改进空间屏蔽滤波算法在局部放电脉冲提取中的应用

提出了改进的空间屏蔽滤波算法，并将其应用于局部放电脉冲信号的提取。利用Teager能量算子得到能量强化后的小波变换系数，利用小波系数在相邻尺度的乘积突出奇异性信号，形成基于尺度的屏蔽滤波器，通过相邻屏蔽滤波器的逻辑“与”运算得到最终的屏蔽滤波器。将该屏蔽滤波器和不同尺度的小波系数相乘来提取局部放电脉冲。仿真信号和试验室线棒放电信号的测试表明该方法不仅能提高信噪比，还能很好保留局部放电信号的幅值和能量，有利于后续的局部放电分析。     

基于传感器阈值法的局部放电信号自消噪

为抑制噪声干扰准确提取局放信号,针对局部放电脉冲的时域特征,运用电流、电容耦合以及电磁波传感器同时获取局部放电信号,将不同传感器采集的信号在时域上相乘,从而确定放电脉冲的起始和终止时间,再利用这两个阈值构建出一个时域屏蔽滤波器;运用该滤波器对含有背景噪声的原局部放电信号自行消噪,进而从噪声中提取出放电信号,提高信噪比。采用实际局部放电脉冲信号加人工模拟噪声信号对该消噪方法定量验证的结果表明,该屏蔽滤波器结构简单,容易实现在线处理,具有良好的消噪效果和应用前景。     

局部放电的电脉冲信号检测研究

介绍了局部放电脉冲信号在线检测中采用的抑制干扰算法,理论和实践表明该算法能有效地抑制干扰和提取局部放电脉冲信号。     

提取局部放电脉冲特征的新算法

针对局部放电测量中存在的缓变窄带干扰,采用Ｍａｌａｔ塔式小波分解算法对局部放电信号和噪声信号的小波分解特性进行详细研究,并提出了一种基于ａｄｈｏｃ算法思想的算法,来提取局部放电脉冲的位置与幅值特征。实验证明,该算法能有效地提取局部放电信号的特征,可用于绝缘局部放电在线监测。     

电力系统故障时刻提取的小波分析

小波分析在时域和频域同时具有良好的局部化特性 ,而且可以根据信号频率的变化自动调节时域 频域窗口 ,因此利用小波分析可以有效地检测出信号的奇异性。文章分析了电力系统故障暂态信号的奇异性 ,得出其奇异性的特殊性 ,从而提出利用小波变换进行故障暂态信号奇异性检测的算法 ,保证奇异点的准确检测 ,即故障时刻的准确提取     

一种基于屏蔽滤波的行波信号消噪方法

针对实际电力系统行波信号中存在噪声干扰的问题,提出了一种基于屏蔽滤波的行波信号消噪方法,对信号进行极大重叠离散小波包变换,将信号分解在不同的尺度上,利用能量算子得到能量强化后的小波包系数,通过计算小波包相邻尺度的相关度,归一化后得到的相关系数与各个尺度的小波包系数进行比较,获得信号奇异点,形成屏蔽滤波器,将屏蔽滤波器与各个尺度下的小波包系数相乘,从而得到新的小波包系数,利用小波包系数得到行波信号产生的准确位置.理论分析、ATP仿真结果及现场实际数据验证了该方法的有效性.     

电力系统故障时刻提取的小波分析

小波分析在时域和频域同时具有良好的局部化特性,而且可以根据信号频率的变化自动调节时域-频域窗口,因此利用小波分析可以有效地检测出信号的奇异性。文章分析了电力系统故障暂态信号的奇异性,得出其奇异性的特殊性,从而提出利用小波变换进行故障暂态信号奇异性检测的算法,保证奇异点的准确检测,即故障时刻的准确提取。     

基于小波变换和数学形态学的局部放电信号降噪算法的研究

进行局部放电(Partial Discharge,PD)在线监测时,为解决传统降噪算法难以提取湮没在强白噪声干扰中的多态性局部放电脉冲的问题,提出一种小波变换(WT)与数学形态学(MM)相融合的方法.该算法在传统小波硬阈值降噪方法的基础上加入形态滤波环节,对小波分解系数进行滤波处理.仿真分析以强白噪声干扰下的多态性局部放电信号为研究对象,采用降噪后信号的信噪比和均方误差为降噪性能指标,分析比较该方法与其他传统降噪方法的降噪性能,对实测局部放电信号研究结果表明该方法与传统的小波阈值方法相比,能够更有效地抑制强噪声干扰并较为完整地提取局部放电脉冲信号,且对母小波选取的依赖性低、计算量小、便于实现.将该方法运用于局部放电实测信号的处理,取得了良好的降噪效果.     

软硬滤波抑制周期性窄带干扰

分析了GIS局部放电检测中出现的周期性窄带干扰信号特征,提出了基于SDTM阈值法的小波变换抑制周期性窄带干扰的原理和算法,并结合设计的微带线滤波器用软硬滤波联合抑制周期性窄带干扰。仿真与实测研究表明,SDTM阈值法优于MINIMAXI和HEURSURE阈值选取法,其阈值的选取与样本的平均值和局部观察值有关,根据信号的大小决定且在小波变换的不同尺度上有一定的自适应性,能有效抑制周期性窄带干扰,用软硬滤波法先硬件滤波再小波处理能实现局放信号的有效提取。     

基于模极大值小波域的局部放电信号重构算法

局部放电信号是奇异信号，利用模极大值原理，可以对局部放电信号去噪，然而，对于单个的局部放电脉冲信号，如何由保留下来的少数模极大值点重构局部放电信号是一个重要课题。为此，该文提出一种基于模极大值小波域的局部放电信号重构算法，该算法先根据模极大值小波域的定义求出局部放电信号的模极大值小波域，从而得到局部放电信号的小波系数，然后逆变换得到局部放电信号，实例分析表明，该算法程序简单，易实现，速度快，能满足局部放电在线监测的需要。     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。     

基于改进冗余提升方案的汽轮机组振动故障特征提取

故障特征提取是大型机械设备状态监测和故障诊断领域的核心问题。传统的振动故障特征提取方法主要是基于频谱分析的方法,小波变换的出现则为该领域提供了新的工具。文中提出并构造了一种改进的冗余提升小波变换算法来提取振动信号的时域特征。算法以第2代小波为基础,设计了冗余提升小波变换的算法,不进行分裂,直接利用构造的算子进行预测和更新,各层分量和原始信号的数据长度相同,从而保留了更多的时域信息。研究了提升小波和冗余提升小波算法中存在的频率混叠问题,阐述了产生频率混叠的原因。通过对冗余提升小波分解得到的近似信号和细节信号采用傅里叶变换的方法消除了与其对应频带无关的频率成分,以突出相应频带信号的时域特征。对仿真信号和实际汽轮发电机组振动故障信号进行了分析,结果表明,改进的冗余提升小波变换算法能够较理想地提取出故障特征,有效地解决了提升小波算法中存在的频率混叠问题。     

基于小波奇异性检测的在线监测数据处理

在复杂的现场条件下 ,各种影响因素的共同作用可能造成在线监测数据失真。为保证分析诊断的准确 ,必须对在线监测数据进行去噪与平滑处理。由于小波变换系数模极大值的位置和幅度同信号的局部奇异性密切相关 ,本文提出了一种基于小波奇异性检测的在线监测数据处理方法。利用小波变换得到奇异点的位置与其局部奇异性信息 ,针对奇异点的类型不同分别进行去噪与平滑。较之以往方法 ,该方法通用性强 ,且无需大量的统计信息。通过对实际的监测数据分析 ,验证了所提方法的有效性     

水轮发电机局部放电在线监测中的脉冲识别方法

在水轮发电机局部放电在线监测中,脉冲识别是关键技术之一。在对现场信号进行离散谱干扰抑制及单脉冲边沿确定等预处理的基础上,为实现脉冲识别,采用了基于自适应聚类及三维谱图与基于时频联合特征提取的两种脉冲识别方法。根据实际应用的经验,改进了自适应聚类算法。提取脉冲的等效时间宽度、等效振荡速度作为时域特征,利用小波变换计算脉冲的频域特征,并将二维图形的统计参数应用于脉冲识别。在介绍两种方法基本原理的基础上对其进行比较,结果表明,基于时频域联合特征提取的脉冲识别方法为现场应用的最佳方案,它保证了局部放电脉冲的有效识别,同时为实现水轮发电机的其它电磁冲击监测提供了一种较好的解决方法。     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

小波变换在局部放电声信号提取中的应用

在电力设备外表面设置的声传感器可以获取局部放电的声信号,文中使用高精度的声信号采集装置来采集局部放电声信号,并对实测信号的特性进行分析。由于局部放电信号具有突出的局部瞬变特征,可通过这一特性从含有噪声的原始信号中有效的提取出局部放电信号。本文采用小波变换在时域和频域具有局部瞬变特征的特点,用基于小波变换的消噪算法来提取局放信号。通过对仿真信号和实测信号的处理,表明该算法行之有效。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

小波分析在转子绕组匝间短路故障诊断中的应用

针对汽轮发电机转子绕组匝间短路故障,分析了匝间短路故障时的电磁特性和探测线圈上感应电势变化,提出了基于小波分析的故障实时检测方法,并给出了计算机建模仿真和动模实验分析.这种方法是在探测线圈法的基础上,将小波变换用于突变信号的检测,对气隙中感应电动势信号的奇异特征进行提取,并根据这些奇异特征,实现对发电机转子绕组匝间短路故障的检测及故障点的定位.仿真表明,该方法能够实时检测到故障的发生及故障的具体槽位,适合于发电机转子绕组匝间短路故障的在线检测.     

时频匹配滤波法用于变压器局部放电模式识别的实验研究

局部放电模式识别对于电力变压器绝缘状况诊断具有重要意义。分析了典型变压器局部放电缺陷,建立4种放电模型,采用小波变换获取了超高频局放脉冲的三维时频谱图,该三维谱图综合反映了局放信号的3个基本特征:时间分量、频率分量和放电能量的分布。根据时频谱构造了4种局放模型的三维匹配滤波器,待测局放信号与同类型滤波器相匹配。结果表明,该方法可以有效提取出局部放电信号的主要特征和趋势。