波形特征与统计特征相结合的局部放电脉冲分类方法

当不同类型的局部放电脉冲具有相似的波形特征的时候,应用等效时频特征进行脉冲的分类将遇到一定的困难。笔者在保证每个网格中包含有足够的样本数量用于统计分析的原则下,对局部放电脉冲等效时频谱图进行网格状划分与合并。对每个网格内的脉冲,提取该网格内所有脉冲信号的6个统计参数,连同该网格内所有脉冲的平均等效时长和平均等效频率一起共8个参数作为分类的特征量。将每个网格中的所有脉冲视作同一类型的放电,对从各个网格中提取的特征量进行聚类分析,从而得到每个网格的分类结果,达到脉冲分类的目的。该方法将局部放电模式识别中常用的统计特征与放电脉冲的波形特征结合起来,应用该方法对于两类模拟缺陷所产生的局部放电信号进行了分类,其综合分类结果优于直接采用等效时频特征的分类方法,而且两类脉冲分类的准确性比较均衡。研究结果表明,该方法可以在一定程度上提高分类的准确率,实现对不同类型的放电脉冲之间以及放电脉冲与干扰脉冲之间的有效分离。     

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...     

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。     

局部放电脉冲波形特征提取及分类技术

根据电力设备周围存在多种干扰以及绝缘存在多局放的工况,提出基于单一缺陷的局部放电在线监测与识别方法,并指出实现此系统的关键技术之一是脉冲群快速分类技术,其由脉冲波形特征提取和聚类分析算法组成。针对108次/s的超宽带局部放电脉冲波形-时间序列,重点研究脉冲波形特征提取及分类技术。在分析等效时频算法和模糊 C均值聚类算法的基础上,对其做了进一步的改进。基于气体绝缘开关设备(gas insulated switchgear,GIS)的局部放电试验结果表明：采用改进后的算法可以使计算机准确的完成对局放脉冲的的自动分类,并通过在聚类中引入阀值滤除了各子类脉冲中相似性较低的脉冲。这为研制多局放源的在线监及模式系统提供了试验和理论依据。     

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。     

采用神经网络与分形理论的电力设备局部放电模式识别研究

根据小波理论,建立了表征局部放电(PD)脉冲信号的三维时频谱图;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。提取放电特征,并构成识别特征量,采用反向传播算法(BP)神经网络用于局部放电信号类型的模式识别。实验结果表明,本方法可以有效的区分局部放电的类型。     

交流局部放电宽带检测与分析仪的研制

笔者系统地介绍了基于Measurement Studio软件平台研制的一种新型交流局部放电宽带检测与分析仪.其主要包括利用NI5112高速示波采集卡和前置信号处理单元实现的采样率为100 MS/s、模拟宽带为10 kHz～40 MHz的局部放电脉冲宽带检测技术,和基于脉冲波形时频特征的脉冲群实用快速分类技术以及基于PR...     

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。     

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。     

基于宽带检测的局放脉冲波形快速特征提取技术

根据电工设备绝缘存在多局放的工况,提出研制基于单个脉冲的局放宽带检测与模式识别在线监测系统.并指出研制该系统需要解决脉冲群快速分类这一关键技术,其由脉冲波形的快速特征提取以及基于波形特征的快速聚类分析组成.本文针对100Ms/S采样率获取的宽带脉冲波形、-时间序列,提出分别使用幅值参数法、等效时频法和时频熵法对局放脉冲波形的特征参数进行提取.在对人工设置的多局放源产生的脉冲群数据进行波形特征提取后,使用模糊聚类对脉冲群波形特征提取结果进行了对比分析.结果表明:三种波形特征提取方法均能在一定程度上很好地分离干扰源而提取出局放数据.GIS母线尖刺缺陷的试验数据处理同样证实了该技术的有效性和可行性.这为研制基于单个脉冲的宽带局放检测与模式识别在线监测系统提供了实用的脉冲波形快速特征提取技术.     

油中典型局部放电模型放电波形特征参数的提取

根据油中局部放电脉冲波形的特性,提出了一种用于抑制噪声的多分辨率分析和软阈值相结合的小波消噪算法;同时对提取的放电波形的特征参数进行了分析和处理。结果表明,软阈值消噪能较好地解决保留信号局部特征与抑制噪声之间的矛盾,特别适合于对单个局部放电脉冲波形的处理;不同的局部模型,其放电脉冲波形的特征参数有很大差异,提取每种放电的波形特征参数,就可以较好地进行放电类型的识别。     

气体绝缘组合电器多局部放电源的检测与识别

介绍了基于宽带检测的气体绝缘组合电器(gas insulated switchgear,GIS)多局放源检测与识别技术。该技术由脉冲群快速分类和基于最小二乘支持向量机(least square-support vector machine,LS-SVM)的基于相位分布的局部放电谱图(phase resolved partial discharge,PRPD)识别2个主要模块组成。其中脉冲群快速分类模块由基于脉冲波形的时频参数提取和竞争学习网络无监督聚类实现,它将脉冲群分为若干个由相同波形特征脉冲组成的子脉冲群。PRPD放电谱图识别模块对各子脉冲群对应的PRPD谱图进行放电指纹提取,并使用GIS绝缘缺陷特征数据库训练得到的LS-SVM判别函数对各子脉冲群进行识别。仿真和试验结果均验证了该技术的可行性和实用性。     

分形学在局部放电特征提取中应用初探

基于分形理论 ,建立了描述局部放电脉冲波形的随机模型 ,提出用分维尺度变化量为特征识别局部放电信号。实验和分析结果表明分维尺度变化量作为局部放电特征量比分维值灵敏度更高     

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。     

提取局部放电脉冲特征的新算法

针对局部放电测量中存在的缓变窄带干扰,采用Ｍａｌａｔ塔式小波分解算法对局部放电信号和噪声信号的小波分解特性进行详细研究,并提出了一种基于ａｄｈｏｃ算法思想的算法,来提取局部放电脉冲的位置与幅值特征。实验证明,该算法能有效地提取局部放电信号的特征,可用于绝缘局部放电在线监测。     

变频谐振下10 kV电缆缺陷局部放电检测研究

采用目前方法检测电缆缺陷局部放电时,因变频谐振PD信号的影响而导致其整体有效性较差。提出变频谐振下10 kV电缆缺陷局部放电检测方法。在二阶包络线的基础上提取局部放电信号脉冲,并通过阈值策略消除局部放电信号中存在的噪声,避免其对检测过程造成干扰;提高局部放电脉冲信号的时域波形、频域波形特征量,将其输入BP网络中,在变频谐振下完成10 kV电缆缺陷局部放电检测。实验结果表明,所提方法的识别率高,其检测结果的相对误差低。     

基于时频特征核熵成分分析的局部放电模式识别方法

为实现电气设备局部放电模式的准确识别,提出了一种基于时频特征核熵成分分析的局部放电模式识别方法。首先采用S变换理论对局部放电脉冲信号进行时频特征分析,针对S变换分析结果维数庞大但冗余信息较多而不便于模式识别的缺点,基于核熵成分分析方法对S变换结果进行压缩降维处理,得到了局部放电模式识别时频特征向量,同时结合随机森林分类器实现了局部放电类型的准确识别。搭建了尖端放电、沿面放电、气泡放电、悬浮放电等典型变压器绝缘缺陷模型并采集了局部放电信号,分别采用文中方法、PCA方法及KPCA方法进行了局放模式识别实验。实验结果表明,相比PCA方法及KPCA方法,文中方法局放模式识别结果准确率较高且耗时较短。     

基于优化形态特征的变压器局部放电模式识别

针对变压器的4种典型局部放电模型的脉冲波形,应用多尺度数学形态学开运算提取局部放电脉冲波形的形态谱,通过形态谱的提取可看出每种放电类型具有不同的形态特征。同时,为了去掉冗余的特征量,优化形态特征,对每种放电类型的不同形态特征进行相关性分析。实验结果表明,应用优化后的特征量进行识别能够得到良好的识别效果,并且能够降低识别系统的复杂度。