold)的自动选择方法进行了深入研究.仿真信号和现场实测信号分析表明,该方法适于变压器局部放电在线监测中的白噪声抑制,而对周期窄带干扰的抑制效果相对较差,需与其它对窄带周期干扰抑制效果较好的数字滤波方法结合,将具有良好的实际应用效果.     

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息,提高变压器内部局部放电类型的识别率,文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量;将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明,小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

油纸绝缘中局部放电的超宽频特性研究

利用超宽频带技术对油纸绝缘局部放电的特性进行了研究,分析了电极形状、绝缘形状、绝缘材料类型对放电脉冲特性的影响,以及脉冲随外加电压的变化。研究结果表明：油纸绝缘中的局部放电脉冲与电极的形状关系不大,但随绝缘材料的不同而不同;在一定电压范围内,放电脉冲的形状变化不大,且其峰值变化具有较强的随机性;当外施电压超过某一范围时,放电脉冲的形状将产生明显的变化,波形不再惟一,脉冲的峰值也逐渐增大。研究结果对于利用放电脉冲波形特征进行模式识别和剔除外来干扰具有一定的理论价值和工程应用的参考意义。