GIS特高频局部放电在线监测系统

特高频局部放电监测是检验高压电气设备绝缘性能的一种新方法;首先介绍了特高频局部放电在线监测系统的系统功能原理,然后分析了系统的硬件及软件设计,最后阐述了系统实现的关键技术。     

GIS特高频局部放电在线监测系统

特高频局部放电监测是检验高压电气设备绝缘性能的一种新方法;首先介绍了特高频局部放电在线监测系统的系统功能原理,然后分析了系统的硬件及软件设计,最后阐述了系统实现的关键技术。     

变压器局部放电在线监测技术的研究

讲述变压器放电在线监测技术原理、系统结构.解决了变压器局部放电在线监测技术中的局部放电的定位、传感器设置及现场噪声的抑制等关键问题.     

基于多残差网络的结构保持超分辨重建

针对图像超分辨率重建中几何结构扭曲和细节缺失等问题,文中提出基于多残差网络的结构保持超分辨重建算法.在小波变换域和梯度域上进行深度学习.文中算法包含3种残差网络.残差梯度网络用于结构及边缘信息的重建.残差小波变换网络从整体上进行图像高频信息的重建.残差通道注意力网络通过调整网络注意力,着重学习重要的通道特征,从局部恢复...     

基于深度残差神经网络的GNSS接收机干扰抑制方案

在各种压制式和欺骗式干扰随机存在的全球卫星导航系统（Global navigation satellite system, GNSS）复杂应用环境下,传统先估计干扰信号参数再抵消的干扰抑制方法需要针对不同类型的干扰设计专门的参数估计和抵消算法,设计工作量大且缺乏通用性。为此本文提出了一种基于深度残差神经网络的干扰抑制方案。首先,针对典型的GNSS干扰类型搭建和训练了相应的残差神经网络,实现从受扰接收信号中直接提取有用卫星信号。然后,结合干扰分类识别结果,将对一维接收信号进行短时傅里叶变换（Short-time fourier transform, STFT）预处理后的时频谱二维信号送入与干扰类型相对应的残差网络,网络输出消除了干扰信号影响的有用卫星信号的时频二维谱。该方案无需对不同类型的干扰采用不同的参数估计和干扰抵消方法,对各类压制干扰和欺骗信号均采用相同的处理流程。实验结果表明相比于先估计干扰信号参数再进行抵消的干扰抑制方案,所提方案对各种GNSS干扰类型均具有较好的抑制效果,具备一定的通用性。     

基于数字信号处理的局部放电在线监测系统

提出了一种基于数字信号处理的局部放电在线监测系统,该系统综合了现代数字信号处理的几种新方法（包括小波分析）对信号进行处理,提取信号特征,并运用模式识别的方法对局部放电信号进行识别。在此基础上,由专家系统做出判断。     

基于PHM的大型变压器的局部放电在线监测研究

大型变压器的局部放电直接影响了整个电网系统的安全平稳运行,因此,必须对其进行在线监测。本文研究分析了现阶段主流的局部放电监测手段,确定了超声检测法在在线监测中具备的优势,提出了基于PHM的大型变压器的局部放电在线监测系统,划定了基于数据驱动的大型变压器局部放电在线监测流程,实现了大型变压器的在线状态监测、绝缘性能退化建模、绝缘剩余寿命预测分析的目标。     

图像超分辨率重建的循环两级残差网络

针对当前基于深度学习图像超分辨率重建方法模型规模大、重建效率低等问题,提出了一种能够获得性能和网络规模优越平衡的图像超分辨率重建网络。首先,利用局部更宽残差块结构,设计了两级残差特征提取模块;然后,以该模块为基础,使用特征图循环传递的方式来构造深层特征提取网络,这可以使得多个网络层共享参数,提高了网络的效率;最后,改进了以往惯常使用的上采样方法,为了弥补分辨率扩张带来高频信息的损失,采用多尺度联合学习的机制构建上采样模块。实验结果表明,与相同类型网络相比,本文方法在维持网络规模较低时,获得了优秀的性能指标和视觉效果。     

基于FPGA的电力变压器局部放电与噪声监测系统

介绍一种新型变压器局部放电在线监测系统的研制。该系统基于电声联合检测方法,检测出变压器局部放电产生的超声波信号。现场运行情况表明,该系统具有较高的检测灵敏度,可为电力变压器的状态检修提供可信的依据。     

基于残差网络的图像超分辨率重建算法

传统的卷积神经网络用到的方法是在稀疏表示的超分辨率图像的基础上学习高/低分辨率图像之间端到端的映射,输入的是高分辨率的图像,输出的是低分辨率的图像,拥有三层卷积层的SRCNN虽然有一定的重建效果,但是感受野较低,因此,提出加深网络结构的方法,此次改进使得后面的网络层拥有更大的感受野,这样结果的像素点可以根据更多的像素点来推断。但是考虑到网络结构加深对传输速率的影响,通过引入局部残差学习和全局残差学习相结合的方法来提高学习率,通过该办法有效地加快了收敛速度,并且通过实验结果验证,与已有的Bicubic、SRCNN和VDSR相比,重建效果在峰值信噪比、结构相似性和视觉效果上均有所提升。     

基于改进小波包阈值的GIS局部放电信号降噪方法研究

特高频法是GIS设备在状态检测中最常用的方法之一,但在应用过程中传感器所采集的特高频信号通常会携带较多噪声,会干扰检测的准备性,因此对信号进行有效的噪声抑制是局部放电检测的关键技术。本文基于小波包去噪理论,提出了一种综合考虑平滑度和边缘特征的改进阈值函数,以实现对GIS局部放电特高频模拟信号的降噪。通过信噪比（SNR）、均方误差（MSE）和波形相似数（NCC）三种参数对方法的去噪效果进行评估,结果表明,改进小波包阈值的信号降噪方法具有良好的噪声抑制功能,应用后可提高GIS局部放电采集信号的初始数据质量。     

变压器局部放电在线检测方法研究

变压器绝缘系统是电力变压器的重要组成部分,很大程度决定了变压器的可靠性与经济性。局部放电是变压器内绝缘劣化的重要原因,也是变压器绝缘状况的重要特征,本文分析局部放电现象产生的原因,介绍几种变压器局部放电在线检测方法并进行比较,采用一种优化的在线检测方法得到变压器局部放电三维图谱。     

基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究

针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法。该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中。改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果。仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了9.45%。     

基于改进小波阈值的GIS局放监测抗干扰研究

在气体绝缘组合电气设备(GIS)运行的过程中,需要对GIS的各个物理量进行智能监测,从而来保证GIS的安全运行。其中局部放电积累到一定程度会对设备绝缘造成损害,同时,局放信号易受噪声干扰,会使监测的局放信号产生畸变,对监测设备的准确性带来不良影响。该文针对GIS局部放电脉冲信号易受白噪声干扰的问题,在已有的小波阈值去噪基础上,改进了传统硬阈值去噪的不连续性,克服了软阈值去噪的平滑问题。通过仿真来验证该方法去除现场环境的噪声干扰的有效性,为GIS内部局放信号的去噪方法提供参考。     

局部放电窄带干扰抑制的数字滤波器设计

为了抑制现场局部放电中混杂的窄带干扰,提高局部放电脉冲的识别率,满足高速采样中信号实时处理的要求,介绍一种基于FPGA的嵌入式局部放电窄带干扰抑制的实现方法.根据局部放电信号和窄带干扰信号在频域上的不同特点,自适应设定窄带信号判定阈值并对其进行识别和滤除.使用DSP Builder和Simulink等工具构建算法模型,对混叠了多种窄带干扰和白噪声的局部放电信号进行处理,并把算法模型转化为可以综合的硬件描述语言.文章最后比较了在Simulink和Quartus Ⅱ两种不同仿真环境下的结果,验证了使用DSP Builder等设计开发FPGA算法的可行性.     

基于嵌入式系统的GIS局部放电监测仪设计

研制了一套低成本的基于嵌入式系统的GIS局部放电监测仪设备。设备采用超高频检测法,设计工作频带为500MHz～1500MHz,具有对局部放电现象进行计数、显示实时波形、实时报警,以及实现基于MODBUS协议的多机联网和上位机进行通信等功能。测试结果表明,研制的系统对于GIS局部放电可以进行有效的监测,满足变电站等现场的使用需求。     

免疫算法自适应滤波器对白噪声的抑制

实际信号经常会受到白噪声及高次谐波的影响,由于白噪声频谱分布在整个实数域,常用的滤波器很难将其滤除。讲述了自适应滤波器的原理及用免疫算法自适应滤波器,对白噪声及高次谐波进行抑制的方法。通过免疫算法对自适应滤波器的权向量进行优化,并用均值滤波的方法对自适应滤波器的滤波结果进行进一步滤波,然后用MATLAB对该算法进行仿真。将免疫算法自适应滤波器的仿真结果和LMS滤波算法的仿真结果进行比较,表明免疫算法自适应滤波器能对白噪声及高次谐波进行有效的抑制。     

改进的MPCA及其在批过程实时故障监测中的应用

针对多向主元分析（MPCA）模型批过程在线监测的缺陷,提出了一种基于变量展开和主元协方差随时间变化的MPCA方法,该方法按变量展开,不需要对新批次未反应完的数据进行预估,而数据之间的动态联系通过时变主元协方差得以保存,并且不需要建模批次的长度相等;将该力法应用于青霉素补料分批发酵过程的实时监测中．结果表明该方法比传统的MPCA方法具有更可靠的监测性能。