GIS局部放电脉冲分类特征提取算法

传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类工作。为此提出了采用等效时频熵算法来提取表征局部放电脉冲波形特征的多维特征量,构建放电脉冲群的等效时频熵分类谱图,并与改进的模糊C均值聚类算法相结合实现对不同类型局部放电脉冲群的分类工作。基于气体绝缘组合开关设备(GIS)的实验结果证实了上述方法的有效性和合理性,为研制基于单一人工缺陷模型的局部放电在线监测和识别系统提供了实验和理论依据。     

特征图谱时频信号放电识别算法研究与现场应用

高压电气设备局部放电检测通常夹杂干扰信号,造成分析与判断困难,干扰信号抑制是局部放电识别和故障判断的前提。基于局部放电信号时频分布特征,采用等效持续时间T和等效频率带宽F来表征局部放电宽带脉冲波形的时频特征,构建等效时频特征图谱(T-F谱图),再进行聚类分析即可实现不同放电类型和噪声的分离。利用特征图谱分类法对高压开关柜局部放电信号进行噪声抑制与脉冲分类,验证该方法对局部放电混合信号分离的有效性。     

电缆局部放电波形特征与脉冲传播研究

为了研究电缆头局部放电的波形特征,制作了6种故障电缆头进行了局部放电试验,获取了典型的局放波形信号。对信号提取特征参数包括等效时间和等效频率,可以对波形信息进行有效表达,以区分不同类型的放电和噪声。结合脉冲在长电缆中传播的试验结果,分析了传播前后特征参数的变化情况,结果可用于测试信号的分类和定位。     

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。     

直流局部放电脉冲峰值—时间序列特征指纹提取

在简述直流下局部放电试验系统以及用于直流局部放电试验的空气中电晕、油纸绝缘的尖板、内部缺陷和沿面放电4种典型局部放电缺陷模型之后,利用自行研制的直流局部放电宽带检测系统获取了缺陷模型在直流电压下的大量局部放电脉冲波形—时间序列。并对获取的脉冲波形—时间序列,使用基于波形时频特征的脉冲群快速分类技术进行随机干扰脉冲剔除,从而获得直流局部放电脉冲峰值—时间序列。在上述工作基础之上,引入Delta(t)参数,把交流局部放电识别方法运用到直流局部放电。对选用的部分直流局部放电TARPD谱图,使用统计算子计算得到36个放电指纹参数。基于遗传算法优化的BP神经网络(GA-BP)对放电指纹参数进行特征评价和选取。研究表明,保留20个有效指纹参数即可达到区分放电类型的目的。     

基于时频相似度的GIS多源局部放电信号分离方法

文中提出一种基于时频分析的GIS多源局部放电信号脉冲分离方法。首先,对记录的GIS局部放电脉冲波形序列进行S变换时频分析,以提取典型局部放电脉冲的时间—频率—幅值特征。然后,与由单一典型局部放电缺陷模型构造的时频数据库进行混合,基于时频相似度分析和仿射聚类方法对记录的脉冲群进行快速分类,最终实现多局部放电源脉冲群的分离。在局部放电源个数未知的情况下,文中方法可判断出局部放电源的个数和放电类型。且该方法可抑制随机干扰源的影响,并可分离典型的脉冲扰动波形。     

基于密度峰值聚类算法的局部放电脉冲分割

局部放电(PD)信号处理是电力设备绝缘状态评估的基础,而特征量提取又是信号处理的关键环节。特征量提取包括局部放电脉冲分割和放电特征量提取两个步骤。放电脉冲分割提取是后续PD信号特征提取及故障分类的前提。为尽可能保留放电信息,同时减少人工干涉,该文提出了一种基于聚类算法的PD脉冲分割提取方法。该方法采用小波分解算法进行滤波处理,使用噪声抑制比(NRR)表征滤波效果;以所有局部放电信号半波脉冲为对象,计算各半波脉冲的能量(即信号瞬时值平方对时间的积分),从而使该方法能更准确地描述局部放电过程。应用Otsu算法自适应计算能量阈值并结合密度峰值聚类算法(DPC)实现PD脉冲的自动分割。在实验室建立了三种不同类型局部放电模型,采集得到10组电晕放电、11组悬浮放电和30组锥板放电数据,以对该文方法进行验证。结果都取得了80%以上的识别率,比同类算法更高或相当,表明了该文方法的优越性。     

基于等效时频图谱和SVM的局放识别方法研究

为区分电力电缆不同绝缘故障下的局部放电类型,本文研究了一种基于等效时频图谱和支持向量机(SVM)的局放识别方法。采用双指数衰减模型与单指数衰减模型两种局放类型进行实验,模拟产生两类局放信号并通过信号采集系统进行采集。对采集来的局放信号提取等效时频特征,进而将局放信号映射到等效时频图谱中。根据等效时频特征,用SVM对不同局放信号分类判别,结果表明SVM能实现准确分类。该方法不仅能够实现单一放电源识别,还能识别混合放电源,能够为电力电缆及其他电气设备的局放模式识别提供参考。     

用于提取局放脉冲的波形匹配识别方法初探

针对现场采集的局部放电信号中经常混杂白噪声和窄带周期干扰现象,本文首次提出使用Laplace小波按照波形匹配的原则来提取局部放电脉冲信号的方法.利用该小波波形与局部放电脉冲波形相吻合程度较好的特点,根据波形匹配的原则对含噪信号在一个由该小波构成的小波基函数空间中进行模式识别,进而去除噪声,提取局部放电脉冲信号.该方法不仅能够用于去噪,而且可以确定脉冲的放电主频率、衰减度、放电时刻及放电个数,从而为故障识别和定位奠定良好的基础.仿真和实验结果显示该算法具有良好的去噪性,同时可以获得更多的局放脉冲信息.     

基于t-SNE与CFSFDP算法的多源局部放电脉冲分类技术

为解决在进行多源局部放电脉冲分类时因等效时频特征分布重叠而导致的脉冲无法有效分离的问题,提出一种基于t-SNE与CFSFDP算法的局部放电脉冲分类技术.该技术首先通过一种相位同步装置同时采集放电脉冲信号与其对应的相位信息,以单一放电脉冲的时频谱图作为对象,通过t-SNE算法对频谱数据进行降维,再对降维结果进行CFSFD...