局部放电脉冲在单绕组变压器中传播过程的仿真分析

变压器所特有的绕组结构对局部放电脉冲的传播过程有重要影响。对传播过程的深入研究有助于正确理解测得信号所包含的信息。文章建立了局部放电脉冲在单绕组变压器绕组中传播过程的仿真计算模型，并结合不同放电位置计算了脉冲传播途径的传递函数。不同位置发生放电时，可利用同一测量点所测信号根据其幅频特性的不同来确定放电位置。     

基于独立分量分析的局部放电脉冲信号提取

电气设备局部放电信号的提取,特别是从强干扰中恢复局部放电信号具有较大的困难。该文根据独立分量分析ICA理论,提出了多源少信道(欠定)ICA算法与完备ICA算法结合的二次盲信号分离方法,用此方法对局部放电脉冲进行提取。仿真结果表明,所提方法能够较好地恢复出多种干扰下典型局部放电脉冲信号的波形、波形之间相对幅值关系以及脉冲极值所对应的时间点等局放信息,说明了此方法可行。     

基于虚拟仪器的GIS局部放电声电联合检测系统

笔者设计了一套基于虚拟仪器的GIS局部放电声电联合检测系统,通过不同速率的数据采集模块对GIS局部放电过程中所产生的超高频、高频电流以及超声波信号进行多通道同步联合检测。系统基于LabVIEW虚拟仪器平台开发,可连续捕捉与采集存储局部放电脉冲波形信号、实时计算放电脉冲相位。利用采集的局放信号进行时频分析和模糊聚类实现了多源局放的有效分离和类型判断,同时基于多路局部放电超高频信号与超声波信号本身或两者之间的时差可实现局部放电源的定位。该系统已在多个220 kV及500 kV GIS变电站的局部放电现场检测中得以应用,检测结果验证了系统的性能。     

油中典型局部放电模型放电波形特征参数的提取

根据油中局部放电脉冲波形的特性,提出了一种用于抑制噪声的多分辨率分析和软阈值相结合的小波消噪算法;同时对提取的放电波形的特征参数进行了分析和处理。结果表明,软阈值消噪能较好地解决保留信号局部特征与抑制噪声之间的矛盾,特别适合于对单个局部放电脉冲波形的处理;不同的局部模型,其放电脉冲波形的特征参数有很大差异,提取每种放电的波形特征参数,就可以较好地进行放电类型的识别。     

局部放电信号在电力变压器绕组传播过程中的畸变

由于变压器是绕组类设备，变压器内部的局部放电信号将经绕组向两端传播至监测装置，从而导致作为故障诊断基础信息的放电脉冲信号发生一定程度的畸变，该文根据对脉冲信号在绕组中传播过程的实际测量结果，获得了绕组的基本冲击响应特性，利用典型模型放电的纳秒级快速变化波形测量结果，研究了不同情况（不同放电类型、不同放电部位以及不同的测量点）下放电脉冲信号在绕组中的传播规律，并提出了一种从实际测量波形中有效分析原始放电波形的方法，为实际的局部放电脉冲波形监测提供了试验依据。     

多局部放电源的电/电磁波和声信号时序分析

局部放电既产生瞬态的电/电磁波信号,也辐射声波,为了解决设备内多局部放电源的存在给诊断所带来的困难,通过对局部放电辐射的电脉冲、电磁波和声波检测信号的分析,忽略脉冲信号的幅度特性和持续时间,仅考虑脉冲接收的起始时间点,构成对应的布尔量时间序列,以分别代表局部放电的电/电磁波和声波的布尔量时间序列,为两个坐标轴建立直角双时间坐标系。理论分析认为,任何一个局部放电源的电/电磁波和声波的布尔量时间序列在该坐标系下构成一条45°直线,不同局部放电源因时延的不同形成的直线位置不同。实验研究工频下不同位置的3个局部放电模型的放电时序关系及由它们的电/电磁波和声波布尔量时间序列建立的直角坐标系的结果表明,该法有可能识别多局部放电源,重构各局部放电源的放电时序关系,藉此研究各放电源的相间局部放电谱图及其放电模式变迁,并获得用于局部放电定位的关键参数超声波传输时延。该法物理意义明确、应用简单。     

采用等效时频分析及模糊聚类法识别混合局部放电源

在过去几十年里,国内外开展了大量局部放电源的模式识别研究工作,但均仅能够识别单一的放电源,而对于混合放电源的识别问题,还未找到较好的解决办法。为此,提出了一种用于识别混合局部放电源的新方法,首先将放电波形经过等效时频变换构成T-F模式,来自于不同放电源的放电脉冲具有不同的放电波形特性,并将投影在T-F平面的不同区域;再结合模糊C-均值聚类算法(FCM)对T-F模式进行聚类,根据信号点隶属度实现不同放电波形特性信号的划分,从而实现混合放电信号的分离和放电源识别。结果表明,与采用多参数Weibull分布识别多放电源的方法相比,该方法具有对"脏数据"不敏感,而且能够从混合放电的相位-峰值(q-Φ)图中分离出属于各类放电的q-Φ子图,进而采用已有的特征提取和模式识别等手段做进一步的分析。应用该方法构造单一放电的特征指纹库更为可靠,而且在对实验室的混合人工缺陷模型放电信号的分离和识别中也取得了理想的效果。     

高压交联聚乙烯电缆局部放电脉冲的时频特性识别方法

高压电力电缆局部放电（PD）测量中,进行绝缘诊断和状态评估的一个重要方面是局部放电信号（PDs）的识别和放电源分离。传统的基于局部放电幅值大小检测的相位统计分析,不足以实现有效的诊断、风险评估和基于状态的维护。为此,从理论上研究了频率（即等效带宽∫eq）一时间（即等效时间长度teq）分离技术,通过∫eq-teq。平面的簇脉冲来识别局部放电脉冲,并求解出局部放电脉冲信号在∫eq-teq。平面形成紧凑的簇所需要的相似属性参数。Xi。PE绝缘样片缺陷实验将气隙放电、沿面放电和电晕放电不同类型脉冲映射到∫eq-teq。平面;XI。PE电缆缺陷实验将不同位置的相同缺陷放电脉冲映射到∫eq-teq平面。结果表明,不同类型的缺陷产生的PD脉冲信号能有效形成自己的簇,电缆不同位置的缺陷产生的PD信号也能形成不同的簇。可见,∫eq-teq识别技术可为高压XI。PE电缆的缺陷类型及放电源分离提供判断依据。     

尺度空间滤波在局部放电脉冲提取中的应用

在提出脉冲提取思想的基础上，利用局部放电信号所固有的奇异性特征，将小波变换的奇异性检测原理应用于提取局部放电脉冲。为了满足局部放电在线监测的在线准实时要求，提出了改进的尺度空间滤波算法，并将其应用于局部放电脉冲的提取。通过相邻尺度的小波系数直接相乘，可以突出奇异点的信号，并获得基于尺度的屏蔽滤波器，将阈值方法和尺度空间滤波相结合，最终得到基于时域的屏蔽滤波器，将时域滤波器和原信号相乘，就可以提取出局部放电脉冲。仿真试验和发电机实测信号的算例表明，相对于模极大值算法，该方法在提高运算速度的基础上，不但能准确检测出局部放电脉冲，而且能很好地保持局部放电脉冲的幅度和位置。     

多小波消噪算法在局部放电检测中的应用

在简单介绍多小波理论及其消噪算法的基础上，将其应用于抑制局部放电检测中的噪声干扰。局部放电是具有多种形态的非平稳信号，针对常见的4种形态的局部放电脉冲，以均方误差为衡量指标，通过蒙特卡罗仿真分析，研究了小波与多小波在不同局部放电模型下的消噪效果，并就二者提取多态性局部放电的性能进行了比较。研究结果表明，多小波对局放的先验知识要求较低，能够有效地处理多种形态的局放信号，在抑制噪声干扰的同时，能够保留更完整的局部放电信息。     

用于提取局放脉冲的波形匹配识别方法初探

针对现场采集的局部放电信号中经常混杂白噪声和窄带周期干扰现象,本文首次提出使用Laplace小波按照波形匹配的原则来提取局部放电脉冲信号的方法.利用该小波波形与局部放电脉冲波形相吻合程度较好的特点,根据波形匹配的原则对含噪信号在一个由该小波构成的小波基函数空间中进行模式识别,进而去除噪声,提取局部放电脉冲信号.该方法不仅能够用于去噪,而且可以确定脉冲的放电主频率、衰减度、放电时刻及放电个数,从而为故障识别和定位奠定良好的基础.仿真和实验结果显示该算法具有良好的去噪性,同时可以获得更多的局放脉冲信息.     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号。然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法。首先利用小波变换对局部放电信号获取能量的时频分布图;然后运用差分盒计数法(DBC)对能量分布图进行分形维数的特征提取,并采用线性判别分析(LDA)对特征向量进行降维处理;最后利用支持向量机(SVM)对局部放电缺陷类型进行分类。为验证所提出算法的有效性,在实验室252 kV GIS局部放电仿真实验平台的模型气室内设置了尖端放电、自由微粒放电、沿面放电和悬浮电极放电4种典型缺陷类型,由特高频传感器采集各类缺陷的局部放电信号,后由该文算法进行分类。实验结果表明,采用该文所提特征提取方法对4种典型缺陷类型的识别准确率超过96%,显著优于传统的基于统计参数的信号特征提取方法。     

采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征

采用二元树复小波变换（DT-CWT）对特高频局部放电（PD）信号进行多尺度分解,求解了复小波最优分解层数,提取了最优分解尺度下的特高频 PD信号实部和虚部高频层小波能量,并采用Fisher线性判别方法对能量特征进行选择,最后进行PD类型辨识。识别结果表明：优选后的实部和虚部高频层小波能量特征可以有效识别4种典型绝缘缺陷,识别率均达到了92.5%及以上,且最优复小波能量（OCWEF）特征在PD类型辨识中具有更优的敏感性和识别效果。     

小波与分形理论的互补性及其在局部放电模式识别中的应用研究

研究应用于电气设备局部放电模式识别及故障诊断的放电特征量提取方法,是电气设备状态维护技术研究中的难题之一。该文从尺度变换的角度,研究了小波与分形理论的互补性;并从局部放电信号小波分解后的能量谱图提取放电特征,用于局部放电模式识别。研究结果表明：选用适当的小波函数和尺度函数,将局部放电信号的逼近信号能量谱和精细的结构能量谱的分形维数作为局部放电模式特征,能够有效地应用于局部放电模式识别中。该项研究结果具有较高的理论和应用价值。     

一种基于Morlet小波分析与神经网络技术的局部放电识别方法

小波变换技术适合电机局部放电的模式识别,笔者从一个新的角度来描述了局部放电信号的特性。研究表明,用Morlet小波变换三维分布图计算出的特征参数可以区分空气中的尖尖放电、尖板放电和沿面放电。理论和仿真实验分析表明,小波变换三维分布图提取的特征参数可以作为识别局部放电的新特征量,这些特征量作为人工神经网络的输入量可单独使用也可结合其它方法使用。     

Trends in partial discharge pattern classification: a survey

Partial discharge (PD) detection, measurement and classification constitute an important tool for quality assessment of insulation systems utilized in HV power apparatus and cables. The patterns obtained with PD detectors contain characteristic features of the source/class of the respective partial discharge process involved. The recognition of the source from the data represents the classification stage. Usually, this stage consists of a two-step procedure, i.e., extraction of feature vector from the data followed by classification/recognition of the corresponding source. The various techniques available for achieving the foregoing task are examined and analyzed; while limited success has been achieved in the identification of simple PD sources, recognition and classification of complex PD patterns associated with practical insulating systems continue to pose appreciable difficulty.     

基于小波与分形理论的电力设备局部放电类型识别

根据小波理论建立了表征局部放电脉冲信号的三维时频谱图,该三维谱图综合反映了局放脉冲信号的3个基本特征:时间分量、频率分量和放电能量的分布。采用了分形理论从所建立的三维时频谱图中提取放电特征,并构成识别特征量,采用误差反传神经网络对局部放电信号的类型进行模式识别。试验结果表明,该方法可有效区分局部放电的类型。     

基于GK模糊聚类和LS-SVC的GIS局部放电类型识别

局部放电可以反映气体绝缘组合电器(Gas Insulated Switchgear,GIS)内部的绝缘缺陷,对正确识别GIS的放电类型具有重要意义。在GIS重症监护系统研究平台上人工设置4种GIS的典型缺陷。基于4种缺陷不同电压等级下的局部放电样本数据,提取局部放电灰度图像的分析特性作为识别特征量。同时考虑到现场干扰对局部放电信号的影响,利用GK模糊聚类算法对分形特征量进一步处理,以提取隔离干扰后的分析特征量。最后设计了基于LS-SVC的局部放电模式识别器。试验结果表明所提方法能有效识别GIS放电类型,比人工神经网络方法具有识别率高、稳定性好的优点。     

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。