基于EMD的局部放电窄带干扰抑制算法

以经验模态分解(empirical mode decomposition,EMD)为基础,提出了一种基于包络线及有效值的自适应窄带干扰抑制算法,用以从噪声中提取局放信号。EMD可以自适应地将信号分解成若干阶不同频率段的固有模态函数(intrinsic mode functions,IMF),窄带干扰经分解后在振幅上显示出与局放脉冲明显不同的特征,通过包络线及有效值确定的阈值可以有效地区别开来。仿真及实际处理结果表明:与常规的基于小波变换的窄带抑制算法相比,该算法具有较强的自适应性;能有效地抑制局放信号中的窄带干扰。     

应用VC理论结构风险最小原则的局部放电信号消噪方法

为提高局部放电信号的消噪效果,根据统计学习理论中的结构风险最小化思想,基于小波的多分辨分析技术,给出一种针对局部放电的消噪方法.该方法不同于以往的对噪声进行估计并加以阈值处理的消噪方法,而从估计真实放电信号的角度出发,根据小波分解的系数能量大小选择能够表征真实局放信号的小波系数,并通过结构风险最小化原则确定模型的VC维...     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解（EMD）方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取。分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解（EEMD）的解决方法。该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号。并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果。仿真和现场测试的结果均验证了所提方法的有效性。     

配电网小电阻接地对可靠性影响分析

针对某地区正在开展的配电网由中性点经消弧线圈接地改造为小电阻接地工程,选取待改造13座变电站和改造后8座变电站进行分析,比对待改造、改造后变电站之间故障数据和改造后变电站在改造前后的故障数据,得到配电网中性点小电阻接地对于配电网可靠性的影响程度。     

基于半监督学习的XLPE电缆局部放电模式识别研究

在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究.制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,K近邻,BP神经网络等方...     

基于集合经验模态分解的局部放电信号的窄带干扰抑制

采用经验模态分解(EMD)方法抑制局部放电的窄带干扰时,由于EMD方法本身存在模态混叠问题,在含有局放成分的模态固有函数中仍可能同时含有一定量的窄带成分,导致局放信号无法提取.分析了在局放信号上叠加不同幅值、不同频率的窄带干扰条件下的EMD混叠现象,并提出了基于集合经验模态分解(EEMD)的解决方法.该方法对单频率成分和多频率成分的窄带干扰,均能较好地提取出局放信号.并针对EEMD引入的白噪声干扰,提出了自适应阈值的抑制方法,取得了较好的结果.仿真和现场测试的结果均验证了所提方法的有效性.     

基于半监督学习的XLPE电缆局部放电模式识别研究

在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究.制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,K近邻,BP神经网络等方法进行了对比,并采用主成分分析进行优化.研究结果表明半监督学习能充分利用已标注样本的特征信息和未标注样本的分布信息,增强分类器的性能,提高局部放电模式识别的准确率.而通过主成分分析的方法能降低样本特征维数,有效提高半监督学习算法速度.     

基于关联规则的XLPE电缆局部放电模糊识别研究

本文将关联规则挖掘与模糊推理方法应用到XLPE电缆的局部放电模式识别中,采用竞争聚类方法划分区间以离散化特征,通过关联规则法挖掘特征间的相互关系来提取分类规则,进而将这些规则模糊化用于模式识别。该方法能有效挖掘出各特征参数与缺陷类型的潜在规则,对局部放电的模式识别和电缆绝缘故障诊断具有极大的参考价值。本文针对几种典型的XLPE电缆局放数据,提取相关的统计特征参数,采用该模式识别系统进行分类,并与多层感知神经网络、决策树C4.5等方法识别的结果进行对比分析。实验结果表明该算法提出的规则具有识别率高、识别速度快、解释性好和区间可动态划分等特点,提供了一种局部放电模式识别新的可行方案。     

一种基于数字孪生的虚拟同步机与静止同步补偿器优化协调控制策略研究

当电网发生严重不平衡电压跌落时,虚拟同步机通常配置静止同步补偿器应对电压支撑不足、电流越限等问题。在实际应用中同步机和补偿器之间的协调控制严重依赖实时通信。因此,文章提出了一种基于数字孪生技术的虚拟同步机和静止同步补偿器的优化协调控制策略。首先,建立基于正负序电流控制结构,支撑新能源场站并网点的电压。其次,提出了改进的多目标协调控制策略,实现电压支撑、电流限制和有功功率输出等多个控制目标。再次,建立基于数字孪生的虚拟同步机与静止同步补偿器协调控制模型,应对现实中协调控制通信延时问题。最后,通过使用MATLAB仿真平台,验证了该方法的有效性。     

基于AdaBoost的局部放电综合特征决策树识别方法

在GIS局部放电模式识别研究中,为解决传统决策树方法中只针对单一特征及有限模式进行学习而导致决策树结构复杂、预测准确率不高、对噪声数据的抗干扰能力差等问题,提出综合多类特征的AdaBoost决策树识别方法。设计实验并通过超高频方法采集GIS中高压导体毛刺放电、悬浮电极放电、气隙放电、微粒放电及手机、灯光干扰信号,从p-q-n图谱的统计分布、q-t图谱的矩分布、q-n图谱的Weibull分布三个不同角度提取特征,研究单一及综合形式的特征对C4.5决策树及AdaBoost决策树的识别效果的影响。实验及现场检测的识别结果表明综合三类不同特性的特征并通过AdaBoost方法生成决策树,能有效优化决策树的识别性能,提高决策树的时间和空间效率。