基于改进小波阈值的GIS局放监测抗干扰研究

在气体绝缘组合电气设备(GIS)运行的过程中,需要对GIS的各个物理量进行智能监测,从而来保证GIS的安全运行。其中局部放电积累到一定程度会对设备绝缘造成损害,同时,局放信号易受噪声干扰,会使监测的局放信号产生畸变,对监测设备的准确性带来不良影响。该文针对GIS局部放电脉冲信号易受白噪声干扰的问题,在已有的小波阈值去噪基础上,改进了传统硬阈值去噪的不连续性,克服了软阈值去噪的平滑问题。通过仿真来验证该方法去除现场环境的噪声干扰的有效性,为GIS内部局放信号的去噪方法提供参考。     

基于光纤传感检测的局部放电信号去噪方法

针对局部放电超声信号检测过程中存在噪声干扰的问题,提出一种基于变分模态分解和改进小波去噪的噪声抑制方法。首先对局部放电信号进行变分模态分解,得到若干频带分布不同的本征模态分量,结合模态的峭度剔除窄带干扰主导的分量;然后利用改进的小波去噪法,将其余有效模态分量中残留的白噪声进一步滤除;最后将剩余分量进行信号重构实现噪声抑制。对仿真局部放电信号去噪的结果表明,所提方法可提升信噪比约12.1 dB,且能够更加完整地保留原始信号波形。此外,在实验室环境下搭建了10 kV电压等级的局部放电模拟系统,采用Sagnac光纤传感检测局部放电超声信号。实验结果表明,所提方法具有良好的去噪性能,对实测信号的噪声抑制比达到了7.504。     

基于MEMS光纤超声传感器的局放定位系统研制

局部放电(简称局放)是造成电气设备绝缘劣化的主要原因。当前可靠、低成本的局放检测和分析系统需求迫切。本文采用四只MEMS光纤超声传感器?研制了基于USB2.0和Labview的四通道高速采样系统,旨在多方位采集由局放产生的超声波信号并分析放电源的位置。实验结果表明:该系统较好地实现了超声信号的定位,在2mx2mx0.9m空间范围内定位偏差为 2cm~ 5cm,有望广泛应用于电气设备的运行状态监测。     

基于共振稀疏分解的局部放电信号窄带干扰抑制新方法

针对电气设备局部放电信号容易被现场运行环境中的窄带干扰信号淹没、不易提取的难题,提出了基于共振稀疏分解的局部放电信号窄带干扰抑制新方法。该方法根据局部放电信号与窄带信号的振荡特征,分析并合理选择品质因子、冗余因子、分解层数和权重系数,实现了对含窄带干扰的局部放电信号的稀疏分解,并将其分解为高共振分量、低共振分量和残余分量,从而可提取出有效的局部放电信号。与小波变换阈值滤波法对比,该方法能更有效地抑制窄带干扰,且误差小、相似度高。仿真和实测数据的处理结果也验证了该方法的有效性。     

基于AIC准则和时窗能量比的电缆局部放电在线检测与定位

在利用多高频电流传感器进行电缆局部放电在线检测与定位时,针对局放信号初至时刻拾取精度不高影响定位精度的问题,提出一种基于AIC(Akaike''s Information Criterion)准则和时窗能量比的局放故障在线检测与精确定位方法.首先利用时窗能量比检测出局部放电发生的时窗,然后求取确定时窗的局部AIC特征曲线,并基于AIC准则精确拾取局放信号初至时刻.最后,运用到达时间法对局放源进行定位.仿真结果表明,该方法定位精度高,抗噪声干扰能力强,在-2 dB的噪声环境下可实现99.85％的定位准确率,具备工程实用价值.     

气体绝缘组合电器局部放电特高频包络检波装置设计

文章设计了一款用于气体绝缘组合电器局部放电的特高频包络检波装置。分析了气体绝缘组合电器局部放电产生原因，介绍了这种局部放电特高频包络检波装置设计方法，采用该特高频包络检波装置对绝缘缺陷模型局部放电信号进行检测和分析。结果表明该装置可以有效提取输入信号的峰值包络，检测气体绝缘组合电器局部放电信号，避免电气设备运行过程中故障的发生。     

基于粒子群算法的开关柜电气设备局部放电特性检测方法

当前开关柜电气设备运行环境中存在的混频信号,使白噪声对局部放电检测造成的干扰,导致检测效率和精度无法达到预期要求,因此开展基于粒子群算法的开关柜电气设备局部放电特性检测方法研究。通过开关柜电气设备局部放电信号处理、基于粒子群算法的局部放电特征提取、局部放电检测特征输出,提出一种全新的检测方法。通过对比实验证明,新的检测方法检测效率得到有效提升,并且能够确保检测结果的精度符合变电站运维需要。     

基于改进深度残差网络的GIS局部放电在线监测白噪声干扰抑制

针对GIS局部放电(partial discharge, PD)监测中背景白噪声较多、GIS局部放电信号干扰较大的问题,应用改进深度残差网络设计一种新的GIS局部放电在线监测白噪声干扰抑制方法。进行局部放电在线监测中白噪声、局部放电脉冲信号的多尺度特性分析,在局部放电脉冲染噪信号中提取白噪声信号。加入感知损失,设计由生成图像网络与损失网络构成的改进深度残差网络,对白噪声信号波形图像实施超分辨率重建。通过SN-EMD算法提取白噪声信号波形图像的模态域特征。通过构建复小波滤波器组,对模态域特征实施滤波处理,实现GIS局部放电在线监测中的白噪声干扰抑制。实验测试结果表明,设计方法去噪后的信噪比最高可达97.22 dB,干扰抑制前后信号的幅值相对误差最高可达63.20 dB,干扰抑制前后信号相关系数一直大于0.75,完成GIS局部放电在线监测白噪声干扰抑制。     

矿用干式变压器局部放电模式识别方法

为提高矿用干式变压器局部放电模式识别准确率,提出了一种矿用干式变压器局部放电模式识别方法。首先,采用正交匹配追踪算法对原始局部放电信号进行去噪,最大程度保留原始局部放电信号的有用信息;然后,通过自回归模型提取去噪后局部放电信号的自回归系数特征;最后,将自回归系数特征输入随机森林集成分类器对局部放电模式进行识别。实验结果表明,该方法平均识别准确率达98%。     

交联电缆局部放电检测研究

为了提取局部放电信号特征,将集合经验模态分解方法用于交联电缆局部放电信号分析中,提出了一种用于处理局部放电数据的自适应阈值算法。首先利用集合经验模态分解方法将含有噪声的局部放电信号分解成一些相互独立的模态函数分量,然后对所得的模态函数分量进行自适应阈值处理与重构,从而抑制噪声干扰。该算法克服了经验模态分解方法易产生的模态混叠问题,仿真和实测数据验证了其正确性及可行性。     

基于改进小波包阈值的GIS局部放电信号降噪方法研究

特高频法是GIS设备在状态检测中最常用的方法之一,但在应用过程中传感器所采集的特高频信号通常会携带较多噪声,会干扰检测的准备性,因此对信号进行有效的噪声抑制是局部放电检测的关键技术。本文基于小波包去噪理论,提出了一种综合考虑平滑度和边缘特征的改进阈值函数,以实现对GIS局部放电特高频模拟信号的降噪。通过信噪比（SNR）、均方误差（MSE）和波形相似数（NCC）三种参数对方法的去噪效果进行评估,结果表明,改进小波包阈值的信号降噪方法具有良好的噪声抑制功能,应用后可提高GIS局部放电采集信号的初始数据质量。     

基于稀疏分解的超声无损检测信号处理

为了在复杂背景噪声情况下,对缺陷的大小和位置实现精确的识别,提出了一种基于Ga-bor原子库稀疏分解的信号处理方法 ,利用匹配追踪算法将信号在超完备Gabor原子库中进行稀疏表示。采用相干比阈值作为迭代终止条件,根据信号噪声水平自适应调整迭代次数。针对算法计算量大的缺点,引入遗传算法,大大提高了计算的效率。实验表明,该方法可以有效减小噪声的影响,具有计算效率高、稳定性好的特点。     

基于小波变换的噪声检测快速独立分量分析

机械或电气设备工作噪声的测试分析是实时故障检测诊断的重要手段,通常情况下,传感器检测得到的信号是多个噪声源叠加的结果,可采用独立分量分析(ICA)方法分离出待检测对象信号.提出先对混合信号小波系数序列进行独立分量分析,再做小波逆变换得到分离信号.与直接的ICA比较,小波系数比原始信号的超高斯性更强,因此分离处理的收敛速度更快,分离效果更好;由于在小波变换的过程中可以引入阈值去噪,因此基于小波变换得到的分离结果较之常规方法有更强的抗噪能力.     

Pattern recognition with cerebellar model articulation controller and fractal features on partial discharges

This paper presents a new partial discharge (PD) pattern recognition method based on the cerebellar model articulation controller (CMAC). CMAC is an adaptive system by which defect types for partial discharge can be identified by referring to a table rather than by mathematical solution of simultaneous equations. CMAC maps input features of partial discharge into an input vector which is used to address a memory where the appropriate defect types are stored. Five types of defect models are well-designed on the base of investigation of many power apparatus failures. A PD detector is used to measure the raw three-dimension (3D) PD patterns, from which the fractal dimension, the lacunarity, and the mean discharges of phase windows are extracted as PD features. These critical features form the cluster domains of defect types. Using the characteristics of self-learning, association, and generalization, like the cerebellum of human being, the proposed CMAC-based pattern recognition scheme enables a powerful, straightforward, and efficient pattern recognition method. Moreover, the CMAC has the advantages of higher accuracy, shorter learning times, and noise tolerance, which are useful in recognizing the PD patterns of electrical apparatus. To demonstrate the effectiveness of the proposed method, comparative studies using a multilayer neural network (MNN) and K-means method are conducted on 200 sets of field-test PD patterns with high accuracy and high tolerance in noise interference.     

轴承早期故障特征提取方法研究

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题,提出一种基于小波包分解和互补集合经验模态分解(CEEMD)的轴承早期故障信号特征提取方法.利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析,根据峭度最大化原则确定带通滤波器的中心频率和带宽,设计带通滤波器;对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解,根据峭度、相关系数筛选出有效本征模态函数(IMF)分量;利用IMF分量重构小波包信号,对重构小波包信号进行包络谱分析,提取轴承早期故障信号特征频率.该方法通过谱峭度分析降低背景噪声干扰,通过小波包分解增强故障冲击信号,并将CEEMD与小波包分解相结合,解决经典EMD分解存在的模态混叠、无效分量问题.仿真结果表明,相较于传统包络解调算法,重构后信号的背景噪声得到抑制,故障特征分量突出,验证了所提方法的可行性和有效性.     

一种新的压缩采样匹配追踪算法

提出了实用性更强的完全受噪声扰动理论模型,引入了与原信号相关的乘性噪声;并基于新的模型,提出了一种改进的压缩采样匹配追踪算法.该算法通过构造一个感知测量矩阵,在信号替代阶段中取代随机测量矩阵来减少相关性对支撑集筛选的影响,最后可在乘性噪声存在的情况下实现了信号的精确重建.实验结果表明,在相同测试条件下,该算法的重建效果均优于其他贪婪算法和基匹配法(basic pursuit,BP).     

自适应经验小波塔式分解的齿轮微弱故障诊断方法

针对强背景噪声下齿轮微弱故障特征难以有效提取的问题,本文提出了一种基于自适应经验小波塔式分解的齿轮故障诊断方法 .首先,在齿轮故障信号傅立叶变换基础上,通过设定分解层数对信号频谱进行有效划分,进行经验小波变换;然后进一步提出时-频峭度指标,绘制信号在不同分解层数下各分量信号的时-频峭度图,确定所感兴趣的最优共振频段范围;最终得到最优单分量信号,利用包络解调分析提取齿轮微弱故障特征.采用所提方法对齿轮故障信号进行分析,结果表明该方法可以有效提取齿轮微弱故障特征,而传统经验小波方法因为受强背景噪声影响较大,无法准确提取齿轮微弱故障特征信息.     

基于二次筛选的回溯广义正交匹配追踪算法的稀疏信号重构

压缩感知是一种新型的信号采样及重构理论,高效的信号重构算法是压缩感知由理论转向实际应用的枢纽。为了更精确地重构出原始稀疏信号,本文提出一种基于二次筛选的回溯广义正交匹配追踪算法。首先采用内积匹配准则选出较大数目的相关原子,提高原子的利用率。其次利用广义Jaccard系数准则对已选出的原子进行二次筛选,得到最匹配的原子,优化原子选取方式。实验结果表明,在不同稀疏度和观测值下进行信号重构,相比于回溯广义正交匹配追踪算法、正交匹配追踪算法及子空间追踪算法,本文算法在重构误差及重构成功率方面有较大的优越性。