基于数学形态学的金属氧化物避雷器泄漏电流在线检测方法

提出一种应用数学形态学的方法对现场信号进行消噪处理,对消噪后的信号,利用信号的相关分析推算出阻性基波泄漏电流。有效提高了金属氧化物避雷器泄漏电流的测试准确度,确保设备故障诊断的有效性和可靠性,仿真表明:与传统方法相比,数学形态学方法不仅能从噪声中准确提取待测泄漏电流信号,同时又可真实复现泄漏电流信号中的劣化特征,对设备的早期故障诊断具有重要意义。     

数学形态学用于抑制MOA在线监测现场干扰

为提高MOA泄漏电流的测量精度以确保设备故障诊断的有效性和可靠性,采用数学形态学对具有较强干扰背景的MOA泄漏电流现场监测信号进行消噪处理,通过平滑MOA泄漏电流在线监测数据中的突变点,有效提取了真实信号,而且其运算相对简单,便于在单片机上实现,仿真和实例分析证明了该方法的有效性。     

基于小波变换与差值能量法相结合的串联故障电弧检测方法

由于低压用户端交流串联电弧故障回路电流幅值小、一些电力电子负载正常工作电流与串联电弧故障电流相似等原因,使得故障电弧的准确诊断十分困难。本文提出了一种基于小波变换与差值能量法相结合的串联电弧故障检测方法。对原始电流信号进行小波阈值去噪,运用Mallat快速算法对信号进行多分辨率分析,提取多分辨率分析结果中包含电弧信息较多、负载干扰信息较少的频段进行小波反变换;运用差值能量法对反变换后富含电弧信息的信号进行故障诊断。最后利用自制的实验设备验证了算法的准确性。     

基于小波包分解的逆变器—相开路故障诊断

应用开关函数的双傅里叶变换技术,分析逆变器的直流侧电流的频谱,得出逆变器一相开路故障时的故障特征频率.利用小波包分解的分频特性,对逆变器直流侧电流信号进行小波包分解,求得故障特征频率相应子频带的小波包分解系数的均方根值,并将其作为逆变器一相开路故障的故障特征,以此作为逆变器一相开路故障诊断的依据.试验结果证明了该方法应用于逆变器一相开路故障诊断的可行性.     

基于小波包的笼型异步电机转子断条故障检测

针对笼形异步电机转子断条故障,提出了一种利用小波包分析获取转子断条故障特征的判断方法.介绍了小波包换故障信号特征提取方法;其次对定子电流信号进行小波包分解后,对低频信号重构及功率谱的计算,实现了转子断条故障诊断.实验数据分析表明,该方法能准确对转子断条故障进行诊断.     

小波消噪在10kV金属氧化物避雷器在线检测中的应用

针对金属氧化物避雷器(MOA)泄漏电流检测信号包含噪声的问题,提出了一种将新阈值法和平移不变小波相结合的消噪方法。该方法对含噪的金属氧化物避雷器在线检测信号进行小波分解,对分解后不同尺度下的小波信号进行平移,并同时按新阈值法进行处理,最后重构信号。将所提出的小波消噪方法用于10 kV金属氧化物避雷器的在线监测,提取去噪前后的泄漏电流检测信号波形进行分析对比。结果表明,该方法的消噪效果显著,消噪能力远优于传统的软、硬阈值消噪法。经小波消噪后的泄漏电流波形变得明显清晰,很容易从波形上对正常避雷器和老化避雷器进行区分,可以作为10 kV配电网MOA在线监测的依据。     

基于压缩传感理论的绝缘子泄漏电流数据压缩

绝缘子泄漏电流数据量大,给监测系统数据存储和传输带来巨大的负担.针对这个问题,提出基于压缩传感理论(Compressed Sensing,CS)的数据压缩方法,CS将采样与压缩合并进行,少量采样就能很好地恢复信号,不仅降低对硬件要求,而且提高压缩效率.将泄漏电流信号进行小波变换的稀疏分解,然后对稀疏的泄漏电流信号进行高斯测量编码,最后应用正交匹配追踪算法(OMP)重构信号.实验结果表明,对绝缘子泄漏电流进行CS数据压缩具很高的压缩比,恢复的信号也比较理想.     

基于小波变换的异步电动机故障检测方法

建立了一般异步电动机动态数学模型。基于这个模型用Matlab中的Simulink技术模拟了电动机的两个常见故障：定子匝问短路和转子导条断裂。通过检测电动机定子电流,用coif4小波对电流信号进行分析,很容易判断出这两类故障。说明小波技术用于电机故障诊断是一个好的方法。     

基于泄漏电流检测和红外成像技术的MOA故障综合诊断

采用多种检测技术综合对金属氧化物避雷器进行故障诊断和分析。首先通过在线全电流监测仪发现泄漏电流数据异常,进一步采用阻性电流测试、红外成像检测和直流泄漏测试等多技术综合对存在故障隐患的避雷器进行了确诊,例证了MOA等高压电气设备的多技术综合故障诊断的可行性和互补性。     

基于小波包分解的逆变器单管开路故障分析

应用开关函数的双傅里叶变换技术,分析逆变器的直流侧电流在正常运行、单管开路故障时的频谱。利用小波包分解的分频特性对逆变器直流侧电流信号进行小波包分解,求得故障特征频率相应子频带的小波包分解系数的均方根值,并将其作为逆变器单管开路故障的故障特征,以此作为逆变器单管开路故障诊断的依据。试验结果证明了该方法应用于逆变器单管开路故障诊断的可行性。     

基于小波变换和LMS自适应滤波器的单相接地选线方法

综合应用小波变换理论和最小均方误差(LMS)自适应滤波器技术,提出了一种小电流接地系统单相接地故障选线方法.该方法对故障发生后的零序电流信号进行小波变换,通过LMS自适应滤波器对小波系数进行滤波去噪,利用去噪后的信息进行选线.该方法能有效地从被噪声干扰的信号中得到有用的信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断.应用现场故障录波数据对该方法进行了验证,结果表明该方法能够满足实用要求.     

基于小波变换和维纳滤波技术的小电流接地系统单相接地故障选线研究

作者综合应用小波变换理论和维纳滤波技术,提出了一种小电流接地系统单相接地故障选线的新方法.该方法对故障发生后的零序电流信号进行小波变换,通过维纳滤波对小波系数进行滤波支除噪声,并利用去噪后的信息进行选线.该方法能够有效地从被噪声干扰的信号中得到有用信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断.应用现场实际故障数据对该方法进行的验证表明,该方法能够满足实用要求.     

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.由于电机振动信号属于非平稳随机信号,传统的傅里叶变换从频域角度进行信号分析,只能说明信号中某频率成分幅值的大小和频率密度,不能检测奇异信号点的时域信息,而且还可能将含有丰富故障信息的微弱信号作为噪声滤去.因此,不能完全满足故障信号特征提取的要求.为解决这一问题,提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.     

基于Prony算法的三电平逆变器开路故障诊断方法

针对传统基于信号分析的中性点箝位(NPC)逆变器故障诊断方法存在频谱易泄露,及难以分析非稳态、非线性故障信号的问题,提出一种基于Prony算法的三电平逆变器开路故障诊断方法。首先,采用小波变换对原始测量信号去噪预处理,克服Prony法对噪声敏感的缺点。其次,通过Prony分析拟合逆变器的三相电流信号,提取其幅值、频率、相位、衰减因子四维故障特征。然后,应用支持向量机(SVM)对中性点箝位逆变器故障进行分类。最终,在仿真平台上验证文中所提算法,仿真结果表明,对中性点箝位逆变器开路时瞬变非线性电流信号可以有效的提取故障特征,实现单、双管的开路故障诊断。     

基于小波分析的故障电弧检测方法

为了对配电系统中常见的故障电弧实现快速可靠诊断,进而采取有效的保护措施,笔者提出一种基于多分辨分析的快速小波变换分析提取故障电弧特征频段的诊断方法,利用基于非参数自适应估计理论的Birge-Massart策略进行阀值求解,结合小波阀值降噪解功能对电弧电流进行降噪处理。根据小波分析适于分析非平稳信号的特点,采用该分析方法检测不同类型负载下电弧电流中的奇异信号。综合实验数据,分析表明该方法能有效地实现对故障电弧的诊断。     

基于小波包去噪与EMD的故障电弧检测算法研究

经验模态分解(Empirical Mode Decomposition,简称EMD)方法是一种被广泛应用于故障诊断领域的信号处理方法,但是分解的结果容易受到高频噪声的干扰。因此本文提出利用小波包去除噪声,同时利用EMD分解进行故障电弧信号处理的研究方法。首先根据国标GB/T 31143-2014搭建故障电弧实验平台,采集故障电弧信号,利用小波包去除信号中的噪声,然后利用EMD方法对正常电弧和故障电弧进行分解得到一系列本征模态分量,通过计算求出这些分量的能量熵并进行归一化处理得到特征向量,最后进行支持向量机(SVM)训练,进而诊断得出故障电弧的故障类型。实验结果表明该方法可以有效准确地对故障电弧进行判断。     

基于脉冲发射原理的配电网故障定位方法的研究

在小波理论的基础上,提出了配电网行波故障定位方案。在故障相的线路首端发射脉冲信号,采集线路首端的行波信号,利用小波消噪原理对采集到的行波信号进行滤波,比较线路正常时的行波信号和线路故障时的行波信号,利用小波变换对信号奇异性的检测原理找出行波信号中的奇异点,得到故障距离。对结构简单的线路,在此基础上分析特征波即可准确定位;对结构复杂的线路,在确定故障距离的基础上,根据电网拓扑划定故障可能的几个分支。然后在线路首端注入电流,通过探测器检验几个分支上是否有电流流过,检测到电流的即为故障点所在的分支。详细分析了该行波定位方案在两次现场试验的应用结果,证明了该方案的可行性。     

磁记忆检测套管的自适应信号去噪和故障分类

磁记忆检测方法可有效对井下套管应力集中区进行早期诊断.磁记忆信号非常微弱,容易受到噪声干扰,难以提取其特征量,致使很难定性和定量评估套管的危险等级.对不同尺度空间信号的小波系数进行自适应阈值估计,并基于最优软阈值消噪,从而抑制信号中的噪声,有效提高信噪比,准确识别了套管应力集中区;同时,通过BP神经网络实现了套管故障安全等级的非线性分类,实验验证了方法的有效性.     

基于平稳小波变换的光伏直流串联电弧故障检测

光伏系统直流串联电弧故障具有随机性和隐蔽性的特点,且容易受到外部环境和光伏系统内部噪声的影响,难以检测。利用小波变换提取的电流时频域特征对电弧故障有很好的辨识度,但面临小波基选取的问题。在采集大量电弧故障数据的基础上,通过小波变换分析和对比实验,提出一种针对常用电弧故障特征指标提取的最优小波基选取方法。通过此方法确定bior4.4小波基为提取电弧故障特征的最优小波基,并由此构建基于bior4.4平稳小波变换的时频域特征。通过对比试验发现,基于bior4.4的时频域特征对电弧故障的辨识度明显提高,且表现出对正常噪声信号的抑制作用。为从多角度反映电弧故障特征,补充时域特征,并与时频域特征结合构成电流特征库,利用随机森林算法实现电弧故障的诊断。电弧故障检测准确率达到98.58%,正常信号的误判率仅为0.76%。     

小波变换在涡流无损检测中的应用

本文利用信号与噪声在小波分析中不同尺度上的传播特性，研究了小波技术在涡流无损检测信号除噪中的应用。作者通过对不同支撑板干扰信号的分析，找出了它的规律，提出了用小我尺度边缘检测方法支队支撑板信号的新方法。结果表明，此方法与传统的支队支撑板干扰信号方法相比，能极大地节省硬件资源，降低成本。