基于尺度-能量熵特征对的特高频局部放电辨识方法

对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。     

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。     

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。     

用于PD信号去噪的dbN序列有效复小波构造研究

根据正交小波构造的条件,采用替换实小波共轭复根的方法,构造了与dbN序列正交实小波具有相同幅频特性、不同相频特性的复小波,指出了共轭复根数与构造复小波数的关系,给出了构造有效复小波应满足的条件,即共轭复根的虚部绝对值小于0.01且与实部绝对值之比也小于0.01时,不能构造有效的复小波。同时,用构建的dbN序列复小波对4种典型仿真局部放电(PD)信号的去噪研究表明,不同类型的仿真PD信号对应有dbN序列去噪最优复小波,而且与相应的实小波去噪进行了对比,进一步证明了复小波用于PD信号去噪的优越性。     

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%。     

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器（GIS）的局部放电（PD）特高频检测虽然能够避开大多数窄带干扰，但是，还有部分窄带干扰会进入检测系统，从而湮没PD信号，因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点，剖析了抑制周期性窄带干扰的常用方法——小波系数直接置零法的局限性，提出了可以用于抑制周期性窄带干扰的有效小波系数（EWC）阈值法，并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明：基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。     

汽车雨刮电机电磁干扰特征提取方法

针对汽车内部严重的电磁兼容问题,需要对车内电磁干扰源进行准确的分析.采用小波变换方法对汽车雨刮电机干扰信号进行多尺度分解,利用分解得到的各高频子带的小波系数特点,提出了小波域内突变参数和不平衡参数的计算方法,分并且提取各小波系数的累积能量参数、突变参数以及不平衡参数,并与重构后的各层细节信号的波形特征作了对比分析.结果表明,小波系数的累积能量参数、突变参数和不平衡参数能够准确描述原始信号中不同成分信号的特征,对电磁干扰源的识别和分类具有指导价值.此外,这种方法对其他电磁干扰信号的特征提取具有参考价值.     

光纤电流互感器渐变性故障时频特征辨识

通过时频变换方法分解光纤电流互感器(FOCT)输出信号,获取渐变故障信号特征,是故障分析的关键步骤。针对FOCT渐变性故障信号时域跨度大且劣化过程呈随机性的特点,对输出信号进行跨间隔采样,利用小波包分解算法,根据故障信号频段实现故障信号特征提取,利用相关评价指标对时域特征参数进行筛选,得到表征FOCT劣化趋势的最优特征参数。针对信号特征维度高的特点,提出主元分析法对高维特征降维处理,满足故障特征辨识快速性的需求。实验结果表明：使用6层小波包分解算法,得到64个包含不同频段信号的子序列,对比各个频带能量占比来确定互感器运行状态,能够实现有效辨识渐变性故障特征。     

基于多特征信息融合技术的局部放电模式识别研究

针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。     

用于复小波变换的EWC阈值法抑制周期性窄带干扰

由于气体绝缘组合电器(GIS)的局部放电(PD)特高频检测虽然能够避开大多数窄带干扰,但是,还有部分窄带干扰会进入检测系统,从而湮没PD信号,因此在现场检测时必须加以抑制。根据PD信号与周期性窄带干扰小波变换后的不同特点,剖析了抑制周期性窄带干扰的常用方法--小波系数直接置零法的局限性,提出了可以用于抑制周期性窄带干扰的有效小波系数(EWC)阈值法,并以所构造的db4复小波对仿真信号与实测GIS特高频PD信号进行了对比去噪研究。研究结果表明:基于EWC阈值法的复小波变换能够有效地抑制GIS特高频PD信号中的周期性窄带干扰。     

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。     

应用复小波变换对电力变压器局部放电超高频信号去噪研究

以电力变压器超高频局部放电在线检测系统为例,提出了一种基于复小波变换技术的分离局部放电超高频信号和噪声的方法;研究了三步骤去噪算法,对其最优复小波的选择、复小波分解阶数的确定及其阈值算法的选取作了重点研究。针对不同的噪声给出了不同的阈值算法——惩罚阈值法和SURE法的阈值选取能方便地捕捉噪声范围内存在信号分解的微小的细节信息,而普通阈值法和渐进SURE法的阈值选取能有效地去除噪声;最后,给出了在线去除局部放电超高频信号噪声的步骤和方法。结果表明:利用复小波变换技术,抑制电力变压器超高频在线监测的局部放电信号中的噪声是一种极为有效的优化方法。     

基于改进EMD的GIS局部放电特高频信号降噪方法研究

特高频法检测GIS局部放电时往往受到不同类型的噪声干扰,天线采集到微弱的特高频信号容易被噪声淹没,导致局部放电检测不准确甚至检测系统在现场无法正常工作等问题。针对上述问题,提出一种基于改进EMD的GIS局部放电特高频信号降噪方法。该方法利用对偶树复小波(Dual-Tree Complex Wavelet Transform,DTCWT)对经验模态分解(Empirical Mode Decomposition,EMD)降噪法进行改进并对GIS局部放电特高频信号进行降噪。利用EMD法将含噪信号分解为一系列的固有模态函数(IMF)分量,然后利用联合分布模型进行每个IMF分量的DT-CWT降噪的小波系数估计,对每个IMF分量进行降噪。最后将降噪后的IMF分量进行信号重构得到降噪后的信号。GIS局部放电特高频信号降噪试验结果表明了该方法达到很好的噪声与非噪声信号的分离效果,拥有较高信噪比,以及能够保持早期局部放电特高频信号特征。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

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。     

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%。     

基于模糊概率论的变压器局放信号模式识别法

电力变压器局部放电信号的模式识别是局放研究中的一个难点和重点问题.文中通过对高采样率采集到的4种局放模式下的单个UHF脉冲信号进行小波包分解,从熵值和能量角度提取出6个特征量,运用了模糊理论基本思想,通过简单的计算求出各种放电模式的信息分布表和放电标量作为参考量.当给出一个待确定模式的局放信号时,求出其具体的放电标量,按照相对误差最小原则就可以确定出其模式归属.经实测局放信号验证,该方法思路清晰,简单有效.     

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.