空载变压器油箱表面振动信号的初步研究

利用变压器振动测量系统测取了空载变压器油箱表面的振动信号 ,根据对铁心振动信号特征、不同位置处振动信号的差异的研究提出了运用振动信号分析法在线监测变压器铁心时 ,同时分析三相振动信号及与各自的历史振动数据相比较的方法。     

风力发电机组故障振动信号特征向量的提取

为了准确分析风力发电机组故障的振动特性,给出了基于多种函数变换方式的振动信号特征向量提取方法.运用EMT690D机械设备故障诊断系统对模拟直驱风力发电机组故障振动信号进行提取.利用傅立叶变换、小波变换和小波包变换分别对振动信号进行分析,提出了不同类型的提取振动信号特征向量的方法,通过变换得到了数组故障振动信号的特征向量.结果表明这三种变换方式各有优势,能够从不同的角度分析振动信号.     

水电机组振动信号去除高频噪声技术综述

本文针对水电机组振动信号消噪方法进行了系统地总结.将现行的振动信号去噪方法中的基于Fourier变换的传统振动信号去噪方法和以提升法为代表的新型振动信号预处理技术两类技术进行了全面地分析,并比较了各自的优缺点.利用提升法的第二化小波变换对水电机组振动信号进行消噪具有计算速度快、无需选择小波基函数、处理结果更为合理的优势.最后,进一步给出了水电机组振动信号消噪技术的主要发展方向.     

换流变用有载分接开关振动信号预处理方法研究

为提高换流变用有载分接开关(OLTC)状态诊断的准确性,开展换流变用OLTC振动信号预处理方法研究。通过对OLTC工作原理和现场噪声的分析,提出基于维纳滤波器的OLTC振动信号降噪方法和基于Teager能量算子-双门限法的OLTC振动信号阶段划分方法。在降噪方面,通过驱动电机电流信号划分噪声段和带噪信号段,基于噪声和带噪信号的频谱特征构建维纳滤波器,通过与降噪前的振动信号以及与其他降噪方法的比较,验证了该方法的有效性。在阶段划分方面,通过Teager能量算子放大振动脉冲与低频噪声的差异,通过对比观察法与所提方法在端点提取时存在的误差,验证了所提方法的有效性。文中提出的振动信号预处理方法,可为OLTC状态诊断提供高信噪比的振动信号和振动阶段信息。     

电力变压器振动信号分离方法研究

以独立成分分析(ICA)为代表的主流盲分离技术对信号独立性要求较高,难以分离具有高度相关性的变压器铁芯与绕组振动信号。为了分离变压器铁芯和绕组振动信号,建立了变压器振动信号混合模型,在该模型基础上提出了一种基于时频比盲源分离算法(TIFORM-BSS)的变压器振动信号分离方法。将该方法分别应用于分离人工混合后的110 k V三相变压器油箱壁信号和实际运行中的500 k V单相变压器油箱壁振动信号,结果表明该方法能够有效分离具有强相关性的变压器绕组和铁芯振动信号。     

断路器振动信号的相频特性及在监测中的应用

研究了断路器操作过程中振动的传播过程，提出了使用信号相频特性描述振动波传播过程的方法，并通过与振动信号对应的解释信号相频特性的分析，得出了一种识别在时间上相互混叠的振动事件的方法。     

基于最优小波包的水轮发电机组振动信号特征提取方法

水轮发电机组振动信号的在线监测是实现机组状态检修方法的关键。在分析了水轮发电机的机组振动信号特征后,提出采用db1小波进行振动信号的特征提取,在信号分析中主要应用shannon熵。小波包的构造是基于函数空间的正交剖分;最佳小波包基的选择就是应用最优的分解方法和有效的算法寻找出最小熵标准;给出了机组振动信号特征提取的步骤。根据所构造的最优小波包对机组振动信号进行分解并运用能量特征提取分析方法对机组振动信号进行特征提取。     

振动法用于在线监测电力变压器绕组及铁心状况的可行性研究

本文提出利用在线测量器身振动监测电力变压器铁心及绕组状况的方法 ;分析讨论了如何从器身振动信号中提取铁心及绕组的振动信号。根据参考文献以及实测得到的变压器器身振动信号频谱图 ,研究了铁心及绕组振动信号的基本特征 ;最后论证了利用振动法在线监测电力变压器比噪声法具有更高的可行性     

基于变压器振动信号的电能质量特征基提取方法

提出了一种基于变压器振动信号的电能质量特征基提取方法,通过对变压器振动信号的分析,构建了变压器振动特征集合,借助决策树算法建立了基于变压器振动信号的电能质量特征基,并验证了其有效性。     

基于经验小波变换的变压器振动信号特征提取

为有效提取变压器振动信号特征,提出了一种基于经验小波变换(EWT)的信号特征提取方法。首先利用EWT方法将不同工况的变压器振动信号分别分解为若干经验小波函数(EWF)分量;然后计算各分量Hilbert谱,通过时频表示直观反映不同工况变压器振动信号的频率特征信息;最后计算不同工况振动信号各EWF分量与原信号的相关系数,并提取相关度高的分量,根据其能量构建信号的特征矢量,实现对不同工况变压器振动信号特征提取的量化处理。仿真试验表明,该方法能有效提取变压器振动信号特征,且根据提取的特征矢量能够正确识别变压器绕组所属的不同工况。