一起换流变压器有载分接开关故障分析及处理

有载分接开关是换流变压器的重要部件。针对某±800 kV特高压换流站发生的换流变压器有载分接开关故障,通过设备检查和试验分析,得出此次事故发生的主要原因是有载分接开关的机械操作机构故障,并提出了相应的改进建议。     

换流变压器真空有载分接开关动力学模拟及工作一致性研究北大核心CSCD

真空有载分接开关是确保换流变压器安全稳定运行的关键部件,对其动力学和工作一致性进行评估具有重要意义。为了弄清楚分接开关切换过程中不同频率振动信号的产生机理,弄清楚振动信号与开关动作的联系,文中首先建立了分接开关筒壁和分接选择器支架的有限元模型,获得了分接开关固有频率及振型;然后构建了表征触头分合的多自由度动力学模型,模拟了分接开关在切换过程中的响应特性;再利用变分模态分析提取多频信号中的高频分量对振动信号进行分段,利用结构相似度计算振动时频信号的一致性系数;最后根据文中所提出的一致性分析方法对实验室数据和现场数据进行了分析,获得了不同档位一致性系数的变化规律。研究结论对基于振动信号的真空有载分接开关机械状态评价方法具有重要意义。     

换流变压器有载分接开关电场分布特性研究

对换流变有载分接开关的建模,分析了不同工况下分接开关各部件表面场强分布情况,校核了绝缘性能,并通过对实际换流变有载分接开关进行外施耐压试验,验证了仿真分析结果.     

基于经验模态分解和自适应噪声对消算法的窄带干扰抑制

在局部放电在线检测中,自适应噪声对消算法是当前抑制窄带干扰的有效方法。由于窄带干扰频率范围很宽,滤波参数不易设置,同时实测时的窄带干扰在时频域都表现强烈,局部放电信号会完全淹没于干扰之中,使得一般改进噪声对消算法不能取得较好效果。为此,笔者提出一种改进经验模态分解的噪声对消算法,首先在频域中降低干扰幅值,接着利用经验模态分解的分频特性将宽频带的窄带干扰分解到不同频带,各频带内的窄带干扰频率相差有限,然后进行自适应噪声对消,以达到较好的滤波性能。仿真和实际数据验证了该算法的有效性。     

基于经验模态分解的局部放电去噪方法

在简单介绍经验模态分解(EMD)的基础之上，将经验模态分解用于局部放电的信号分析。根据含噪声信号分解后固有模态函数(IMF)的统计特征，提出了一种基于向量阈值的新去噪算法，相比于常规的小波去噪算法，该算法具有形式简单、应用方便灵活、不受傅里叶变换及小波函数选择的限制等特点。实际处理结果及与小波的对比表明，新算法可以有效地抑制白噪声，取得和小波变换几乎一致的效果。     

基于经验模态分解的电能质量扰动信号定位方法

提出了一种基于经验模态分解(empirical mode decomposition,EMD)的方法来对电能质量扰动信号进行定位。在EMD方法分解过程中,异常数据会在其第1个固有模态分量中引起局部高频突变信号,此高频突变信号具有幅值相对于无扰动时明显增大的特点。利用此特点,对含有电能质量扰动的电网电压进行EMD分解后得到的第1个固有模态分量求取一阶导数,然后对一阶导数进行阈值处理来确定扰动发生及终止的时刻。仿真结果表明,此方法对多种电能质量扰动信号信号有较好的定位效果。     

基于经验模式分解与因素影响的负荷分析方法

提高预测精度需要准确把握负荷变化规律和环境因素影响,但目前的分析方法多存在依赖主观经验,且对因素影响分析不深入的问题。为此,提出一种基于经验模式分解(empirical mode decomposition,EMD)和因素影响的负荷分析新方法。利用EMD的自适应性,自动地将目标负荷序列分解为若干个独立的内在模式,可克服依赖主观经验的缺点。再利用多个指标从不同方面分析它们的规律特性。通过各分量与各影响因素的相关分析,深入挖掘各因素对各分量的影响情况。归纳出构成负荷的不同成分,并详细论述其特性。实例研究说明该方法可很好地分析负荷特性及因素影响。     

基于经验模态分解的电能质量信号消噪新方法

基于EMD理论,采用一种电能质量信号消噪的新方法,即首先对电能质量信号进行EMD分解,得到一系列的IMF分量和一个剩余分量,根据噪声和信号在不同尺度的IMF分量上的表现特性,分别将其进行阈值处理,再将消噪后的IMF分量重构,从而得到消噪后的电能质量信号.仿真结果表明,该方法的消噪效果较好.     

基于经验模式分解的异步电机转子断条故障诊断

为提高异步电机转子断条诊断的准确性,提出了一种基于经验模式分解(EMD)的诊断方法.选取单相功率频谱作为分析对象,通过对单相功率频谱进行EMD,准确地提取了 2sf故障特征量.仿真结果表明,该方法诊断灵敏度高、直观清晰,有效解决了定子电流中故障分量频率与基波频率相近而不易被EMD的难题,是一种有效的方法.     

基于双变量经验模态分解和最小二乘支持向量机的风电功率区间预测

准确的功率预测是应对大规模风电并网问题的重要方法,但目前风电功率预测精度仍存在较大误差。为了更精确地对风电功率进行超短期预测,提出一种基于双变量经验模态分解技术和最小二乘支持向量机的组合区间预测方法。首先,通过比例系数法构造复值区间,解决了区间构造的难题;其次,利用双变量经验模态分解和样本熵分别将上、下限结果分解重构,凸显了数据的特征信息;再次,针对各特征分量分别建立基于深度信念网络和最小二乘支持向量机的组合预测模型进行预测;最后,将各分量的预测结果组合得到一定置信率下的预测区间。实际算例表明,与现有的区间预测方法比,所提区间预测方法有效提高了区间覆盖率,达到了更准确的预测精度。     

改进经验模态分解阈值算法抑制强窄带干扰

为抑制电力设备局部放电在线监测中出现的较强窄带干扰,提出改进经验模态分解(EMD)阈值算法,改进了频域阈值算法并解决了其阈值和干扰频带难以确定的问题.首先在频域处理时设置一个较大阈值来降低窄带干扰幅值,接着EMD以得到含有特征频率的固有模态函数(IMF),然后对IMF分量进行阈值处理,利用窄带干扰和局部放电信号在IMF分量上的特性差异来抑制窄带干扰.     

结合滑动窗奇异值分解的EEMD暂态电能质量扰动检测法

为了解决噪声、模态混叠等原因造成提取电能质量扰动信号的时频特征不清晰的问题,根据电能质量扰动信号具有非平稳、不确定性以及周期性强的特点,应用总体经验模态分解(ensemble empirical model decomposition,EEM D)的方法对电能质量扰动信号进行分解,基于滑动窗奇异值分解(singular value decomposition,SVD)数据压缩方法对EEMD分解得到的一系列固模函数(intrinsic mode function,IMF)分量组成的矩阵进行了重构,并对重构后的IMF分量作Hilbert变换降维,提取了扰动信号时间、频率、幅值上的特征。对比传统的EEMD算法,新方法能更加准确定量地提取各个扰动成分的起始时刻、幅值、频率等扰动特征,同时能够有效抵御噪声的干扰,克服了以往只能通过人为选取IMF分量来提取扰动时频特征过于主观的缺点。算例仿真的结果验证了该方法的有效性。     

基于经验模态分解和正弦波参数法的介损角测量算法

将基于经验模态分解(empirical mode decomposition,EMD)的新型时空滤波方法应用于介损角的测量中。利用EMD对强噪声背景下的采样信号进行分解,根据所得到的固有模态分量的频谱特性进行选择性滤波,提取其基波分量,并结合正弦波参数法计算介损角。探讨了系统频率变化和介损角变化对测量真实值的影响。仿真结果表明该方法可明显减小计算误差,对提高数字化测量d 的精确性具有实际意义。