基于小波多尺度变换的局部放电图像识别方法

局部放电模式识别是一种高电压设备绝缘故障诊断的有效方法。文中基于小波多分辨理论,提出了一种对局部放电φ-q-n灰度图像进行模式识别的新方法。该方法对局部放电待识别图像和参考图像进行小波多尺度分解,然后对某一尺度上形成的低频子图像进行相似度以及模式贴近度计算,按照模式贴近度最大的原则进行模式识别。文中对放电模型实验获得的放电样本进行了模式识别并计算出基于4种小波基的多尺度图像分解的局部放电图像的识别率,分析了小波分解尺度及4种小波正交性及光滑连续性对识别率的影响。分析表明,选择正交小波和合适的分解尺度,文中提出的方法能够获得良好的效果。     

局部放电图像的小波多尺度分析与识别方法

分析了小波多尺度分解子图像的能量百分比,阐述了不同尺度子图像的类别和位置特征的变化规律;提出了两种基于局部放电灰度图像(简称为局放图像)小波多尺度分解的局放图像识别的方法。方法一基于参考和待识两幅图像子图像的相似度判断放电类型,方法二基于高频子图像的相似度和低频子图像的相似度乘积判断局放图像模式。对180组局部放电样本数据的识别结果表明:两种识别方法都具有良好的识别效果;比较而言,方法一的识别率高于方法二和直接采用原始局放图像识别方法的识别率。     

基于Hu矩、Zernike矩和小波矩的局部放电识别分析

为了分析不同图像矩特征在局部放电中的识别效果,将基于局部放电相位分辨(Phase-Resolved Partial Discharge,PRPD)模式的φ-q-n三维图谱转化为二维灰度图,基于灰度图的矩特征对局部放电进行模式识别,不同的矩特征,图像的识别率相差较大。采用Hu矩、Zernike矩和小波矩对3种局部放电类型进行模式识别,结果表明:基于Hu矩和Zernike矩表征图像全局信息的特点,其图像识别率较低;而基于小波多分辨率特性的小波矩,不仅可以反映图像的全局信息,而且能够表征图像的局部信息,其图像的识别率达到100%,拓展了矩特征在局部放电模式识别中的应用。     

基于小波多尺度变换局部放电图像模式识别的研究

对基于小波多尺度变换的局部放电图像模式识别进行了研究.     

采用小波变换奇异值分解方法的局部放电模式识别

为提高电缆模拟缺陷的正确识别率,针对110kV高压XLPE电缆附件出现的绝缘缺陷以及产生的局部放电特点,设计了4种电缆中间接头内部典型的绝缘缺陷物理模型,对获取的大量甚高频局部放电信号数据,用离散小波变换的奇异值分解方法进行缺陷类型辨识。该方法首先对单次局部放电信号进行离散小波变换(DWT),得到各尺度小波分解系数,用基于Birge-Massart阈值策略提取各尺度系数的有效极大值,形成极大值的矩阵可以减少冗余数据和噪声的影响,再对小波变换值矩阵进行奇异值分解,提取奇异值作为特征量,最后采用人工神经网络分类器进行模式识别,识别结果表明该方法效果良好。     

小波与分形理论的互补性及其在局部放电模式识别中的应用研究

研究应用于电气设备局部放电模式识别及故障诊断的放电特征量提取方法,是电气设备状态维护技术研究中的难题之一。该文从尺度变换的角度,研究了小波与分形理论的互补性;并从局部放电信号小波分解后的能量谱图提取放电特征,用于局部放电模式识别。研究结果表明：选用适当的小波函数和尺度函数,将局部放电信号的逼近信号能量谱和精细的结构能量谱的分形维数作为局部放电模式特征,能够有效地应用于局部放电模式识别中。该项研究结果具有较高的理论和应用价值。     

变压器局部放电超高频信号多尺度网格维数的提取与识别

提出了一种基于小波包多尺度分析和网格维数的变压器局部放电超高频信号模式识别的新方法,采用小波包多尺度变换提取局部放电超高频信号在多尺度上的小波系数,通过改进差盒计数法计算多尺度小波系数的网格维数,并将多尺度网格维数作为特征量用于局部放电超高频信号的识别。采用了4种典型放电模型产生局部放电,并采用3阶Hilbert分形天线检测局部放电超高频信号,提取的信号特征量输入径向基函数神经网络进行分类识别,识别正确率最低为70%。     

MATLAB与VC＋＋混合编程实现一维小波多尺度分解

小波分析近年来应用十分广泛,并逐步成为一个有力的信号分析工具.本文提出一种基于COM的VC++调用MATLAB小波工具箱提供的小波多尺度分解函数的方法,实现对一维信号的多尺度小波分解.文中阐述了如何利用MATLAB的COM技术实现VC与MATLAB的混合编程,并开发出具体的应用程序.实践证明该方法不仅能够充分发挥2种语言各自的长处,还可以完全脱离MATLAB的运行环境,具有识别率高、开发简单快速、可移植性强等优点,在实际应用中大大提高了编程效率和软件性能.     

基于K近邻算法的换流变压器局部放电模式识别

提出了一种基于K近邻KNN(K-Nearest Neighbour)算法的换流变压器故障诊断方法。设计了4种人工油纸绝缘缺陷,采用超高频天线采集局部放电信号。通过对局部放电超高频信号进行小波包多尺度变换,计算其多尺度小波系数的能量系数。采用KNN算法对局部放电超高频信号能量特征参数进行识别。将反向传播神经网络和所提方法对局部放电超高频信号模式的识别结果进行了对比,结果表明所提出的方法更适用于换流变压器故障诊断。     

采用动态模式分解分形特征的局部放电模式识别

为了解决传统局部放电模式识别方法计算量大、识别速度低的问题,本文采用构造二维谱图的方法进行局部放电模式识别。首先,利用动态模式分解算法构造局部放电的二维谱图,以少于构造传统三维谱图的计算量获取局部放电缺陷信号的二维表征。然后,针对不同缺陷信号的二维谱图提取两种分形特征(分形维数和间隙度),且构造了不同缺陷信号下二维谱图的分形特征数据集。最后,对该数据集进行X均值聚类。结果表明,X均值聚类结果优于传统K均值聚类和模糊C均值聚类算法,并且相比于反向传播神经网络和支持向量机算法,本文所提模式识别方法对3种局部放电缺陷信号综合识别率高,算法运算时间短。     

基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别.实验表明,在FERET、Y...     

Particle identification in terms of acoustic partial discharge measurements in transformer oils

Acoustic measurements of partial discharge (PD) are employed to classify particles in transformer mineral oil according to material and size. Wavelet multi-resolution analysis data of the acoustic signals together with higher order statistics of the particle intercollision times and magnitudes comprise the input features to a Support Vector Machine (SVM) classifier. The training and validation measurement data, which are contaminated by time varying noise, are first filtered using wavelet decomposition. Results indicate that the SVM algorithm with the selected features provides a remarkably high success rate when classifying particles by size and material type. A potentially significant conclusion is that acoustic measurements alone are by themselves effective in classifying discharged particles in terms of the foregoing selected features. The proposed algorithm can be employed to enhance quality control procedures based on acoustic measurements of partial discharge.     

采用Fisher线性判别法提取GIS内部局部放电信号最优能量特征

采用二元树复小波变换（DT-CWT）对特高频局部放电（PD）信号进行多尺度分解,求解了复小波最优分解层数,提取了最优分解尺度下的特高频 PD信号实部和虚部高频层小波能量,并采用Fisher线性判别方法对能量特征进行选择,最后进行PD类型辨识。识别结果表明：优选后的实部和虚部高频层小波能量特征可以有效识别4种典型绝缘缺陷,识别率均达到了92.5%及以上,且最优复小波能量（OCWEF）特征在PD类型辨识中具有更优的敏感性和识别效果。     

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。     

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.     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号.然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法.首先利用小波变换对局部放电信号获取能量...     

基于WAMS的电网扰动辨识与应用

及时获悉电网扰动发生的时间、地点对于帮助运行人员有针对性地采取控制措施,及时消除扰动,保障电网安全稳定运行具有重要意义。本文利用小波多分辨率分析作为分析工具,根据小波系数(wavelet coefficient,WC)的能量选择恰当的小波函数和分解尺度,对广域测量系统(wide-area measurement system,WAMS)记录的频率信号进行时频域分解,利用得到的最大小波系数作为扰动辨识指标,以实现对扰动的在线辨识。10机39节点系统仿真说明了所提方法的应用过程和效果。基于该方法研制了电网扰动源在线辨识系统,实测的电网扰动数据进一步验证了所提方法和系统的有效性和可行性。     

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LSTM算法的高压交联电缆线路振荡波局部放电检测方法

高压交联电缆线路承担的高电压、大容量电力输送任务存在复杂性。针对线路振荡波局部放电检测准确度较差,难以进行缺陷定位的问题,提出基于长短期记忆（LSTM）网络算法的高压交联电缆线路振荡波局部放电检测方法。应用振荡波电压法搭建高压交联电缆线路振荡波局部放电检测框架。基于小波包分解算法,提取典型局部放电信号特征,通过LSTM网络算法识别与检测振荡波局部放电信号,消除局部放电信号中的噪声。根据原始振荡波与反射振荡波到达测试端的时间差,结合振荡波传播速度,确定高压交联电缆线路缺陷位置,实现电缆线路振荡波的局部放电检测。试验结果表明,所提方法的局部放电信号识别准确度更高,电缆线路缺陷定位更精准,实际应用性能较佳。