基于EMD的GIS典型局部放电超高频信号的分形特征提取方法

笔者提出了一种基于经验模式分解的GIS局放超高频信号分形特征提取与识别方法。该方法通过对局部放电超高频信号进行经验模式分解得到多个固有模态,通过计算固有模态的关联维数作为特征量进行模糊聚类识别。文中设计了4种典型局放模型获取局放超高频信号样本进行验证该方法,结果表明识别正确率最低达到98%。     

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。     

基于多特征量的油中局放超声直达波识别研究

电气设备油中局部放电超声阵列定位是将阵列信号处理技术应用于局放超声检测中的一种新方法,其实质是通过相应的算法得到信号的方位信息,继而对局放源进行定位。研究表明,当超声传感器接收到直达信号时,可对局放源进行准确定位;当接收到混叠(多路径)信号时,会导致定位成功率和定位精度下降,甚至产生虚假定位。因此,有效识别超声直达波与混叠波信号是局放定位成功的关键。该文选取峰值因数、分形盒维数和李雅普指数作为局放超声直达波信号的特征参量;分别基于各特征量进行超声直达波识别的仿真研究,结果表明超声信号的混叠程度会对识别结果造成很大影响,利用BP人工神经网络,提出一种基于多特征量的电气设备油中局放超声直达波识别方法,仿真结果显示其识别成功率接近100%;最后在设定环境下进行油中局放超声直达波识别的实验研究,结果表明,采用单个特征量识别直达波和混叠波的成功率约为90%,基于多特征量的识别成功率为95%,验证了所提方法的有效性。     

基于多特征量的油中局放超声直达波识别研究EI北大核心CSCD

电气设备油中局部放电超声阵列定位是将阵列信号处理技术应用于局放超声检测中的一种新方法,其实质是通过相应的算法得到信号的方位信息,继而对局放源进行定位。研究表明,当超声传感器接收到直达信号时,可对局放源进行准确定位;当接收到混叠(多路径)信号时,会导致定位成功率和定位精度下降,甚至产生虚假定位。因此,有效识别超声直达波与混叠波信号是局放定位成功的关键。该文选取峰值因数、分形盒维数和李雅普指数作为局放超声直达波信号的特征参量;分别基于各特征量进行超声直达波识别的仿真研究,结果表明超声信号的混叠程度会对识别结果造成很大影响,利用BP人工神经网络,提出一种基于多特征量的电气设备油中局放超声直达波识别方法,仿真结果显示其识别成功率接近100%;最后在设定环境下进行油中局放超声直达波识别的实验研究,结果表明,采用单个特征量识别直达波和混叠波的成功率约为90%,基于多特征量的识别成功率为95%,验证了所提方法的有效性。     

计及局放信号传播特性的多源局放定位算法

为减小电缆局放定位过程中噪声干扰及反射干扰的影响,并实现多个局放源的定位,提出了一种基于局放匹配对识别及利用多组局放匹配对进行多源局放定位的算法,来提高在上述干扰工况中的定位精度。该算法利用局放信号的幅值突变特点以及在电缆中的传播特性来识别局放匹配对,再基于局放匹配对识别结果进行多源局放的定位,进而结合DBSCAN信号聚类方法来修正局放定位结果以实现对多源局放的精确定位。仿真结果表明,该多源局放定位算法能够在不同信噪比工况下,有效识别局放匹配对并精确估计出局放源的个数和位置,同时,由于利用了多组局放匹配对进行定位,其精确性比利用单组局放匹配对定位的精确性更高。     

局部放电信号三维图谱的分形特征研究

研究了局部放电信号三维图谱随机分形曲面的形态 ,建立了曲面统计量的相关函数和分形维数 ,基于数学分形理论探讨了局部放电信号三维图谱的分形特征 ,认为局放信号的随机分形曲面具有自相似性和分数维数的分形特征 ,研究其变化规律可有效剔除噪声干扰。     

基于随机森林的高压电缆局部放电特征寻优

高压电缆局部放电(简称局放)新特征的构建与优化选择是提升识别精度、优化识别效率、增强监测参数可视化效果的重要手段。提出了一种基于随机森林的局放特征优选新方法。在实验室构建了5种类型的电缆人工缺陷,通过加压测试获取局放原始数据,并提取了3500个局放脉冲和3500个典型干扰信号脉冲,构建了1235个局放特征。基于上述样本,开展了基于随机森林的特征寻优,分别获得了局放和干扰信号特征排序结果和不同类型局放信号的特征排序结果,并通过反向传播神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)对优选排序结果进行了验证。结果表明,局放和干扰识别的有效特征参数主要是表征信号快慢的特征和小波组合特征;不同类型局放识别的有效特征参数主要是小波组合特征。结果证明,随机森林算法是一种有效的电缆局放特征优选方法,并有望推广到其他电力设备局放的特征寻优。     

多缺陷绝缘局部放电信号的识别与分类

绝缘设备中可能存在多种不同的缺陷,若其同时引发局部放电则给局放信号的检测判断增加了难度。作者介绍了国外用混合weibull函数法和小波分析法识别与分离多缺陷局放信号的技术,他们的实践表明:二者均有较好的识别与分类性能,采用于局放高度分布分析技术的混合,weibull函数法适用于处理两缺陷局放信号,采用多分辨信号分解技术的小波分析法则能更准确地处理多缺陷局放信号。     

基于优化脉冲时间窗的相位差算法的电力电缆局部放电双端在线定位技术

传统的双端相位差定位技术通过对电缆双端到达的局放信号进行频域分析以实现局放的定位,然而该方法采用信号在电缆中的最长传播时间作为脉冲分析的时间窗宽度,因而引入了冗余噪声信号,造成对定位精度的干扰。因此提出了一种基于优化时间窗宽度的双端相位差的电缆在线局放定位技术。通过噪声幅值限定识别双端脉冲过阈值始末时间点,利用设定上升沿与下降沿的裕度时间窗恢复因阈值限定而裁去的局放脉冲的前后段信息,从而得到优化的脉冲时间窗。对利用上述时间窗提取的双端信号进行互谱密度函数分析后,通过相位展开得到单样本的定位结果。最后利用D-Peak聚类分析对多次定位结果进行自动簇类识别,得到的簇类中心水平位置即代表局放的最终定位结果。该技术通过ATP-EMTP软件在强噪声环境下通过调整局放源位置进行了多次仿真对比实验,随后在300 m的XLPE电缆上进行了实际测试。结果表明,相较于传统的相位差与到达时间差技术,该方法的局放定位精度得到了有效提升。     

基于机器视觉的肝癌超声图像特征信息提取

提出了识别肝癌超声图像的一种特征提取。采用将共生矩阵和多分辨率提取分形特征方法结合，提取空间灰度独立矩阵、灰度差分统计、Laws纹理能舒度量、傅立叶能量谱等特征来实现肝癌超声图像的识别。实验证明，这种有效的特征提取对超声正常肝和肝癌图像具有较高的分类正确率，对缺乏病理专家的医院和远程医疗信息系统中的应用提供了坚实的理论基础。     

Fractal image compression for classification of PD sources

The fractal image compression technique has a unique feature due to which physical position of blocks/regions in the input image can be extracted directly from the compressed data. Applying this technique, φ-q-n partial discharge (PD) patterns (treated as an image) are compressed and stored as affine transformations. These transformations then are used directly to extract the embedded pattern features, which are classified by a neural network. The novel route to PD pattern classification described in this paper thus addresses both the tasks of compression and feature extraction in a single step. The task of compression is essential to store and handle large quantities of pattern data acquired, especially during on-line monitoring of PD in power apparatus. Results presented illustrate that this approach can address satisfactorily the tasks of compression and classification of PD patterns     

以盒维数和信息维数为识别特征量的GIS局部放电模式识别方法

研制了5种典型的GIS人工模拟缺陷模型及其局部放电检测系统，通过实验获取了大量局部放电样本数据，构造出GIS局部放电灰度图象；提出有效估计图象盒维数的最少盒计数法；提取了GIS局部放电灰度图象的分形特征——盒维数和信息维数：利用以局部放电灰度图象的盒维数和信息维数作为识别特征量，径向基函数人工神经网络为识别分类器的GIS局部放电模式识别方法，取得了良好的识别效果。     

基于GK模糊聚类和LS-SVC的GIS局部放电类型识别

局部放电可以反映气体绝缘组合电器(Gas Insulated Switchgear,GIS)内部的绝缘缺陷,对正确识别GIS的放电类型具有重要意义。在GIS重症监护系统研究平台上人工设置4种GIS的典型缺陷。基于4种缺陷不同电压等级下的局部放电样本数据,提取局部放电灰度图像的分析特性作为识别特征量。同时考虑到现场干扰对局部放电信号的影响,利用GK模糊聚类算法对分形特征量进一步处理,以提取隔离干扰后的分析特征量。最后设计了基于LS-SVC的局部放电模式识别器。试验结果表明所提方法能有效识别GIS放电类型,比人工神经网络方法具有识别率高、稳定性好的优点。     

交联聚乙烯电缆局部放电灰度图像的模式识别

局部放电模式识别是判断电气设备绝缘状况的重要方法之一。分形理论在局部放电特征的提取上是一种行之有效的方法,通过构造交联聚乙烯(XLPE)电缆局部放电信号的灰度图像,采用逐段搜索确定无标度区域,并采用盒维数与信息维数为特征量作为人工神经网络的输入,对局部放电缺陷进行模式识别。研究表明分形特征在局部放电模式识别上具有良好的效果。     

PD pattern recognition for stator bar models with six kinds ofcharacteristic vectors using BP network

The application of six different kinds of characteristic vectors to recognize PD sources is studied. Four kinds of model bars are used to simulate typical partial discharges in generator stator winding. The PD signals were measured by using a computer aided digital sampling system. The sampling results are processed by six kinds of feature extraction methods and different characteristic vectors are obtained. Then these vectors are used as input patterns for BP network. Recognition results using all six kinds of vectors are reasonable. Further analysis shows that vectors formed by moment features or fractal dimensions possess fairly good abilities of pattern identification and data compression     

局部放电识别中分维数分布的研究

本文将分形理论应用于局部放电模式识别 ,从统计图谱中提取分形特征。在局部放电模式试验基础上 ,采用计盒数的分形维数算法 ,从大量的局部放电样本中提取分形网格维数特征参数 ,提高了局部放电模式的准确性。     

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。     

基于灰度图像分形特征的局部放电模式识别

提出了用灰度图像分维数作为局部放电识别特征量的识别方法,并采用Elman神经网络对变压器局部放电模式进行了识别。