采用二元树复小波变换的GIS局放信号识别

GIS局部放电模式识别的研究对于保证GIS的安全可靠运行有着十分重要的意义。为此,采用具有优良平移时不变特性的二元树复小波变换对超高频局部放电(UHF PD)信号进行分解,提出了一种采用二元树复小波变换的时频域特征提取方法,阐明了该算法的原理,给出了具体计算公式和步骤;通过伸缩和平移等运算功能对实验室获得的大量UHF PD信号进行多尺度细化分析,综合选用了UHF PD信号在各频带投影序列的能量、在各个尺度下的模极大值和统计参量,构造了完整的UHF PD信号特征空间;并将UHF PD信号特征空间分别输入到RBF组合神经网络分类器的成员分类器中,获得了优良的识别效果,总体识别率86%。     

用谐波小波包变换法提取GIS局部放电信号多尺度特征参数

超高频(UHF)法在GIS局部放电(PD)检测中已得到了广泛应用,UHF PD信号的特征提取对准确识别GIS内部绝缘缺陷类型和指导检修工作具有重要意义,但目前仍然缺乏有效的特征提取方法。为此,本文利用谐波小波具有严格盒形频谱的优点,提出一种提取UHF PD特征信息的谐波小波包变换(HWPT)方法,对实验室获取的4种典型放电模型产生的UHF PD信号,采用HWPT进行多尺度分解,以克服实小波包分解子带间存在频谱混叠和能量泄漏的缺陷,利用UHF PD信号在不同尺度能量和复杂度的差异,提取多尺度能量和多尺度样本熵参数作为模式识别的特征量,更加精确地描述了UHF PD信号的时频域信息。最后利用支持向量机分类识别的结果表明,该方法可以取得比实小波包更好的识别效果,多尺度能量和多尺度样本熵特征参数均能有效识别4种绝缘缺陷。     

基于信号能量谱特征的局部放电故障识别方法及其系统实现

为解决传统超高频(ultra-high frequency,UHF)法实现局部放电(partial discharge,PD)故障模式识别对采样频率、传输带宽和处理速度要求苛刻的困难,提出一种基于信号能量谱特征的局部放电故障识别新方法。该方法通过提取局部放电超高频电磁波信号在不同频段的能量值,构建能量谱序列作为模式识别判据,能够有效降低局放信号对采样频率、传输带宽和处理速度的要求。其次通过5种典型空气绝缘缺陷局部放电试验获得了模式识别的初步判据,验证了该方法的有效性;基于该方法,应用射频理论构建了相应的信号处理系统,并再次通过局部放电试验构建了基于此系统的模式识别判断依据,最后通过验证性试验证明该系统的识别正确率基本达到90%。     

基于电平扫描法的超高频局部放电测量方法的特性分析

为准确采集超高频局部放电(UHF PD)信号并提取其特征,分析了采用基于电平扫描法的UHF PD检测系统测量局部放电信号的基本原理和特征提取方法。分别采用电平扫描法、超高频波形采集法及脉冲电流法采集局部放电信号,分析了3种方法采集所得信号的差异,验证了电平扫描法的有效性。并采用高频正弦信号分析了系统的测量误差。结果表明:3种测量方法所得谱图相位特征基本一致,相位–电平谱图波形相关度0.9;电平扫描法测得的脉冲幅值小于实际幅值,其检测灵敏度与放电检测时的脉冲宽度有关。此外,增大信号幅值、降低检测频带以及增大扫描频率均可提高电平扫描法的检测精度。     

基于改进Protrugram和小波变换的超高频局部放电信号去噪方法

为同时抑制超高频(UHF)局部放电(PD)信号中的周期性窄带噪声和随机白噪声,在分析UHF PD信号频谱特性的基础上,发现PD脉冲的频谱具有以某一频率为中心向左右两侧衰减的特征,中心频率处的谱线幅值要明显高于边带部分,且位于谱图上的局部极大值点处。为此,提出了一种基于改进Protrugram和小波变换的UHFPD信号去噪算法。该方法首先在频域上识别PD脉冲的中心频率,然后依据"峭度值"这一指标自适应获取中心频率所对应的频宽,实现脉冲的频谱定位。最后采用小波去噪法去除信号中的冗余白噪声,实现多类噪声的有效抑制。仿真和实测结果表明:同经典的小波去噪算法和集合经验模态分解(EEMD)自适应阈值算法相比,所提算法不仅具有更好的噪声抑制能力,且能更好地保留有效信号。论文研究可为超高频信号去噪提供参考。     

变压器油中局放UHF信号能量与放电量的关系

为研究变压器油中的金属微粒缺陷下局部放电(PD)放电量与超高频(UHF)信号累积放电能量之间的关系,利用50Ω无感电阻测量电流脉冲和超高频电磁波检测系统,对两种检测方法的实验室人工模拟变压器PD信号进行了测量,发现变压器油中的金属微粒缺陷下的局部放电放电量和UHF信号累积能量之间有二次曲线关系,且当电压与缺陷质量增加时,PD的放电量与天线接收的累计能量均会增加。这一结果表明:结合IEC 60270标准,可以通过计算UHF信号累积能量来获取局部放电量,这为进一步系统研究用超高频法定量检测PD的难题,提供了一种有价值的方法和手段。     

基于改进变分模态分解和Hilbert变换的变压器局部放电信号特征提取及分类

针对现有局部放电(PD)信号特征提取方法存在的不足,提出一种基于变分模态分解(VMD)和Hilbert变换(Hilbert-VMD)的特征提取方法,并提出一种双阈值筛选法来确定VMD算法中的分解模态数。首先,根据PD信号功率谱,采用双阈值筛选法确定VMD算法中的分解模态数;其次,采用VMD算法对PD信号进行分解,得到数个有限带宽的固有模态分量(BLIMFs);然后,对各模态分量进行Hilbert变换并线性叠加后得到PD信号的Hilbert时频谱,并计算各模态分量的边际谱;最后,根据各模态分量的边际谱提取PD信号频域内的特征量,并用支持向量机(SVM)对所提取的特征量进行分类。实验结果表明,对试验环境下和现场实测两种环境下的PD信号,采用该文方法提取得到的特征量均具有较高的正确识别率,充分说明该特征提取方法可以有效提取PD信号特征。对于噪声较大的实测信号,采用该方法得到的正确识别率并未明显降低,说明该方法具有较好的噪声鲁棒性。此外,该文所提Hilbert-VMD方法也为PD信号提供了一种新的时频分析方法。     

基于超高频信号包络的GIS局放特征提取方法研究

提出了一种气体绝缘开关设备(GIS)的超高频(UHF)局放信号的时域特征提取方法,利用希尔伯特变换求取调制在高频信号中的低频信号(信号包络),进而求得其时域关键点对应的特征量。搭建了GIS绝缘的人工缺陷实验平台,获得了3种典型绝缘缺陷的局部放电实验数据。结合实验数据,对提出的算法进行了验证分析。     

基于Hankel矩阵的复小波–奇异值分解法提取局部放电特征信息

气体绝缘组合电器(gas insulated switchgear,GIS)在产生局部放电(partial discharge,PD)时,会向外辐射特高频(ultra-high frequency,UHF)电磁信号,有效提取UHF PD信号的特征信息可实现GIS的在线监测与故障诊断。针对UHF PD信号经过复小波变换后,层间奇异信息分布和层内奇异信息复杂度的差异性,采用二元树复小波变换(combined dual-tree complex wavelet transform,DT-CWT)和奇异值分解(singular value decomposition,SVD)相结合的信号处理方法,提取了UHF PD信号的特征信息。采用Birge-Massart阈值策略对DT-CWT分解后的复小波系数模值序列进行压缩,并构造复合矩阵,分析复合矩阵的奇异熵和复小波分解层数的关系,提出一种求解复小波最优分解层数的算法;利用最优分解层数下的压缩后的各高频系数模值序列构造Hankel矩阵,提取各Hankel矩阵的最大奇异值和奇异熵作为PD辨识的特征参量。结果表明:该特征可以有效识别4种典型绝缘缺陷,且识别率都到达了92%及以上。     

基于经验小波与小波变换的GIS局部放电信号去噪方法研究

为解决气体绝缘组合电器(gas insulated switchgear,GIS)内部缺陷局部放电(partial discharge,PD)信号含有噪声的问题,搭建了模拟局部放电环境,采用超高频法(ultra-high frequency,UHF)采集缺陷PD信号。针对UHF PD信号具有周期性窄带噪声与白噪声的特点,提出了基于改进的经验小波(experience wavelet,EWT)与小波变换结合进行UHF PD信号的去噪研究。首先,含噪信号通过EWT预处理分解为多频率的模态函数,然后对模态函数进行小波去噪处理,将去噪后的模态函数按照峭度值进行划分,根据合适的阈值选取UHF PD信号的有效成分并重构信号,最后,通过构建UHF PD仿真信号并采用实测数据验证所提算法的有效性。仿真实验与实测去噪结果表明:文中所提改进去噪算法具有良好的噪声抑制能力,为GIS设备内部UHF PD信号去噪提供参考。     

基于能量累计曲线-小波变换和动态加权统计的局部放电源定位方法

为了快速准确地对变压器局部放电(PD)源定位,提出了一种基于能量累计曲线-小波变换和动态加权统计相结合的局部放电定位方法。对获得的超高频(UHF)信号的能量累计曲线进行小波变换来提取超高频信号到达时刻的时间差;由各组时间差数据得到的初始点建立动态加权统计算法的数学模型。排除错误的初始点后,对每个初始点进行动态加权求取PD源位置。结果表明,动态加权统计克服了仅仅根据单组时间差数据定位PD源的分散性,能够更加快速准确地对变压器中的PD源进行定位。使用基于能量累计曲线-小波变换和动态加权统计相结合的方法可以实现对PD源的准确定位,其定位准确度可达10cm。     

GIS局部放电超高频在线监测技术研究及应用

研制了GIS局部放电超高频在线监测系统,针对局部放电(PD)信号提取时面临的复杂干扰因素,提出在GIS盆式绝缘子处外置超高频(UHF)传感器耦合GIS泄露的PD信号、噪声传感器耦合周围噪声水平,借助信号处理电路对二者获取的信号进行阈值比较、数字滤波和相位对比,进而剔除外来干扰,提取真实有效PD信号的干扰抑制方案。通过现场应用实例,验证了本文所提干扰抑制方案的有效性。     

变压器局部放电超高频信号多尺度网格维数的提取与识别

提出了一种基于小波包多尺度分析和网格维数的变压器局部放电超高频信号模式识别的新方法,采用小波包多尺度变换提取局部放电超高频信号在多尺度上的小波系数,通过改进差盒计数法计算多尺度小波系数的网格维数,并将多尺度网格维数作为特征量用于局部放电超高频信号的识别。采用了4种典型放电模型产生局部放电,并采用3阶Hilbert分形天线检测局部放电超高频信号,提取的信号特征量输入径向基函数神经网络进行分类识别,识别正确率最低为70%。     

基于S变换的高压直流输电故障诊断

在研究采用S变换提取的信号的幅频特性和相频特性基础上,提出了一种基于S变换的高压直流输电故障诊断方法。通过对故障信号进行S变换(一种可逆时频局部分析方法,能有效提取信号的时频特征)后,提取故障特征量,融入构建的故障识别指数,利用识别指数所在值域来判断故障类型。该方法已经在高压直流系统各类型故障中进行了仿真测试,表明是有效可行的。     

基于交叉小波变换和相关系数矩阵的局部放电特征提取

针对局部放电特征量的高维性及对噪声的高敏感性,提出一种基于交叉小波变换和相关系数矩阵的局部放电特征提取方法。基于交叉小波变换对信号的时频域分析功能以及对噪声的免疫功能,采用交叉小波变换分析变压器局部放电信号,并获得表征交叉小波谱图特性的特征量;然后利用相关系数矩阵对获得的特征量进行相关性分析,剔除具有较强相关性的特征量;最后将提取到的特征量送入概率神经网络与BP神经网络分类器进行放电模式识别。仿真及实例分析证明了该方法的有效性。     

局部放电UHF脉冲的时频特征提取与聚类分析

制作了4种人工缺陷模型模拟典型的局部放电源,并进行局部放电试验采集UHF脉冲信号。引入S变换(ST)对局部放电的UHF脉冲进行时频分析,探索不同放电源脉冲的聚类分离。算法首先对UHF脉冲进行S变换,并采用非负矩阵分解(NMF)对S变换幅值矩阵进行分解得到频域基向量和时域位置向量,从中提取尖锐度、导数平方和、信息熵以及稀疏度等特征参量,构造出能充分反映局部放电时频信息的特征空间,最后利用模糊C均值算法对提取的特征向量进行聚类得到放电源脉冲的聚类结果。对试验数据的分析结果表明,提取的ST时频特征能够有效实现不同局部放电源脉冲的聚类,当NMF参数r=2时,10维时频特征能够取得最高为90.33%的聚类正确率;与常用的Wigner-Ville分布(WVD)相比,ST具有更好的聚类效果;当存在复杂的多重信号折反射时,本文提出的时频特征聚类结果较差,需要进行进一步的研究。     

基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。     

GIS中电磁波传播特性的仿真研究

为研究UHF信号在GIS中的传播特性,采用时域有限差分法进行了仿真建模和计算。GIS内部的局部放电会在腔体中激励超高频(UHF)电磁波信号,UHF法是通过对局部放电时产生的超高频电磁波信号进行检测,获得局部放电信号的有关信息以实现对设备的绝缘状态诊断和评估。UHF法抗干扰能力较强、灵敏度高。仿真结果表明,UHF信号在GIS内传播时呈现明显的时延特性,有利于局放源的定位;UHF信号的强弱和检测点与局放源的夹角Φ有关,Φ=0°和180°时信号的能量最大;局放脉冲越陡,在GIS腔体中激励的高次模波分量越大。     

串联谐振下电缆局部放电的双传感器检测技术

为了实现电力电缆耐压与局部放电(partial discharge,PD)同步测试,提出了变频串联谐振下电缆局部放电的双传感器检测技术,并在实验室搭建测试平台对该技术进行了验证。首先,基于电缆局部放电信号传播特性,利用高频电流传感器(high frequency current transformer,HFCT)检测流经电缆接地线上的脉冲信号(包括干扰信号与局放信号)做主信号,利用超高频传感器(the ultra high frequency,UHF)检测变频电源产生的脉冲干扰信号作参考信号。然后,采用基于阈值窗的时域滑动能量搜索方法对两路信号进行脉冲提取,并根据HFCT中干扰信号和UHF信号在时域上发生重叠的特点,采用交集判别算法实现HFCT信号中局放信号的分离识别。最后,构造局放相位分布(phaseresolvedpartial discharge,PRPD)谱图确定局放源的类型。实验结果表明,该技术能在变频电源强干扰下实现PD信号的分离识别。该方法可实现耐压与PD测试,对实际工程有一定的指导意义。     

基于二维变分模态分解和Hilbert变换的局放信号特征提取方法

本文通过对二维Hilbert-Huang变换方法的改进,提出了一种基于二维变分模态分解(VMD)和Hilbert变换的局部放电灰度图像特征提取方法。首先,利用局部放电样本生成相应放电灰度图;其次,以二维VMD算法分解各放电灰度图像,获取各个不同中心频率的模态分量;然后,通过四元数Hilbert变换得到各模态函数对应的特征图,并提取灰度纹理特征,构成各放电样本对应的特征向量;最后,以BP神经网络分类器对提取出的局部放电特征量进行分类和识别。实验结果验证表明,同二维Hilbert-Huang变换和传统放电灰度图特征提取方法相比,基于本文方法所得特征量具有更高的正确识别率,验证了该方法的可行性。另外,本文所采用的二维VMD-Hilbert方法为局部放电信号的频谱分析拓展了新的思路。