水轮发电机风道笛声的分析和改进

水轮发电机的噪声也如其它物体振动时产生的那些单调而无规律的声音一样,是其在运行时产生的听起来令人烦噪难受的声音。对于水轮发电机的噪声,从产生的机理上讲,其噪声源也可分为3类。1、电磁噪声这是水轮发电机运行时,由定子和转子合成磁场的基波引起的振动而产生的噪声,这种振动是具有电网的两倍频率2ω,而其幅值正比于气隙磁密的平方。另外由气隙磁场中的一些高次谐波相互作用引起振动而产生的噪声。2.通风噪声它是由水轮发电机运行时转子和转子轴上风扇的旋转而产生的。这种噪声与转子及机座的结构特点有关,产生通风噪声的原因主要有下列几点:     

基于振动信号特征分析的变压器绕组故障检测

变压器运行中油箱表面振动信号与其绕组的机械状况密切相关。通过分析变压器油箱外壁的振动信号来检测变压器绕组机械故障,关键在于从振动信号中提取反映故障前后变化的特征信息量。通过试验得到同一型号试验变压器绕组正常运行、短路冲击后运行和模拟故障运行时变压器油箱外壁的振动信号,运用小波包分析对振动信号进行特征提取,提出基于频段-能量-欧式距离的方法来检测变压器绕组机械故障。试验分析结果表明,变压器油箱外壁的振动信号能够反映出绕组内部结构的特性,通过对振动信号的分析能够有效地诊断变压器绕组故障。     

自适应迭代滤波在水轮发电机组振动分析中的运用

水轮发电机组的振动和水轮机压力脉动是衡量机组运行状态稳定性的重要指标,为了确保机组的正常运行,通常采集机组的振动信号进行识别判断。通常,水轮发电机组的振动信号为非平稳信号,并且会参杂着的噪声。针对水轮机振动信号,提出一种基于自适应迭代滤波分解和独立分量分析的水轮机振动信号特征提取方法,介绍其基本原理及求解步骤。先使用独立分量分析对原始信号进行分解,将背景中多余的噪声去除,接着对每个通道的信号进行自适应迭代滤波分解,计算每个模态分量的能量集中度并设定相关的边界值,将超出该值的模态分量去除,并将剩余的分量进行重构,获得除去噪声成分后的重组信号。通过对仿真信号以及实际信号的分析,该方法可以将振动信号中的噪声成分去除,并对相关物理特征进行有效的提取。最后得出结论:1)独立分量分析可将水轮机振动信号中的噪声去除,并突出特征;2)采用自适应迭代滤波分解并以能量集中度作为模态筛选指标,能够将含有少量噪声的模态提取出来,获取相关特征信号。     

电晕放电辐射信号的小波包分析

分析了小波包的频率分解特性及信号分解后的频率分布范围,并将小波包变换与功率谱分析相结合,利用小波包将信号分解到各个频段,通过比较电晕放电信号与噪声信号在各频段的功率谱的区别得出电晕放电信号的频率分布范围,并提取出放电信号的波形.     

基于小波理论的电力变压器振动信号特征研究

通过监测电力变压器的器身振动信号预估变压器机械故障的振动法的关键在于如何从振动信号中提取有效特征。为有效诊断铁心和绕组的机械状态,利用小波变换对变压器振动信号进行时域与频域综合分析,提出基于频段—能量分布的变压器铁心和绕组机械故障诊断新方法。试验结果表明,小波变换能够有效地提取振动信号的特征,得到实时振动信号各频段上的能量分布状态,据此可有效在线诊断变压器机械故障。     

基于类噪声小波分解的风电场次同步振荡辨识

类噪声信号是电力系统正常运行过程中被噪声信号所掩盖的小扰动响应。基于风电场运行过程中类噪声信号,提出了一种风电场次同步振荡辨识方法。首先,将采样信号通过小波方法分解为多个不同频段的小波分量,基于次同步振荡频率的范围选取响应频段的小波分量;然后将信号重构获得次同步频段的信号;最后通过对重构信号的辨识,获得次同步振荡的频率与阻尼系数,同时通过计算进一步获得系统串补度。仿真结果证明,所提方法能够有效提取类噪声信号中的有效信息,能够准确获取线路参数及风电场次同步振荡模态,从而有助于对风电场潜在的次同步振荡风险进行预警,以及时调整风电场的运行方式。     

基于EEMD及自适应滤波的轧辊磨损振动特征提取

针对电池极片轧机的轧辊磨损故障无法实现准确诊断维护的问题,提出了一种针对低频轧振动特征信号提取的方法,对轧辊故障实现在线诊断。先采用集合经验模态分解(EEMD)对振动电压信号进行固态分析,得出轧辊磨损和整机振动的特征频率并重构,再进行自适应滤波去除掉噪声中的共模干扰并对整机振动进行抑制,最后通过小波变换提取低频信号中的轧辊磨损特征信号。通过模拟极片轧机振动和不同方法的对比实验选出最佳方法,并将其应用到极片轧机振动平台中,结果表明,提出的方法能够有效的抑制50 Hz以下的背景噪声,可以在0~5 Hz频段内提取出极片轧机轧辊磨损的振动特征信号。     

基于正弦结构元素的自适应Top-Hat变换及发电机特征振动信号增强检测

提出了一种基于正弦结构元素的自适应改进Top-Hat变换方法,并将其应用至发电机定子特征振动信号的增强检测中。该方法通过嵌套遍历循环确定使特征振动信号频率成分能量占比最大的最优结构元素幅值和长度,结合自互补Top-Hat变换来实现对发电机特征振动信号的增强检测。动模实验机组MJF-30-6定子匝间短路的实测信号处理结果表明,该文所提方法能够同时提取和增强定子的2倍频、4倍频和6倍频这3个特征振动信号,给故障的识别和诊断提供了方便,具备参考价值和积极意义。     

基于改进集总经验模态近似熵的GIS放电故障诊断

气体绝缘组合电器(GIS)作为重要输电设备,由局部放电导致GIS绝缘劣化是常见的故障,需对其进行诊断。从不同放电故障下GIS振动信号的特点出发进行GIS放电故障的识别,搭建GIS典型放电故障实验模拟平台,采集GIS正常运行与尖刺放电、悬浮放电和沿面放电3种典型放电故障的振动信号,采用改进集总经验模态分解法(MEEMD)提取不同运行状态下振动信号模态函数,计算模态函数的近似熵值,将差异较为明显的近似熵值作为特征量输入相关向量机(RVM)进行训练,建立二叉树放电模型,对测试样本进行分类,验证此方法的正确性,实现放电故障诊断。结果表明,改进集总经验模态分解可以较好提取信号中不同的频率成分,近似熵作为GIS振动信号模态函数的特征量能有效表征放电故障下信号的特点,实现对GIS放电故障进行诊断。     

基于N次峰值捕捉的超宽带雷达生命体征检测

针对心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出基于N次峰值捕捉的生命体征检测算法。首先对雷达接收信号进行平均相消法处理滤除静止杂波;接着利用距离门选择算法提取出体表振动信号;然后对体表振动信号进行低通滤波和自相关处理去除随机噪声;最后,在提取呼吸频率的基础上抑制其高次谐波,进而在心跳频段捕捉M个峰值频率,并迭代N次统计心跳频段出现最多次数的峰值频率作为心跳频率。仿真结果表明,该算法相对于离散傅里叶变换(discrete Fourier transform, DFT)算法具有更高的测量精度和更好的抗干扰能力,可有效应用于生命体征检测领域。     

Partial Discharge Detection with High‐Frequency Band through Resistance–Temperature Sensor of Hydropower Generator Stator Windings

In order to improve the signal to noise ratio for partial discharge (PD) detection using a resistance–temperature detector laid in the stator windings of a hydropower generator, the continuous wavelet transform (CWT) is applied as a kind of time‐frequency analysis. Relying on the combination of frequency resolution and time resolution using an applied power voltage phase angle distribution, PDs occurring in voids of stator windings are expected to be found within a mixed environment of strong noise and confusable noise. Furthermore, we found that the CWT may make it possible to calibrate the PD charge quantity in a band of a few tens of MHz under favorable conditions, where calibration is usually difficult for generator stator windings.     

基于SAMP-VMD的局放信号去噪方法

针对电力设备局部放电信号容易受到环境中的窄带噪声和白噪声的干扰,为了更好保留局放信号特征以便后续进行故障诊断和预测,提出了一种基于压缩感知重构和变分模态分解的变压器局部放电信号去噪方法。该方法首先使用窗函数抑制窄带干扰的频率泄露,之后利用窄带干扰在频域上与局放信号和白噪声之间稀疏度的差异从而将窄带信号进行分离重构以抑制窄带噪声,其次通过改进变分模态分解方法根据各模态含有局放信号信息的多少来对不同模态进行分类去噪,最终恢复出局放信号。通过仿真及实测信号对该方法进行去噪效果测试,并与奇异值分解和变分模态分解去噪方法的去噪效果进行对比,结果表明该方法能够有效抑制局部放电信号的干扰,相比传统算法的波形相似系数提升约2%,能够更好的保留局部放电信号的波形特征。     

10 kV电缆接头局部放电在线监测系统研究

介绍了一种基于LabVIEW的10 kV电缆接头局部放电在线监测系统。分析了电缆接头局部放电的产生机理,并对测量局部放电电流的宽频带电流互感器的传输特性进行了分析计算,确定了一种在测量过程的电磁感应环节就可有效抑制噪声信号的局部放电电流互感器。在线监测系统在现场安装后,设备运行良好,LabVIEW监控平台能够时刻监视局部放电信号,能够精确地对电缆接头进行在线监测。     

基于机电联合的 GIL 局部放电趋势预测研究

为研究气体绝缘输电线路(GIL)设备局部放电引发的GIL壳体异常振动机理与特征,并对GIL局部放电趋势进行预测.首先,以尖端放电为例建立了GIL设备尖端放电模型与实验平台;其次,通过测取不同电压等级下尖端放电的脉冲电流信号与异常振动信号,联合机电信号研究GIL异常振动行为的特征与机理;最后,建立鲸鱼优化算法·极限学习机(WOA-ELM)模型对GIL局部放电趋势进行预测,并与ELM模型进行对比.结果 表明,GIL尖端放电脉冲电流重复频率与异常振动信号频率一致,GIL局部放电与GIL壳体异常振动直接相关,且异常振动能量多集中在1600～2800 Hz且以20 Hz倍频分布为主;相较于传统ELM模型,WOA-ELM具有更为优越的预测能力,可以实现对GIL局部放电趋势的精确预测,为GIL局部放电趋势预测提供了新的方法.     

基于EEMD与边际谱能量的电缆局部放电定位方法

振荡波局部放电试验在电缆绝缘缺陷检测中得到了越来越多的研究和应用,但背景噪声干扰和放电脉冲匹配的问题会影响局部放电定位的准确度。为实现振荡波电压下电缆绝缘缺陷的准确定位,提出一种基于集合经验模态分解与Hilbert边际谱能量的局部放电定位方法。首先采用移动窗口阈值法提取出局部放电脉冲信号,采用集合经验模态分解算法对信号进行分解,对得到的各分量进行Hilbert变换获得其边际谱能量值;然后选择不同本征模态函数分量在原始信号边际谱能量值的占比作为特征量,计算信号相似度进行入射脉冲信号和反射脉冲信号的匹配,最终采用时域反射法进行局部放电定位;最后对35 kV电缆进行振荡波耐压试验,对检测到的局部放电信号进行定位计算。结果表明,提出的方法可以在高斯白噪声较强的情况下实现电缆绝缘缺陷定位,定位平均误差可以达到1.15%。     

超宽频带范围内局部放电和干扰信号的时频域特性研究

传统的局部放电检测是测量和分析１ＭＨｚ以下的信号,这些方法测量频带窄、信息量少、易受干扰,不能全面地反映局部放电的本质特征。新近提出的超高频和超宽频带局部放电检测技术,对局部放电检测技术的发展具有重要意义。本文简明扼要地阐述了局部放电信号的物理本质和超宽频带检测原理,运用自行研制的超宽频带局部放电检测系统,研究了典型放电信号和干扰信号的本征特征,为进一步建立超宽频带局部放电检测指纹库、提高绝缘诊断的准确性奠定了基础。     

Hilbert-Huang变换理论在电力系统中的应用研究

主要根据本课题组近几年Hilbert-Huang变换(HHT)理论及其在电力系统信号分析领域应用的研究成果,综述了HHT理论在电能质量检测、电力系统谐波分析、电力系统低频振荡、同步电机参数辨识、局部放电信号检测等问题的应用,并探讨了HHT理论应用的进一步研究的方向:低频振荡在线分析,同步电机参数辨识精度的提高,窄带噪声、随机脉冲等干扰下的局部放电信号在线检测等问题。     

基于交叉小波变换的高压并联电抗器故障诊断方法

为了实现高压并联电抗器智能化诊断,提出一种基于交叉小波变换的电抗器故障诊断方法.搭建振动信号测试平台,采集不同条件下的电抗器振动信号,对比分析了电抗器三种状态下的交叉小波功率谱,通过图谱中颜色、显著性水平曲线与相角变化对电抗器故障进行定性分析;确定了信号的特征频段,提取特征频段中RGB参数与相角信息构造特征矩阵;采用矩...     

GIS的壳体振动现象及其检测

本文实验研究了金属壳体受激振力而引起的振动现象及传递过程以及GIS内部局部放电引起的壳体振动信号的时域、频域特性及其影响因素,还研究了几种信号的处理方法和定位方法,并在实验室中得到局部放电的检测方法及监测的灵敏度。     

基于ARM的电力变压器UHF局部放电监测系统

为了无失真地采集超高频检测中所需的有用信号,笔者介绍了一种利用混频原理将电力变压器UHF局部放电信号进行降频变换,较好地采用ARM微处理器设计了一款现场信号调理与采集系统,在μC/OS-Ⅱ操作系统基础上编写用户软件对信号进行处理和运算,提取了局部放电信号的各类相位分布谱图和统计算子。实验结果表明,笔者设计的基于混频技术的信号调理单元,很好地达到了UHF窄带时域信号的降频变换作用,为局部放电模式识别提供了各种可靠真实的特征参数。