局部放电识别中分维数分布的研究

本文将分形理论应用于局部放电模式识别 ,从统计图谱中提取分形特征。在局部放电模式试验基础上 ,采用计盒数的分形维数算法 ,从大量的局部放电样本中提取分形网格维数特征参数 ,提高了局部放电模式的准确性。     

局部放电灰度图象分维数的研究

局部放电模式识别被普遍认为是一种预测高电压设备绝缘状况的有效手段，本文提出一种适用于局部放电模式识别的局部放电分形特征提取方法。该方法在估计分维数的改进差盒计维数（MDBC）算法的基础上，提取局部放电灰度图象分维数和二阶广义分维数以及局部放电高值灰度图象分数，共同构成局放电模式识别特征，针对高电压设备内部局部放电和外部放电干扰，设计了五种放电模型，通过放电模型实验获得的大量放电样本数据，构造出相应的局部放电特征提取图象，计算出分形特征参数，输入人工神经网络进行识别的结果表明，采用该方法具有良好的识别效果。     

基于神经网络GIS局部放电模式的识别

全封闭气体绝缘开关设备（GIS）广泛应用于电网中,其内部缺陷导致的设备故障可能会引起大面积停电事故.针对GIS缺陷放电模式识别问题,设计了3种GIS典型放电模式,通过实验平台获取放电指纹数据,并从中提取出12种特征.对基于单一网络方式的概率神经网络、自适应神经网络以及基于复合神经网络方式下的GIS局部放电识别问题进行对比研究,考察3种网络方式在输入验证、部分训练集等不同条件下的放电模式识别率与一致性问题.实验结果表明,采用上述单一方式神经网络可以作为一种局部放电识别手段,但识别结果的一致性较差,而复合神经网络不仅具有高识别率,而且一致性也较好,可以较好地满足GIS局部放电识别.     

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。     

基于三维谱图混沌特征的GIS局部放电识别

气体绝缘电器(GIS)局部放电(PD)的故障诊断对于GIS的运行状态评估有着重要意义,传统模式识别方法局限于对描述PD谱图形态分布方面的特征进行分析与识别,缺乏对PD特征更全面、更深刻、更本质的分析研究,导致出现对某些类型放电识别率低等问题。针对这些问题,本文提出了一种基于混沌理论的GIS PD识别方法,连续采集100个工频周期的PD信号构成一个?-v-n三维谱图样本F,以矩阵F的一列作为一个信号序列进行混沌分析,即计算对应同一相位信号序列的最大Lyapunov指数,获取36个最大Lyapunov指数在不同相位区间的分布特征作为不同相位下的局部放电混沌特征。实验结果表明,提取的混沌特征可实现对PD本质的深入挖掘,整体识别效果较好,特别是对于传统的统计特征识别方法难以区分的气隙类缺陷识别率很高,可作为统计特征识别方法的辅助方法加入到识别系统中,进一步提高识别准确率。     

根据UHF信号特征的GIS局部放电模式识别

综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别。分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别。实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力。     

基于放电时差的局部放电模式识别的研究

为寻找一种无需校正、方便信号监测的局部放电模式识别方法,将局部放电脉冲间的时间差分布引入到局放放电的模式识别中,构造了放电相位、时间差与放电次数分布的三维谱图Hn(Δt,)φ,并分析提取了其灰度图象的盒维数与信息维数特征参量,最后以分形维数作为输入,径向基函数神经网络(RBFNN)作为模式分类器对5种人工油纸绝缘缺陷模型进行识别。研究表明,识别率均>90%并具有较强的抗干扰能力。     

GIS局部放电时域波形图像的模式识别方法

气体绝缘组合电器(GIS)现场局部放电检测得到的大量数据是时域波形图像数据,传统的局部放电模式识别方法无法对该图像数据直接进行缺陷分类。针对局部放电时域波形图像,首先利用图像分割、图像灰度化、图像二值化、图像增强、图像压缩等技术对其进行预处理。通过变电站现场带电检测,建立了局部放电缺陷类型的图像数据集。对预处理得到的仅含局部放电脉冲电压的图像,选择支持向量机模型,使用径向基函数作为核函数,通过SMO优化方法训练得到有向无环图(DAG)分类器,直接进行模式识别。实验中支持向量机模型对局部放电6种缺陷类型的识别率超过85%,优于反向传播神经网络模型。实验结果表明,该方法无需人工提取特征,具有更高识别率。     

发电机局部放电的统计特征识别

介绍了一种利用二维谱图的形状统计特征进行放电模式识别的方法.利用发电机线棒工业仿真模型进行局部放电信号检测,放电信号来自四种不同的故障模式.分别使用基于距离的模式归类法和前馈网络进行模式识别,根据统计特征对放电模式的描述能力和两种识别方法的分类能力进行了分析比较.结果表明统计识别方法的分类效果是令人满意的.     

应用复小波变换抑制GIS局部放电信号中白噪声干扰的研究

由于GIS局部放电超高频检测中不可避免的会遇到白噪声干扰，且现有抑制白噪声的方法有许多不足之处。文中根据白噪声干扰的特点，构造了Daubechie’S系列复小波，通过复小波变换的简单信息和复合信息，对染有白噪声的仿真信号和实测信号进行去噪研究。结果证明：综合运用复小波变换的简单信息与构成的复合信息，能更有效地抑制GIS局部放电超高频信号中的白噪声干扰。     

GIS中局部放电测量用超高频传感器

ＧＩＳ的同轴结构为用ＵＨＦ法进行局部放电测量提供了极为有利的条件。文章对所设计的ＵＨＦ传感器的传输特性及其灵敏度进行了讨论,并通过它对ＧＩＳ中高压导体上突出部分产生的电晕放电脉冲直接用数字记录仪测量的结果表明,其灵敏度可以达１ＰＣ。     

有限时域差分法对GIS局部放电传播的分析

用特高频法测量GIS局部放电所面临的困难是无法标定出视在放电量,并且也无法确定何种因素影响特高频传感器输出信号的强弱.针对上述问题,利用同轴波导模拟GIS腔体结构,并应用有限时域差分法对局部放电辐射的电磁波在波导内传播情况进行仿真.通过仿真数据分析,找出对特高频信号能量产生影响的多种因素,如：放电位置,波导尺寸,放电电流幅值和放电源的脉冲形状.从而阐明了特高频输出信号能量与原始放电脉冲的关系,为进一步探讨GIS放电量特高频标定打下基础.     

基于超高频法的GIS局部放电在线监测研究现状及展望

文章综述了基于超高频(UHF)的气体绝缘组合开关设备(GIS)绝缘在线监测近年来所取得的进展，包括在UHF传感器、GIS中UHF电磁波的传播特性、局部放电源识别和定位等方面取得的研究成果，并指出了UHF在线监测系统及其应用中存在的问题，如检测频带的选择等。最后还对未来UHF局放监测的研究方向进行了展望，指出新型传感器及快捷方便的定位方法等依然是研究的重点。