基于二维变分模态分解和Hilbert变换的局放信号特征提取方法

本文通过对二维Hilbert-Huang变换方法的改进,提出了一种基于二维变分模态分解(VMD)和Hilbert变换的局部放电灰度图像特征提取方法。首先,利用局部放电样本生成相应放电灰度图;其次,以二维VMD算法分解各放电灰度图像,获取各个不同中心频率的模态分量;然后,通过四元数Hilbert变换得到各模态函数对应的特征图,并提取灰度纹理特征,构成各放电样本对应的特征向量;最后,以BP神经网络分类器对提取出的局部放电特征量进行分类和识别。实验结果验证表明,同二维Hilbert-Huang变换和传统放电灰度图特征提取方法相比,基于本文方法所得特征量具有更高的正确识别率,验证了该方法的可行性。另外,本文所采用的二维VMD-Hilbert方法为局部放电信号的频谱分析拓展了新的思路。     

基于KELM-VPMCD方法的未知局部放电类型的模式识别

为了解决局部放电类型未知的样本无法被正确识别的问题,提出了一种基于核极限学习机变量预测模型(KELM-VPMCD)的未知局部放电类型的识别方法。通过KELM对已知局部放电类型的训练样本进行训练,然后对各局部放电类型已知的样本建立相应的变量预测模型。利用这些模型对测试样本进行回归预测。根据各样本的预测误差平方和,利用Otsu算法设置误差阈值,通过阈值识别各样本的局部放电类型。识别结果表明,所提方法对于未知的局部放电类型具有较高的正确识别率。     

基于Hilbert边际谱和SAE-DNN的局部放电模式识别方法

提出了一种基于Hilbert边际谱和稀疏自编码器(SAE)—深度神经网络(DNN)的局部放电(PD)信号的模式识别方法。首先,以变分模态分解(VMD)对PD信号进行分解,对所得各分量进行Hilbert变换构建相应的Hilbert边际谱。其次,以PD信号的Hilbert边际谱为输入数据,利用SAE自动学习复杂数据的内在特征来提取简明的数据特征表达获得参数。再次,利用SAE的训练结果初始化DNN,再以大量训练样本进行分类器的训练。同时,为了加快SAE和DNN学习过程的收敛速度,以自适应步长的学习速率对网络进行调优,更新权值参数。最后,用训练好的DNN完成测试样本的PD类型的识别。此外,以基于BP神经网络和支持向量机的识别结果与文中结果进行比较。实验结果证明,所采用的识别方法具有更高的正确识别率。     

基于支持向量回归的VPMCD方法及其在局部放电模式识别中的应用

针对传统VPMCD方法在回归预测过程中存在的缺陷,采用支持向量回归代替原方法中的多项式回归模型,解决了原回归方法对高维小样本数据预测精度差的问题。在基于支持向量回归的VPMCD方法中,首先采集各个不同类型的放电样本,并提取特征向量构成样本集合;其次,通过支持向量回归对训练样本进行训练,建立各放电类型的变量预测模型;然后,利用这些模型对测试样本进行回归预测,得到各样本相应的预测平方和误差;最后,以预测误差平方和最小为依据,识别各放电样本的放电类型。相较于BP神经网络、SVM、传统VPMCD方法,SVR-VPMCD方法具有更好的分类效果。     

基于SSA与ICA的变压器局部放电混合信号分离

当变压器局部放电信号为多个不同放电类型的信号混合时,要想正确诊断放电类型,需要将混合信号进行分离。当混合信号具有较高的信噪比时,直接采用独立成分分析（ICA）能够有效地分离出独立源信号。但当信噪比较低时,ICA的性能会显著受到影响。而变压器局部放电信号存在严重的噪声,其中连续性周期窄带干扰尤为严重。针对混合信号中窄带干扰严重的情况,提出了一种基于奇异谱分析（SSA）与ICA的变压器局部放电混合信号分离方法。该方法首先对含噪混合信号进行奇异谱分析,抑制混合信号中的窄带干扰成分;然后对降噪后的混合信号采用ICA算法分离出独立源信号。仿真结果表明,采用本文的方法能够从信噪比较低的混合信号中有效地分离出独立源信号。     

基于改进SVDD算法与马氏距离的未知局部放电类型的识别

提出一种基于改进支持向量数据描述(SVDD)算法与马氏距离的未知类型的局部放电(PD)识别方法。首先,采集各个不同类型的放电样本,并提取特征向量构成样本集合;其次,利用SVDD算法求解得出训练样本的超球体中心a和半径R;然后,根据Otsu准则设定双阈值R_1和R_2,将特征空间划分为三个不同区域;最后,依据不同区域内的判定准则,以马氏距离为判定条件,确定待测样本的放电类型。试验结果表明,该方法对于未知类型的放电样本具有较高的正确识别率,验证了该方法的可行性。     

基于样本加权FCM聚类的未知类别局部放电信号识别

针对电力变压器待识别局部放电信号中可能存在不属于已知类别的未知样本的问题,提出了一种基于样本加权模糊C均值(FCM)聚类的未知类别局部放电信号识别方法。对已知类别的局部放电信号进行FCM聚类,确定各已知类的聚类中心;分别计算已知类别和待识别局部放电信号的样本权值,并根据Otsu准则确定样本权值的自适应阈值;将各待识别局部放电信号的权值与确定的阈值进行比较,判断其是否属于已知类别;采用支持向量机(SVM)对得到的属于已知类别的待识别局部放电信号进行分类,对未知类别样本进行人为分析判断。采用所提方法对实验室条件下的放电信号进行分析,实验结果表明,所提方法可以有效地区分待识别局部放电信号中的未知类别样本。     

中国帕米尔高原太阳辐射演变规律

该文基于2016年7月—2021年7月中国帕米尔高原陆-气相互作用观测站的观测资料，挑选总辐射、散射辐射、直接辐射等指标，研究该地区太阳总辐射和散射辐射收支的变化规律及其影响因素。结果表明：中国帕米尔高原太阳总辐射、散射辐射、水平直接辐射年曝辐量分别为6474.41、2219.95、3497.35 MJ/m²。其中，总辐射、散射辐射、水平直接辐射年的最高辐照度为1171.18、676.23、1003.52 W/m²，分别在2017年7月23日、5月31日和4月3日出现。总辐射、散射辐射、水平直接辐射平均辐照度的峰值分别为690.85、218.66、417.02 W/m²，均在12:00前后出现。中国帕米尔高原地表反照率均值在0.24～0.49之间，年均值为0.30。降水和沙尘天气对地表辐射收支产生影响，其中降水天气使总辐射平均辐照度日峰值比晴天时减小约18%，散射辐射平均辐照度日峰值增加约1.8倍，扬沙或浮尘天气发生时总辐射辐照度日峰值与晴天相比变化不大，散射辐射平均辐照度日峰值增加约1.8倍。此外，当喀什市周边发生沙尘...