基于小波能量与神经网络的断路器振动信号识别方法

高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,还会引起时域波形中一些波峰幅值的变化。依据同一类型断路器振动信号相似的特点,在对高压断路器故障振动信号进行特征分析的基础上,提出了一种识别高压断路器振动信号的新方法:将小波包提取算法和径向基神经网络模式识别功能相结合,利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中,提取每个频带能量作为断路器状态监测的特征向量,作为径向基神经网络的输入向量;基于径向基神经网络的故障诊断方法在系统参数未知的情况下自动建立动态模型,对于线性系统和非线性系统都有很好的跟踪能力,通过实验室断路器典型合闸振动信号的监测及识别分析验证了该方法的有效性。     

变压器分接开关烧蚀对绕组变形测试的影响及仿真研究

变压器分接开关出现故障甚至烧蚀时会影响变压器绕组的频率响应特性。利用频率响应分析法对某变压器进行绕组变形测试,分析了分接开关烧蚀对绕组变形测试结果的影响。在Matlab仿真平台上建立了分接开关烧蚀时的绕组等效模型,利用计算机仿真研究了分接开关烧蚀时在不同频率范围内对绕组变形结果的影响程度,为今后分析变压器绕组变形频率响应曲线提供了理论分析手段。