基于IFS的局部放电超声信号的数据压缩和模式识别

变压器局部放电超声信号具有连续不可导和非平稳的特性 ,通过仿射变换建立其分段自仿射IFS (IteratedFunctionSystem)。利用该方法一方面实现局部放电信号数据的压缩 ;另一方面提取IFS分形参数 ,包括IFS分形维数和空缺率 ,为局部放电模式识别提供新的特征参数 ,两者同时进行 ,为实现局部放电在线监测提供一种新的工具。同时进一步把IFS分形参数作为特征参量输入人工神经网络对放电模式进行识别 ,结果表明了利用超声波信号进行局部放电模式识别的有效性。     

变压器局部放电在线监测超高频Hilbert分形天线研究

论述了Hilbert分形天线基本原理,并根据分形天线电磁场理论,提出了应用于变压器局部放电超高频在线监测的Hilbert分形天线优化设计方法。通过仿真计算,研究了几何参数对Hilbert分形天线性能的影响,设计出用于变压器局部放电监测的3阶Hilbert分形天线。通过气隙放电、沿面放电、电晕放电3种典型变压器绝缘缺陷局部放电实验,采用分形天线和脉冲电流传感器对这3种局部放电进行了测量,并分析了分形天线的局部放电测量信号功率谱。实验结果证明该天线能够有效应用于变压器局部放电超高频在线监测。     

基于小波理论的局部放电超声波信号分析

变压器局部放电超声波信号在变压器内部中传播复杂，探头所接受到的超声波信号是一种时频有限的非平稳信号，所以运用小波分析处理超声波信号十分有效。通过实验得到处理超声波信号最合适的小波，同时给出合适的小波参数，最后对实际得到的超声波信号进行处理，结果表明利用小波分析处理超声波信号效果令人满意。     

基于分形特征的最小二乘支持向量机局部放电模式识别

为了提高局部放电模式识别的正确率,提出了一种基于最小二乘支持向量机(LS-SVM)的局部放电模式识别的方法.应用分形理论,同时结合小波包分析技术,计算各个频段信号的分形维数,把各频段局放信号的分形维数的例数输入到多分类最小二乘支持向量机中进行训练,实现对放电样本的分类.结果表明,分形特征浓缩了局部放电信号的信息,有效地解决了模型参数选择耗时巨大的问题.该方法在有限样本情况下能够达到较高的识别率,具有良好的应用价值.     

基于分形特征的最小二乘支持向量机局部放电模式识别

为了提高局部放电模式识别的正确率,提出了一种基于最小二乘支持向量机（LS-SVM）的局部放电模式识别的方法。应用分形理论,同时结合小波包分析技术,计算各个频段信号的分形维数,把各频段局放信号的分形维数的倒数输入到多分类最小二乘支持向量机中进行训练,实现对放电样本的分类。结果表明,分形特征浓缩了局部放电信号的信息,有效地解决了模型参数选择耗时巨大的问题。该方法在有限样本情况下能够达到较高的识别率,具有良好的应用价值。     

采用动态模式分解分形特征的局部放电模式识别

为了解决传统局部放电模式识别方法计算量大、识别速度低的问题,本文采用构造二维谱图的方法进行局部放电模式识别。首先,利用动态模式分解算法构造局部放电的二维谱图,以少于构造传统三维谱图的计算量获取局部放电缺陷信号的二维表征。然后,针对不同缺陷信号的二维谱图提取两种分形特征(分形维数和间隙度),且构造了不同缺陷信号下二维谱图的分形特征数据集。最后,对该数据集进行X均值聚类。结果表明,X均值聚类结果优于传统K均值聚类和模糊C均值聚类算法,并且相比于反向传播神经网络和支持向量机算法,本文所提模式识别方法对3种局部放电缺陷信号综合识别率高,算法运算时间短。     

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。     

交联聚乙烯电缆局部放电灰度图像的模式识别

局部放电模式识别是判断电气设备绝缘状况的重要方法之一。分形理论在局部放电特征的提取上是一种行之有效的方法,通过构造交联聚乙烯(XLPE)电缆局部放电信号的灰度图像,采用逐段搜索确定无标度区域,并采用盒维数与信息维数为特征量作为人工神经网络的输入,对局部放电缺陷进行模式识别。研究表明分形特征在局部放电模式识别上具有良好的效果。     

油浸式配电变压器局部放电检测技术及模式识别综述

绝缘性能的稳定性是保证油浸式配电变压器正常运行的重要因素，不同绝缘劣化产生的局部放电特征存在差异。为此首先分析油浸式配电变压器绝缘结构、局部放电类型，在此基础上，进一步分析脉冲电流法、超声波检测法、特高频检测法、溶解气体分析法等4类局部放电常用检测方法，以及常见局部放电类型的模式构造、特征参数提取与不同局部放电检测方法的模式识别方法。最后从检测方法、模式识别、传感技术、新兴技术等方面展望了后续研究思路。     

变压器局部放电测量系统的设计与实现

用研制的局部放电脉冲信号测量系统检测了几种典型的变压器局部放电模型。通过试验提取局部放电信号中的关键参数 ,根据放电图谱对典型的放电模型进行模式识别 ,可为变压器局部放电的指纹诊断、聚类分析和分形识别等进一步研究提供有价值的数据     

基于模糊概率论的变压器局放信号模式识别法

电力变压器局部放电信号的模式识别是局放研究中的一个难点和重点问题.文中通过对高采样率采集到的4种局放模式下的单个UHF脉冲信号进行小波包分解,从熵值和能量角度提取出6个特征量,运用了模糊理论基本思想,通过简单的计算求出各种放电模式的信息分布表和放电标量作为参考量.当给出一个待确定模式的局放信号时,求出其具体的放电标量,按照相对误差最小原则就可以确定出其模式归属.经实测局放信号验证,该方法思路清晰,简单有效.     

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。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

基于VPMCD的变压器局部放电模式识别

识别局部放电的类型对变压器状态评估十分重要。文中构造了四种变压器局部放电实物模型,从放电信号中提取18个统计特征量,使用基于变量预测模型的模式识别方法(Variable Predictive Model based Class Discriminate method,VPMCD)完成局部放电信号的分类。对比实验结果表明,VPMCD方法在识别率和计算效率均高于BP神经网络。     

变压器故障诊断专家系统的改良设计

介绍了变压器局部放电模型、分类以及局部放电信号在线检测技术,针对变压器局部放电的故障诊断,设计了一种基于模糊推理的变压器局部放电专家系统,该系统建立在传统的专家系统和模糊推理器上。通过仿真实验结果表明,改良后的专家系统对四种典型局部放电信号的识别率有较大提高,为进行局部放电的模式识别提供了一种可靠方法。     

再论模式识别法在油中放电超声定位中的研究

在电力变压器的局部放电在线检测中,放电点定位是一个非常重要的环节。由于在检测过程中各种干扰的存在,通常所得到的放电点到达超声传感器的时间或时延和实际结果有一定的误差,所以,定位算法是决定定位结果是否成功的关键。针对模式识别算法在变压器超声定位中存在的某些缺陷,提出了新的改进算法,在模式识别的逼近过程中增加了扰动这个中间环节作为跳出局部最优的手段。算例表明,和传统的模式识别相比,改进算法除了能够大大提高运算程度以外,还能够有效地取得全局最优点。