基于Hanning卷积窗的DFT介质损耗角测量算法

在高压电气设备介质损耗角在线监测中,DFT算法用于介质损耗角(介损角)测量时,系统频率的波动所造成的非同步采样将会产生泄露效应,从而会影响介损角测量精度。文章详细地分析了DFT算法非同步采样造成的泄露效应,提出了一种基于Hanning卷积窗的DFT介质损耗角测量算法。该算法采用Hanning卷积窗对电流和电压信号进行加权,利用频谱相位差校正法进行频谱校正以获得基波相位,根据电流与电压的基波相位差计算出介损角。通过仿真给出了该算法在电压频率波动和白噪声变化时计算所得介损角的变化情况,通过分析验证了该算法的有效性。     

五点加权FFT介质损耗角测量算法的研究

电气设备绝缘介质损耗角(介损角)的实时检测,可以为设备的绝缘监测提供可靠依据。采用FFT算法进行介损角测量时,因非同步采样会造成频谱泄漏,从而影响介质损耗角的测量精度。笔者分析了FFT算法的频谱泄漏效应,在此基础上采用了5点加权FFT算法实现对介损角的检测。该算法对信号傅里叶变换后所得序列中5个点进行加权运算,从而减小了频谱泄漏误差,提高了介损角的测量精度。通过仿真给出了该算法在频率波动、3次谐波变化、采样频率变化、采样点数变化、直流分量变化、介损角理论值变化、初始相角变化及白噪声变化时计算所得介损角的变化情况,验证了该算法的有效性。     

基于Prony算法-准同步序列的超低频介损测量方法

超低频介质损耗因数测量方法，由于测量信号频率低导致采样时间长，采集数据量大，且在非同步采样时，快速傅里叶变换存在频谱泄露和栅栏效应，影响对介质损耗因数的精确测量。为降低测量信号采样时间和采集数据量，以及非同步采样时频谱泄露和栅栏效应，提出一种基于Prony算法 准同步序列的超低频介损测量方法，利用Prony算法并结合据辨识方法，对采样电压信号的基波频率进行预估，通过Newton插值算法，实现对电压和电流信号的准同步插值重构，获得采样信号的准同步序列，由FFT及介损等效电路模型，对准同步序列进行求解，实现对超低频介质损耗因数的求取。在频率波动、谐波含量变化、介损角变化和不同信噪比的噪声下测量介质损耗因数。仿真结果表明，该方法在软件上实现了准同步采样，有效降低了栅栏效应和频谱泄露对介质损耗因数测量的影响，并且采样时间短，采集数据量少，测量精度高，适用于对超低频介质损耗因数的精确测量。     

tanδ高准确度测量的加权插值FFT算法

在用谐波分析法对介质损耗因数进行在线监测时,电网频率的波动使数据采样频率与电网频率间不同步给测量系统带来很大误差。为实现介质损耗因数的高准确度测量.本文针对误差产生的原因提出了采用海宁加权插值快速傅立叶变换FFT算法对采样信号进行处理,从而跟踪系统频率的变化并对谐波分析得到的信号参数进行校正。该算法附加运算量少,受电网谐波影响小。数字信号试验结果表明该算法有较高的准确度,能够满足介质损耗因数在线监测的要求。     

基于卡尔曼滤波和加窗插值谐波分析法的介损测量方法

加窗插值的谐波分析法可减轻非同步采样对介质损耗角测量的影响，是一种非常有效的介质损耗角计算方法。但在有噪声干扰、特别是在信噪比较低的情况下，用这种方法进行介质损耗角测量时产生的误差足以掩盖真实值。为此作者提出先将信号进行卡尔曼滤波处理，再使用加窗插值的谐波分析法计算的介质损耗角测量方法。仿真结果表明，与原有算法相比，所提出的方法能明显提高测量准确度。     

非同步采样对基波相位分离算法影响分析

介质损耗角正切tanδ是表征电容型电气设备绝缘特性的重要参数,介质损耗角的准确测量对电气设备的安全运行具有重要意义,为此,该文在介绍了基波相位分离算法的原理,分析了非同步采样对算法精度的影响后,通过仿真计算深入研究了采样精度、采样频率、初始相位、频率波动、谐波分量等因素对该算法测量精度的影响,所得结论对该算法在介损角测量中的应用有一定的参考意义。     

基于Nuttall窗-五点变换的改进FFT介质损耗角测量算法

采用快速傅里叶变换(FFT)进行介质损耗角测量时,由于频谱泄漏效应会使得测量结果出现误差。在分析FFT算法频谱泄漏效应原因基础上,提出基于Nuttall窗-五点变换的高精度FFT算法,并将其应用于容性设备介质损耗角的测量之中。Nuttall窗具有较好的旁瓣衰减特性,对FFT输出序列进行加权变换则能够加快旁瓣频谱的衰减速度,因此本文算法先对被测信号加Nuttall窗,然后对FFT输出序列进行加权变换,可有效提高介质损耗角FFT算法测量的精度,从而达到减小频谱泄漏效应的目的。同时,还研究了基波频率、谐波含量、采样点数、随机噪声以及直流分量等参数对测试结果的影响。仿真和试验表明,所提方法具有较好的精度和可靠度。     

基于希尔波特-黄变换的介损数字测量算法

准确提取基波电压和电流信号是检测介质损耗因素的关键。提出了一种新的介质损耗因数检测算法,采用希尔波特-黄变换(HHT)对试品电压和电流信号进行检测,通过经验模态分解法(EMD)提取信号的固有模态函数(IMF),再进行Hilbert变换,得到各自的瞬时频率,由瞬时频率进行介质损耗因数的准确检测。该算法无需同步采样,可以实时提取测量电压、电流信号的基波成分。仿真结果表明,HHT受采样数据长度、频率跟踪误差的影响较小,在非同步采样的情况下,具有良好的应用特性,能有效提高介质损耗因数检测的准确度。     

介损角测量中非同步采样算法的研究

介绍了基波相位分离法测量介质损耗角的原理,指出了目前的软件同步采样措施难以实现真正的同步采样,并通过推导得出非同步采样条件下的基波相位分离法的算法.使用本算法,在测量时可以以固定采样率进行采样,不必根据电网频率调整采样间隔.仿真结果表明,该算法具有很高的精度.     

应用改进的布莱克曼插值算法精确估算介损角

使用谐波分析法对介质损耗因数进行在线监测时,由电网频率波动引起的非同步采样会给系统测量带来很大误差。为实现介质损耗角的高精度测量,笔者结合现在数字信号处理芯片的处理能力,提出了加布莱克曼窗的插值DFT修正算法来分析介损的测量,并根据介损角的定义进一步对由插值算法得到的介损进行了修正。仿真结果表明,该算法得到的介损误差较小,精度受频率的波动影响较小,对介质损耗角的在线测量有一定的参考价值。     

基于改进基波相位分离法的介质损耗角测量

基波相位分离法计算量少、需要的采样时间短、计算结果精确度高,是介损角测量的有效算法。介绍了该算法的原理,提出了基于梯形插值积分的改进算法,用仿真和实验验证了改进算法的有效性。同时对改进算法计算误差随信号频率、采样频率、量化位数、介损角真实值、3次谐波、直流分量等参数变化的情况进行了仿真分析,所得结论对该算法在介损角测量中的应用有一定的参考意义。     

基于深度学习的电容器介损角在线辨识

当前电容器介质损耗因素的计算方法为正向求解过程,即先对电容器工作电流和电压进行采样,再使用谐波分析等方法计算介损值,实践中算法稳定性不佳。为此提出了一种基于深度学习的电容器介损角辨识方法,采用一段时间的监测值训练深度学习网络,再使用该深度学习网络对新采样的信号进行辨识,判断介损角变化量(分辨率为0.001%)。给出了用于深度学习的介损角表示信号Dδ(t)的计算过程,证明了在讨论域内该信号的幅值即是介损角δ,且其波形形状包含监测装置受到的干扰。仿真实验证明该方法有效,比加汉宁窗的谐波分析法具有更好的抗噪能力。实际在线监测样本的计算结果表明其稳定性优于加汉宁窗的谐波分析法,且辨识结果不受电压互感器角差的影响。     

加Blackman-Harris窗插值算法仿真介损角测量

为了更好地将加布莱克曼-哈里斯(Blackman-Harris)窗插值谐波分析法用于介损角测量,仿真分析了该算法及其在信号频率、3次谐波、直流分量、采样频率、A/D量化位数、采样时间长度、介损角真实值、白噪声及脉冲噪声变化时计算所得介损角误差的变化。仿真结果表明,频率波动时算法误差很小且稳定;算法随3次谐波分量的增加误差有很微小的增加;算法随直流分量的增加变化不显著;算法随A/D量化位数的增加误差减少,≥10位的量化位数能满足精度要求;随采样频率的增加误差稍有下降,但趋势不明显;随采样长度增加误差减少,0.1s的采样时间长度足够;介损角误差与真实值的关系不大;随白噪声和脉冲噪声含量的减少误差减少,对白噪声和脉冲噪声信噪比约80 dB能满足要求。     

采用二次DFT的高精度介损数字测量方法

为了减小离散傅立叶变换(DFT)算法用于介损测量中出现非同步采样造成的误差,提出了一种改进的算法。在等时间间隔采样的条件下,先使用一次DFT计算出实际的工频周期,修正每个工频周期的实际采样点数,使之满足同步采样条件,再采用二次DFT求出介质损耗角。通过软件仿真,在考虑电网频率波动和谐波含量变化的情况下,模拟采用不同的采样模数转换(A/D)分辩率和采样频率,对该改进算法与传统DFT算法进行分析比较,证明了该改进算法在计算精度、算法稳定性方面大大提高。根据仿真结果,对采用该改进算法的介损测量设备的硬件选型提出了建议,并给出了相应的A/D分辨率、采样频率的建议值。     

基于加汉宁窗插值的谐波分析法用于介损角测量的分析

加汉宁窗插值的谐波分析法可减轻非同步采样对介质损耗角（简称介损角）测量的影响,且实现容易、计算速度快,是一种非常有应用前景的介损角计算方法。为更好地将该方法应用于介损角测量,有必要将该方法在信号成分及测量参数变化情况下计算所得介损角的误差变化情况进行分析。文中分析了该算法的原理,通过仿真给出了该算法的计算速度及在频率波动、谐波变化、直流分量变化、采样频率变化、A／D量化位数变化、采样点数变化、介损角真实值变化、白噪声及脉冲噪声变化时计算所得介损角误差的变化情况,并进行了分析。     

基于同步监测和深度学习的电容器介损角辨识

电容器在线监测系统中,不同位置监测装置受导线电流的干扰不同,因此工程中使用谐波分析法计算介损角存在不稳定问题。该文提出了一种基于同步监测和深度学习的电容器介损角辨识方法。首先给出了电容器电流、电压信号无线同步监测方法,以及用于深度学习的介损角表示信号Dδ(t)的计算过程。然后仿真验证方法的有效性并与基于加汉宁窗的谐波分析法进行比较。最后对深度神经网络隐含层进行了可视化分析,结果显示,该方法的正确率主要受噪声、谐波幅值比、介损角变化量等影响,且在谐波幅值比小于10%的情况下,辨识结果受频率偏移、谐波与基波相角差的影响较小。     

基于迭代稀疏分解的介损角测量方法

非同步采样及现场噪声对介损角的精确计算有较大影响,为此,提出了一种基于迭代稀疏分解的介质损耗角测量方法。利用匹配追踪能够将输入信号表示成少量特征明显的信号分量和形式,进而寻找与信号基波相匹配的最优原子即得到基波相位,从而提高介损角计算精度的目的。通过仿真实验,在基波频率发生变化、介损角真值发生变化、谐波所占比例不同、不同比例的噪声等情况下,采用文中方法、加Blackman自卷积窗结合三谱线插值法和加Hanning窗插值高阶正弦拟合法计算得到介损角测量结果,并作对比分析。实验结果表明:基于文中所提方法计算结果精度高,能有效克服频谱泄露及栅栏效应的不足。     

结合中值滤波的介损数字化算法

针对介损测量用的电压和泄漏电流信号存在脉冲干扰影响介损测量准确性的问题,提出了使用中值滤波算法对信号进行滤波,然后对滤波后信号使用数字化算法计算介损的算法。针对普通中值滤波算法使信号长度减少的情况,提出了一种不改变滤波后信号长度的中值滤波算法。对含脉冲噪声信号的滤波和滤波后信号的计算结果表明,提出的算法能有效抑制信号中的脉冲噪声,滤波后信号计算所得介损的精确度均要高于滤波前。同时,使用改进中值滤波算法避免了因为信号长度变短给介损测量造成误差的可能性。