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。     

用小波变换提取局部放电信号

为了提取局部放电信号,采用二进尺度小波变换的Ｍａｌａｔ算法,应用Ｄａｕｂｅｃｈｉｃｓ小波,设计了低通、带通滤波器。数值仿真研究中,用指数衰减或衰减振荡波来模拟放电信号,研究了小波变换提取信号的效果及有关影响因素。仿真和现场监测数据处理的结果表明,由于小波变换具有多分辨率特性,能快速而有效地从多种窄带干扰中提取出放电信号,适当条件下还可实现较完整波形的提取。由于处理速率较高,适合在线监测时实时使用。     

奇异值分解在电缆局部放电信号模式识别中的应用

针对局部放电在线检测中的局部放电信号模式识别,在对局部放电信号进行去噪预处理的基础上,对去噪后的局部放电信号进行小波包分解,利用小波包系数构建小波包系数矩阵;然后,对小波包系数矩阵进行奇异值分解,定义奇异值能量百分比作为局部放电信号的特征向量,并利用M-ary算法将支持向量机二分类扩展到多分类,使用粒子群算法对支持向量机参数进行优化;最后,将特征向量作为输入,使用支持向量机对4种放电信号进行识别,并与BP神经网络的识别效果进行对比.结果表明:利用奇异值能量百分比构建的放电信号特征向量能够很好反映原始信号的特征;基于支持向量机能够有效对放电信号进行识别,平均识别率达到95%,随着分解尺度增大,4种放电信号的平均识别率增大,但增大的幅度减小;支持向量机和BP神经网络均能够很好识别4种放电信号,且支持向量机相比BP神经网络,具有更好的识别效果.     

变压器局部放电在线监测信号处理技术的研究

针对运行中变压器局部放电在线监测信号中的强烈窄带干扰,分别研究了基于快速Fourier变换(FFT)和时域分析算法的滤波器,对放电高频信号进行信号处理,以抑制干扰。处理结果表明,高频放电信号样本的信噪比可以提高15～20dB。对处理后的高频信号和同时采集到的超高频信号进行了综合分析,发现两种放电样本中的放电脉冲在时延和幅值上均存在着十分明确的相关关系,而干扰样本中则不存在这种对应关系。这一结果可以为局部放电信号的识别提供分析判断的依据。     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

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中DSI干扰抑制

针对运行中变压器局部放电在线监测信号中的周期性窄带干扰(DSI),分析DSI与局部放电信号的频谱特征．在此基础上,提出采用基于快速Fourier变换(FFT)的功率谱估计法进行DSI信号检测．采用级联二阶IIR陷波滤波器,对放电信号进行处理,滤除DSI信号以抑制干扰．详细介绍IIR陷波滤波器的设计方法,它对局部放电信号造成的波形畸变较小．仿真结果验证了该方法的有效性。     

用小波反变换提取高压局部放电信号

介绍了小波变换用于突变信号的检测原理，给出了实现小波变换的算法，对局部放电信号和干扰信号的小波分解特性进行了详细研究。理论和实验表明，利用小波变换检测局部放电与傅立叶变换相比具有独到之处。     

基于多重自相关的局部放电信号小波去噪分解层数确定方法

测量系统的白噪声给电气设备局部放电信号的准确测量带来困难.小波阈值法是常用的去噪方法,其分解层数的选择会影响去噪效果.利用小波分析Mallat算法频带划分原理,提出了一种基于多重自相关的小波分解层数确定方法.仿真实验结果证明,针对混有测量系统白噪声的电气设备局部放电信号,基于所提出的分解层数确定方法使用小波阈值法可以取得较好的去噪效果.     

变压器局放电故障测向的复倒谱去混响方法

变压器绝缘劣化是导致局部放电的主要原因,研究局部放电精确测向,对整个电网的安全运行具有很重要的工程意义。由于变压器的结构比较复杂,发生局部放电时,光纤超声传感器阵列接收到的局放信号包含通过油箱壁、铁芯、绕组等介质平面反射散射的局放信号,对局放点测向造成很大误差。本文研究了最小相位分解法去混响算法,并基于研制的阵列进行油中局部放电测向实验,采用MUSIC算法计算放电源的DOA。实验结果表明最小相位分解法去混响能将局放信号中的混响部分有效抑制,去混响后的测向精度有明显改善。     

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.     

基于电缆频率特性及信号脉冲宽度的电缆局部放电在线定位方法

为减小电力电缆局部放电定位过程中噪声及反射脉冲的干扰,实现局放源的在线定位,提出了基于频率特性及信号脉冲宽度的电缆局部放电定位方法。该方法通过模拟局放脉冲信号在电缆中的传播,分析了局部放电脉冲信号在电缆中的传播特性,推导出考虑频率特性的脉宽变化函数关系式,最后结合实测的脉宽与传输距离的拟合曲线,通过迭代计算获取准确的故障位置。利用PSCAD/EMTDC搭建电缆模型,在不同故障距离下的对该方法进行仿真验证,并与小波变换的定位结果进行比较,结果表明其定位误差低于0.6%,说明该方法具有较高的准确性与实用性。     

基于小波提取的超宽频带局部放电信号分形分析

为了研究超宽频带局部放电信号在各个频段上的局部特征、发现特征频段，应用小波分析技术，将局部放电信号进行小波分解，使信号变为各个频段的信号，然后计算各个频率段信号的分维数，并通过分维数的变化，来量化分析信号特征峰的特征。应用这种方法，可以得到各频段的放电信号的分形特征，为进一步研究超宽频带放电信号的变化规律奠定了基础。     

一种基于多特征量的复合电能质量扰动自动识别方法

针对电能质量复合扰动识别困难的问题,提出了一种电能质量扰动信号识别新方法.该方法利用信号的S变换幅值矩阵和动态测度提取的频率特征然后结合聚类经验模态分解方法对扰动信号进行表征,并设计了一种简单的决策树进行快速的识别.避免了因训练样本不足引起的较大误差,在较大程度上缩短了识别时间.仿真试验结果表明,该方法识别率高,抗噪能力强,可同时适用于单一和复合电能质量扰动信号的识别,可准确识别16种复合扰动在内的24种电能质量扰动信号.     

强电磁环境下电子变压器局放信号抗干扰研究

强电磁环境下,当前电子变压器局放信号抗干扰方法大都采用数字陷波器法,适应性和稳定性较差。为此,提出一种新的电子变压器局放信号抗干扰方法。首先构造电子变压器局放脉冲,分析压缩感知理论,由此提出电子变压器局放信号存在的问题,然后以能量输出最小化为原则设计滤波器,求解压缩域投影加权向量,利用自适应方法抵抗非期望信号(电磁信号与高斯白噪声信号的投影干扰),使投影滤波器输出的干扰最小,接近期望输出,实现抗干扰处理强电磁环境下电子变压器局放信号。实验结果表明,所提方法具有很高的抗干扰性能。     

汽轮发电机绝缘监测中脉冲型噪声的传播特性

了解脉冲型噪声在单元机组网络中的传播规律，是汽轮发电机局部放电在线监测中实现这类噪声抑制的前提。文中采用在电厂单元机组网中选点注入模拟脉冲的方法，选择主变高压侧、母线断口、转子为脉冲注入点，研究了脉冲经由主变的传播特性，以及三相母线对所传播脉冲的作用。并考察了汽轮发电机转子侧产生的噪声脉冲通过定转子间的耦合作用对局部放电信号检测的影响，说明了这些噪声脉冲传播途径的传递特性。并讨论了实验结果的可靠性，以及实验结果对于抑制来源于除主机外其它高压电力设备、电力系统及转子侧大功率电子开关的脉冲型噪声的意义。     

电力扰动信号的小波形态学去噪方法

电力系统运行中扰动现象对供电质量和系统的安全运行造成了极大的影响.为了找出各种扰动现象的规律,减少、避免扰动发生,通常采用小波变换方法从噪声中提取扰动信号,但有些扰动信号与噪声的小波变换系数值相近,且低于阈值被当作噪声去掉,导致信号失真.本文提出了一种小波形态学融合的去噪算法.仿真结果表明:该融合算法能有效消除噪声并能...     

变压器局放宽频带监测及数字陷波去噪方法

传统的局部放电测量系统频率带宽通常为数10 kHz.随着计算机技术和信号处理技术的发展,宽频带测量系统比传统的局部放电测量系统具有更高的测量灵敏度,但同时容易受到外部强烈电磁干扰的影响.研制出50 kHz～1 MHz测量频带的大型电力变压器在线监测系统,主要采用前置信号处理系统和二阶级联格形数字陷波器抑制窄带周期性干扰.通过安装于220 kV变电站的变压器局部放电监测系统实测信号分析表明,该系统能够有效提取放电脉冲信号,具有较高的抗干扰能力.