希尔伯特-黄变换在变压器铁心振动信号中的应用

对实际变压器器身振动信号进行了分析,证明了该方法的有效性。     

FFT变换与小波变换在变压器局部放电信号去噪中的应用

介绍了FFT变换与小波变换的基本原理,针对超高频局部放电检测中的两种干扰信号,分别采用FFT变换与小波变换进行了去噪处理.     

希尔伯特-黄变换在电力系统中的应用

详细分析了Hilbert-Huang变换在电力系统谐波检测、电力系统低频振荡以及在电力系统局部电晕放电数据处理中的应用现状。最后指出,Hilbert-Huang变换克服了其他方法在信号处理中的弱点,它是一种处理非线性、非平稳信号的有效方法,有利于电力系统的信号处理。     

基于希尔伯特-黄变换的变压器铁心振动特性分析

变压器铁心振动与铁心紧固状况、绝缘层损伤程度密切相关.利用希尔伯特-黄变换对非平稳信号的敏感性,提出一种可有效提取故障特征的铁心振动在线监测方法.对铁心振动信号进行经验模态分解,自适应地获得本征模态函数,继而对每组本征模态函数进行希尔伯特变换,得到了表征铁心振动信号时频变化的三维希尔伯特能量谱及边界谱,揭示了正常运行和隐含故障的铁心振动特征,为变压器的早期故障诊断奠定了坚实的基础.     

希尔伯特-黄变换及其在信号处理中的应用研究

希尔伯特-黄变换(HHT)是分析和处理非线性、非平稳信号的一种新而有效的方法。文中深入研究了HHT方法的基本原理,经验模态分解(EMD)和Hilbert谱;并用仿真实例对该方法进行了更详细的说明;最后综述了该方法在地球物理学、电力工程和生物医学领域中的应用,进一步说明HHT方法在信号处理中的有效性和优越性。     

尺度空间滤波在局部放电脉冲提取中的应用

在提出脉冲提取思想的基础上，利用局部放电信号所固有的奇异性特征，将小波变换的奇异性检测原理应用于提取局部放电脉冲。为了满足局部放电在线监测的在线准实时要求，提出了改进的尺度空间滤波算法，并将其应用于局部放电脉冲的提取。通过相邻尺度的小波系数直接相乘，可以突出奇异点的信号，并获得基于尺度的屏蔽滤波器，将阈值方法和尺度空间滤波相结合，最终得到基于时域的屏蔽滤波器，将时域滤波器和原信号相乘，就可以提取出局部放电脉冲。仿真试验和发电机实测信号的算例表明，相对于模极大值算法，该方法在提高运算速度的基础上，不但能准确检测出局部放电脉冲，而且能很好地保持局部放电脉冲的幅度和位置。     

基于希尔伯特-黄变换和小波变换的500kV变电站谐振数据对比分析

谐振数据分析是谐振实时监测装置研制和谐振抑制的基础。文章对500 k V变电站实际谐振数据,采用希尔伯特-黄变换和小波变换方法进行对比分析。首先对谐振数据进行经验模态分解(EMD)得到谐波信号的本征模态函数(IMF),再对各个IMF进行希尔伯特变换,获得各个IMF分量的瞬时频率和瞬时幅度;然后选取合适的小波基对同组谐振数据进行分析;最后总结了两种检测方法的优缺点和500 k V变电站实际谐振谐波成分的幅频特性。     

希尔伯特-黄变换在电力谐波分析中的应用研究

重点研究了希尔伯特-黄变换(HHT)在电力谐波分析中的应用。针对现有的电力谐波分析方法FFT和小波变换的缺点和不足,将希尔伯特-黄变换(HHT)应用于电力谐波分析中,并且针对希尔伯特-黄变换中能导致分析精度降低的曲线拟合、端点效应和虚假分量问题进行分析和研究,采用埃尔米特插值进行曲线拟合,点对称延拓的方法抑制端点效应,...     

变压器局部放电信号去噪方法的研究

分析了局部放电信号和各种干扰特征,并进行了仿真试验。     

希尔伯特-黄变换在电力系统故障检测中的应用研究

电力系统中的故障暂态信号多为非线性非平稳信号,希尔伯特-黄变换(HHT)被认为是专门针对非线性非平稳信号的分析方法.将HHT引入到电力系统故障检测中,利用经验模态分解(EMD)获得故障电流信号的本征模态函数(IMF),通过选取IMF并对其进行Hilbert变换,提取出IMF分量的瞬时频率和瞬时幅度.利用合成的IMF分量的Hilbert谱分布,对故障暂态进行了时间-频率-振幅的联合分析.仿真研究表明:基于HHT的故障检测方法能充分提取故障信息,故障定位准确,提高了故障检测的可靠性.     

基于Hilbert—Huang变换的变压器局部放电信号特征提取

针对现场检测的变压器局部放电信号中含有大量的噪声,提出了1种基于Hilbert-Huang变换法的局放信号的恢复方法,并进行了模拟降噪试验;通过对加噪信号进行EMD分解,再选取合适的IMF分量进行叠加,可以巧妙地消除外界噪声,并且保留了局部放电信号本身的大部分特征,失真较小,试验证明该方法是高效可行的。     

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.     

一种基于Morlet小波分析与神经网络技术的局部放电识别方法

小波变换技术适合电机局部放电的模式识别,笔者从一个新的角度来描述了局部放电信号的特性。研究表明,用Morlet小波变换三维分布图计算出的特征参数可以区分空气中的尖尖放电、尖板放电和沿面放电。理论和仿真实验分析表明,小波变换三维分布图提取的特征参数可以作为识别局部放电的新特征量,这些特征量作为人工神经网络的输入量可单独使用也可结合其它方法使用。     

小波变换在局部放电声信号提取中的应用

在电力设备外表面设置的声传感器可以获取局部放电的声信号,文中使用高精度的声信号采集装置来采集局部放电声信号,并对实测信号的特性进行分析。由于局部放电信号具有突出的局部瞬变特征,可通过这一特性从含有噪声的原始信号中有效的提取出局部放电信号。本文采用小波变换在时域和频域具有局部瞬变特征的特点,用基于小波变换的消噪算法来提取局放信号。通过对仿真信号和实测信号的处理,表明该算法行之有效。     

基于小波包变换的干式变压器局部放电超声信号的模式识别

为研究干式变压器局部放电超声信号的模式识别,设计制作了针-板、沿面和气隙3种局部放电模型,用超声检测系统得到3种局部放电的超声信号波形数据。运用小波包理论对采集到的局部放电超声信号进行分解,用Shannon熵代价函数来确定最优小波包基,得到最优小波树,提取在最优基下包含绝大部分信息能量的小波包分解系数的统计量作为模式识别的输入特征量,并应用CPN网络分类器进行放电类型的识别,取得了很好的效果。     

变压器局部放电监测逐层最优小波去噪算法

针对用于局部放电监测的去除白噪声算法会造成去噪脉冲信号波形畸变,脉冲幅值等波形参数产生较大误差,不利于进一步采用脉冲波形分析去除脉冲干扰的问题。为此根据局部放电信号在小波域上的分布特点,提出了各尺度信号分解和重构的最优小波选择方法,并给出了各尺度小波阈值的计算方法。仿真信号的最优小波去噪结果显示去噪信号具有波形畸变率低和幅值误差小的特点;实测信号的最优小波去噪结果证明提出的最优小波去噪算法能有效去除局部放电监测信号中的噪声,在局部放电在线监测应用中具有良好的去噪效果。     

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。     

基于S变换和希尔伯特-黄变换的电能质量复合扰动分类识别

根据S变换和希尔伯特-黄变换的时频分析特点,提出一种电能质量复合扰动的分类识别方法。通过 S变换提取出扰动信号的基频和高频特征,并结合希尔伯特-黄变换提取出扰动前后信号的瞬时振幅。通过分析各扰动信号的特点,定义了相应的特征函数作为分类识别的判据,从而实现对电能质量复合扰动的正确分类,并准确定位出暂态扰动的起始、终止时刻。实验结果表明,通过 S 变换和希尔伯特-黄变换的融合,可准确地检测出电能质量扰动信号所属类别和扰动特性,以及扰动信号的起始、终止时刻。     

变压器局部放电信号小波消噪新算法与试验分析

目前变压器局部放电信号小波消噪主要有阈值法、相关法和模极大值法3种,其都有一定的局限性.针对这些局限性,笔者结合阈值法和模极大值法的特点和适应范围,给出了一种新的小波消噪算法,最后用该算法编程对变压器局部放电信号进行分析.实验表明该算法能较好的消除白噪声,并对强电脉冲干扰有一定的抑制作用,证明其在变压器放电信号处理中有...     

基于小波多尺度变换的电力电缆局部放电去噪方法研究

由于强烈的白噪声、周期性窄带信号以及随机脉冲信号等外部干扰因素,电力电缆局部放电在线监测技术中的局部放电信号提取工作一直是一个重点研究课题。本文对小波多尺度变换进行了深入研究,分析了电力电缆局部放电信号及其干扰在小波多尺度变换后的不同特性。去噪结果表明该方法适用于抑制电力电缆局部放电在线监测中的噪声干扰。