基于变换的电能质量分析方法

对电能质量问题和基于变换的电能质量分析方法进行了综述,文中给出了各种电能质量扰动现象的分类与特征,对傅里叶变换,短时傅里叶变换、小波变换和二次变换这4种变换分析方法的基本原理及其在电能质量领域的应用作了详细论述,阐明了各种方法的特点及其适用条件,最后提出了电能质量研究的方向。     

基于电能质量的变压器振动机理模型及振动信号相关性分析

基于电能质量相关电气量重构了变压器振动机理模型,分析了电能质量不同电气量导致振动特征的变化过程,并利用相关性矩阵发现了振动信号不同频率之间的相关性.基于振动相关性矩阵,使用inception-v3卷积神经网络实现了电能质量类型分类,验证了相关性矩阵的信息价值.     

基于改进的HHT变压器铁芯振动信号检测研究

随着全国电网互联,电力系统的结构日益复杂,变压器故障时有发生,对电力系统安全造成了严重威胁,因而对变压器运行状态的监测和分析越来越受到人们的关注。将小波包变换和HHT (hilbert-huang transform,HHT)相结合的方法引入到变压器铁芯振动信号分析中。由于实测信号中往往含有大量噪声,不利于对振动信号特征信息的提取,因此提出运用小波包变换对其进行阈值处理,然后将处理后的振动信号进行HHT变换,再计算其边际谱,通过边际谱中的频率分布,对变压器铁芯振动实现在线监测分析。最后利用大量数值仿真和现场实测数据分析,表明了该分析方法在变压器上述故障诊断中的可行性和有效性。     

基于提升小波包最优基的电能质量数据压缩

在小波压缩技术的基础上,使用提升小波包最优基的方法解决电能质量信号的数据压缩问题。利用先分解后搜索的提升小波包最优基分解信号,再对最优基下小波包系数作阈值处理,消除幅值较小的系数,达到压缩的目的,最后对压缩后的数据进行重构,并将其与小波变换、最佳小波包变换的数据压缩方法进行仿真比较。结果证明,提升小波包最优基变换的方法．在电能质量数据压缩中取得了满意的效果。     

基于小波变换与傅里叶变换相结合的电能质量监测方法

介绍了至今为止国家标准中规定的各项电能质量指标的计算方法,提出了一种将小波变换与短时傅里叶变换相结合的方法对电能质量的暂态和稳态问题监测的方法,其中小波变换选用Mallat算法,短时傅里叶变换窗函数选用Hanning窗。利用小波变换Mallat算法对暂态电能质量问题进行实时监测,并且区分稳态扰动与暂态扰动,再对各频段进行短时傅里叶变换去分析,从而能够很好的对时域和频域进行分析。MATLAB的仿真结果验证了该方法的准确性和有效性     

基于最佳小波包基的电能质量暂态数据压缩

针对电能质量暂态扰动数据高频分量频率高(最高达到MHz)的特点,在小波压缩技术的基础上,提出将基于最佳小波包基的数据分析方法应用于电能质量数据压缩,利用最佳小波包基的快速搜寻算法对高、低频分量同时进行分解,再对扰动数据进行压缩重构,并将其与基于小波变换的数据压缩方法进行仿真比较。结果表明,在压缩比大致相同的情况下,得到数据的失真率比传统小波的压缩方法低。     

基于变换的电能质量扰动识别方法研究

综述了基于变换的方法在电能质量扰动分析中的应用,分别对基于小波变换、短时傅里叶变换、S变换的分析方法在电能质量扰动检测与扰动类型识别中的应用加以讨论。文中分析了在应用这些方法时涉及到的关键问题以及目前的解决情况,指出了现有一些文献中取得的好的成果及存在的一些问题,并就值得进一步研究的问题以及今后的主要研究方向进行了展望。     

变压器振动信号稀疏快速傅里叶变换分析

变压器振动信号频谱具有稀疏性,传统的信号分析方法需要计算整个频率范围内的频谱成分,计算速度慢。稀疏快速傅里叶变换(sparse fast Fourier transform,SFFT)算法只计算变压器振动信号的主要频谱成分,利用窗函数过滤信号,然后散列傅里叶系数,最后进行定位与估值运算,能快速的计算出信号频谱中k个拥有最大值的傅里叶系数。该算法结构简单,运行时间相对于信号长度n呈亚线性。通过分析变压器油箱的实际振动信号,验证了SFFT算法较之FFT算法运行速度快,非常适合振动信号的在线频谱分析。     

基于多特征融合的卷积神经网络的电能质量扰动识别方法

电能质量扰动的识别是电力系统故障预警与识别的重要手段。电网中,变压器系统存在的电能质量扰动通常为叠加扰动波形。为提高扰动智能识别框架的准确度,提出了一种基于多特征融合卷积神经网络（multi feature convolution neural network,MFCNN）的电能质量扰动的识别模型。提出的MFCNN模型具有2个子模型,将原始的时域数据和经过快速傅里叶变换（fast Fourier transform,FFT）所得频域数据分别作为2个子模型的输入,通过对时域、频域信息的特征融合来实现复杂扰动信号的识别;利用多组电能质量叠加扰动数据,训练传统机器学习模型和MFCNN模型,对比不同模型对电能质量扰动识别的准确率,验证MFCNN模型的有效性。实验结果表明,MFCNN模型对于7种扰动信号的识别准确率均可达到91.6%以上,其中,谐波和陷波叠加扰动信号的准确率为92.9%,具有更强的识别能力。     

电力系统暂态信号分析中小波基的选择原则

讨论了电力系统中常见的暂态信号分析应用，如电力暂态信号检测、去噪与数据压缩以及暂态信号定位等，对这些应用中小波基的选择原则进行了系统的分析研究。研究结果表明，具有高阶奇异性的电力暂态信号必须选择具有相当消失矩的小波基；低频载波中检测弱暂态，应尽量选择中心频率较高的小波基；窄带干扰中提取暂态信号，应选择过渡带窄工具有良好分频能力的高阶小波；去噪、滤波和数据压缩方面，B系列小波具有更好的噪声抑制能力；电力系统故障暂态信号与峰值突变更接近，因此，在暂态信号定位时，一般应选择对称小波对故障暂态信号定位。应用中除选择恰当的小波基外，应根据被分析信号选择合适的分析尺度。     

断路器机械振动信号特征值提取方法分类性能研究

以ZW45-12型单稳态永磁机构断路器为研究对象,通过搭建数据采集平台得到断路器正常合闸状态、分闸弹簧单根脱落和机构卡涩3种不同运行状态信号数据,利用模糊C聚类分析算法比较短时傅里叶变换、小波包能量熵和希尔伯特—黄变换3种特征提取方法的性能。通过对比研究,得出采用小波包变换方法得到的时频熵向量具有最佳的类可分性能。     

采用小波多分辨率信号分解的电能质量检测

针对典型的电能质量扰动信号 ,提出了采用小波多分辨率信号分解的电能质量检测与时频分析方法 ,并提出一种新型的同步检波器。该方法将电能质量扰动信号分解到子频带中 ,在小波域上检测信号的时间、频率和幅度 ,具有突出信号时域、频域局部特征的能力 ,因此特别适用于短暂瞬时信号的检测与分析。仿真结果表明 ,该方法具有优异的检测性能 ,适用于电压凹陷、电压凸起、电压间断、短时间谐波失真、暂态谐波失真、电压闪变与波动等电能质量扰动信号的检测与时频分析。     

基于时域变换特性分析的电能质量扰动分类方法

在分析电能质量扰动Clarke变换和Park变换特性的基础上,提取了扰动的四个特征量,并利用这些特征量对5种单一扰动和6种混合扰动进行了较为准确的分类,且算法简单,易于硬件实现,并可以作为电量参数分析和评估的基础。最后,对提出的扰动分类方法进行了仿真分析,仿真结果表明,提出的特征量及分类方法准确、有效和误判率低,识别混合扰动效果较好。     

利用特征气体排列图判断电力变压器潜伏性故障类型

提出了利用油中溶解的5种特征气体C2H2,H2,C2H6,CH4和C2H4排列图的图形特性判断变压器潜伏性故障的类型,并给出了应用实例.     

变压器局部放电信号去噪方法的研究

分析了局部放电信号和各种干扰特征,并进行了仿真试验。     

基于模态叠加法的变压器绕组振动特性分析

变压器绕组振动极易导致绕组机械形变,从而影响到设备乃至于电力系统的安全稳定运行。文中旨在更便捷的研究变压器绕组的振动特性,首先,利用多自由度系统力学理论,基于模态叠加法建立绕组振动位移响应的解析模型,该模型的刚度系数和激励参数可以反映绕组多种工况的振动特性,文中主要分析了螺栓预紧力和电磁力两个典型因素对绕组振动特性的影响。并以一台10 kV三相变压器为例,设计绕组松动的锤击试验和在线振动监测试验,试验分析结果与解析模型分析结论吻合,验证了解析模型的有效性。文中研究内容为变压器绕组结构设计和状态评估提供了新的思路。     

电力变压器表面振动信号功率谱分析

理论实践表明,电力变压器表面振动信号特征分析是振动法分析电力变压器状态的一个重要基础,振动信号特征可以用来分析判断其绕组和铁芯的工作状态。文中分析了现场采集的电力变压器表面振动信号的功率特征以及功率与负载电流的关系,为振动法分析电力变压器运行状态提供参考。     

基于电力变压器振动信息的绕组形变诊断方法

变压器绕组的机械形变为变压器安全运行埋下事故隐患,为此,提出一种基于振动法的变压器绕组机械状态诊断方法.诊断过程中,通过负载电流与振动信号基频进行拟合匹配初步判定绕组状态;采用小波包变换对变压器绕组不同状态下振动信号进行分析,以振动信号能谱熵作为特征输入向量;利用改进后的多分类支持向量机对特征向量进行训练与测试,实现了变压器绕组不同状态的分类诊断.通过对S 11-M-500/35型实际变压器绕组不同状态下进行负载试验,采集对应机械及电气参量数据,用所提出诊断方法对变压器绕组机械状态进行诊断,结果表明:在准确判断绕组正常及故障状态的同时,故障类型诊断结果准确率达到96.78％以上,从而验证所提出诊断方法应用于变压器绕组故障诊断的有效性和准确性.     

变压器有载分接开关振动信号特征识别技术研究

本文中作者通过定义相空间分布系数并建立对应的二维正态隶属度函数,对不同故障条件下的有载分接开关振动信号数据进行了识别,实现了对有载分接开关的状态评估。