共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
局部放电(partial discharges,PD)是导致电力变压器绝缘故障的重要因素,因此,局部放电源的定位对于变压器的评估和维修至关重要。本文提出一种基于超高频(ultra high frequency,UHF)传感器的局部放电定位技术,采用在变压器内部安装传感器的方法来克服外部电晕放电等测量干扰问题,通过对单个UHF传感器进行适当的信号处理来准确地识别电力变压器内的单个局部放电源。为了验证这一方法,在变压器油中进行了点对球放电(point to sphere discharge,PS)、表面放电(surface discharge,SD)和悬浮电位放电(floating potential discharge,FP)3类局部放电实验,验证支撑这一方法的5个条件的准确性。结果表明:局部放电活动产生的UHF信号独立于局部放电类型,并且包含从局部放电源到超高频传感器过程中特有的畸变特性,也包含了其在结构位置中特定的信号特征。因此,证明了单个UHF传感器识别变压器内单个局部放电源的可行性。 相似文献
3.
4.
当配电变压器中发生局部放电时,脉冲电流信号会沿着绕组传播,检测低压绕组中性点接地处脉冲电流即可实现配电变压器局部放电检测。以往的配电变压器局部放电检测及评价方法无法判断放电位置与放电类型,难以准确评估配电变压器绝缘状态。建立了配电变压器宽频等值电路模型,研究了不同位置、不同类型局部放电脉冲电流信号在配电变压器绕组中的传播规律,提出了小波-经验模态联合去噪算法过滤现场检测中的噪声信号。通过计算脉冲电流信号的能量值以及三相波形相似系数实现了配电变压器局部放电的电气定位,以对多组不同噪声水平的信号进行验证,均可实现准确定位,验证了去噪算法和定位方法的有效性。 相似文献
5.
基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪 总被引:1,自引:0,他引:1
抑制干扰是GIS局部放电在线监测的关键技术之一。尽管局部放电超高频检测方法能够有效避开低频干扰,但来自测量系统的白噪声仍然为准确测量局部放电带来困难。为有效抑制白噪声,提高局部放电超高频法的测量精度,本文提出一种用于GIS局部放电超高频信号的自适应小波分解去噪算法,该算法基于每层小波分解尺度系数能量最大的原则,逐层自适应选取最优的小波进行分解,并结合Donoho提出的软阈值法进行去噪。对人工绝缘缺陷产生的四种GIS超高频信号的去噪结果证明了该算法较其他小波算法能更好地去除白噪声且去噪后信号波形畸变较小,具有很好的应用前景。 相似文献
6.
7.
8.
9.
通过现场安装、测试内置超高频探头并排除干扰,在线检测某220 kV启备变局部放电;利用相位统计谱图,分析局部放电的类型、性质及位置。 相似文献
10.
针对局部放电信号去噪,传统的小波阈值法因小波基、阈值和分解层数这三个因素的影响,会使去噪后的波形发生畸变,产生较大误差。为了减小这些因素的干扰,本文提出了基于小波阈值去噪的新方法。首先利用波形相似法选取最优小波基,其次通过对理想局部放电信号和高斯白噪声进行每个尺度的小波分解与重构,并结合统计学知识确定局部放电信号去噪的阈值,最后对高频信号和低频信号进行能量分析,确定最优的分解层数。利用该方法和传统的小波阈值法对仿真放电信号去噪,去噪结果表明新方法在信噪比、均方根误差、相关系数和波形畸变率四个不同的指标上都得到了有效的提升,定性和定量的分析验证了该方法的有效性,实测的去噪结果表明新方法去噪效果令人满意,为局部放电信号去噪提供了一种新思路。 相似文献
11.
12.
抑制白噪声干扰是局部放电在线检测中的关键技术。文中提出了一种基于小波熵的局部放电信号去除白噪声方法:先将信号进行提升小波分解;再对最高一层的低频系数和不同分解尺度上的高频系数进行阈值及量化处理;利用经过阈值处理过的最高一层的低频系数和各分解尺度的高频系数重构信号,去掉白噪声干扰。计算机仿真分析和现场数据处理表明,文中提出的提升小波熵分层软阈值去噪法可以有效地滤除局部放电信号中的白噪声,在抑制白噪声的性能和稳定性方面优于提升小波软阈值法。 相似文献
13.
14.
针对中高压电缆局部放电信号测量中常见的周期性窄带干扰和随机白噪声干扰的问题,提出了一种基于变分模态分解(variational mode decomposition, VMD)和凹凸型阈值小波变换相结合的局部放电信号的降噪方法。先通过VMD对原始信号进行分解重构完成初步的降噪,再通过凹凸型阈值的小波变换进行进一步降噪。应用此方法分别对仿真信号和实测信号进行噪声抑制,并与传统降噪方法的降噪效果进行对比。对比结果证明所提方法相较于传统的软硬阈值的小波降噪等方法有更好的降噪效果,局放信号特征保留效果也更好。 相似文献
15.
16.
为克服现有特高频局部放电检测装置测试效率低,仅有少数具有专家经验的高水平测试人员能够有效使用的问题,提出了基于强方向性天线实现局部放电特高频(UHF)快速巡检和定位的理念。天线的高增益与强方向性是该理念的核心。本文研究通过背腔改进天线的方向性,通过CST仿真优化背腔的结构参数,获得尽可能强的单方向聚束特性。之后对比分析两种天线的增益、方向图与驻波比等性能参数,并通过实验进行实测。仿真与实测结果表明,阿基米德聚束天线在较低频率的接收性能要优于柱螺旋聚束天线,其接收局部放电信号的半功率波束宽度仅为36°,且接收能力随距离的变化更加敏感,更适合作为变电站局部放电定位天线。 相似文献
17.
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 相似文献
18.
19.
《高压电器》2013,(11)
XLPE中压电缆局部放电(partial discharge)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号来源进行识别。笔者利用小波包分解技术对试验获得的大量PD波形数据进行去噪和特征提取。使用PD信号在不同尺度下的能量谱、Shannon熵、对数能量熵以及1.5阶标准熵组成4组特征向量;将提取出的特征向量分别作为BP神经网络分类器的输入,对PD信号进行识别,并得到以下结论:以提取的各特征向量对PD信号进行识别,平均识别率均在90%附近;能量谱、Shannon熵、对数能量熵对于表面放电的识别率相对较低,1.5阶标准熵对于表面放电识别率高但对于电缆本体PD信号识别率较低。提出使用能量谱和1.5阶标准熵组合特征向量对PD信号进行识别,效果优于单独使用各特征向量进行识别,识别率高达97%。 相似文献
20.
针对低信噪比下局部放电信号易漏检与传统奇异值分解算法在进行局放脉冲提取时计算量大的问题,提出一种基于随机奇异值分解的局部放电脉冲提取及去噪方法。该方法能有效提取局放脉冲及去除白噪声,且相较于传统SVD脉冲提取计算所需时间更短,更具工程实用价值。首先,利用滑动短时数据窗截取原始局放信号片段,采用随机奇异值分解法计算最大奇异值,并与全局最优奇异值阈值进行比较,确定脉冲信号的起止点;然后,利用奇异值分解法结合局部最优奇异值阈值,去除提取信号的白噪声。通过对典型局放模拟脉冲进行实验,验证了该算法在脉冲提取时的执行效率优越性。在工频电压下对实验室模拟电缆缺陷进行局放测试,分别采用所提方法、离散小波变换及自适应双阈值方法进行对比性实验,结果表明,所提方法局放信号漏检率低,去噪效果好。 相似文献