基于数学形态学的绝缘子在线监测

为提高染污绝缘子污秽程度预测的准确性,引入了数学形态学对绝缘子泄漏电流信号进行降噪处理。通过选用不同形状的形态学结构元素进行仿真实验,确定了半圆形和线形结构元素更适宜于对绝缘子泄漏电流信号进行噪声抑制。构建了广义多结构元素串行复合形态滤波器。用该滤波器对模拟泄漏电流信号和人工污秽实验室中的泄漏电流信号进行滤波处理。结果表明:该滤波器可滤除多种噪声干扰,在实际工程中易实现。应用该理论设计的基于MSP430单片机的绝缘子泄漏电流在线监测系统,可进一步提高对绝缘子污秽程度的预测效果。     

智能电网中污秽绝缘子泄漏电流的监测分析与研究

目前,绝缘子在线监测系统是通过分析绝缘子泄漏电流来估算绝缘子的污秽程度,而泄漏电流微弱且易受电磁场的干扰。为了准确获取泄漏电流,从泄漏电流采集、信号接入和信号数字处理三个方面对硬件和软件采取相应措施以保证信号的准确性。对于信号的数字处理,采用小波消噪的方案,通过选用不同组合的正弦波和白噪声作为干扰信号,仿真分析去噪算法的效果和信噪比的变化。实验证明,该算法可还原泄漏电流信号,对噪声有效过滤。     

基于高压侧测量的输电线绝缘子泄漏电流在线监测系统

设计了一种基于MSP430高压侧绝缘子泄漏电流在线监测系统,采用一段时间内泄漏电流的峰值最大值、峰值平均值和脉冲数等参数作为污秽程度划分的依据,详细介绍了基于反馈补偿型泄漏电流传感器的设计,实现电流传感器的高线性化,提出用电流互感器直接从高压负载电流中获取系统供电能量的思想,分析了干扰噪声对泄漏电流信号峰值提取的影响,在软件设计中,引入了小波变换算法对信号进行降噪处理的方法。实验测试表明,通过对实时监测记录的历史数据进行综合分析和统计,能够对绝缘子的污秽程度做出正确的划分,并实现绝缘子污秽过度报警功能,从而减少了污闪发生的概率,提高了供电系统可靠性。     

采用小波变换的绝缘子泄漏电流去噪

为了去除污秽绝缘子安全区泄漏电流中的噪声,提出了采用小波变换去噪时分解层数的定量计算方法。根据小波去噪时需对细节进行阈值处理、安全区泄漏电流的能量主要集中在低频周期成分上的结论,提出了确定小波变换去除安全区泄漏电流噪声时最佳分解层数的判据;并以此判据为基础,提出并证明了计算小波分解层数的公式。对在高压试验中和现场采集到的绝缘子泄漏电流进行了小波去噪研究,结果表明:在相同母小波和阈值前提下,采用所提公式获得的分解层数去噪时的效果优于采用其他分解层数时的效果。从而得出结论:所提公式计算出的值为最佳分解层数,按此值去噪时效果最好。     

小波模糊神经网络在绝缘子污秽在线监测中的应用

为了实现电气设备在线监测的智能化和自动化,提出了基于小波模糊神经网络的绝缘子在线监测的方法。鉴于模糊神经网络具有良好的学习性及其很强的模式识别能力以及小波对含噪泄漏电流信号有很好的去噪能力,故提出了小波理论和模糊神经网络相结合的小波模糊神经网络。在实验室模拟实验和现场实测数据的基础上,分析了环境因素对不同污秽程度绝缘子外部电气特性的影响,通过选择环境温度和湿度,泄漏电流有效值,泄漏电流峰值及泄漏电流脉冲频率等变量作为其输入变量,并将其用于对绝缘子污秽程度在线监测结果的模糊综合评定。同时也介绍了基于小波模糊神经网络的污秽评定模型的构建过程,通过部分实验数据验证了该方法的可行性。通过此方法,监控人员可以实时在线监测变电站实时绝缘状况,同时可减少电网因绝缘问题引起的故障,在保证电网安全运行方面有突出贡献。     

污秽绝缘子高频泄漏电流特征的研究

泄漏电流和污闪放电的发展过程密切相关,监测泄漏电流是评估绝缘污秽状态的重要手段。为克服传统泄漏电流法的缺点,笔者通过人工污秽试验方法,研究了玻璃绝缘子的高频泄漏电流,并对几种污秽表面状态的高频泄漏电流的幅值、波形和频谱特征进行了分析,提出了污秽绝缘子的高频泄漏电流特征,以及高频泄漏电流特征参数与等值盐密的相关性。     

小波变换去噪在绝缘子污秽放电声发射监测中的应用

研究了绝缘子污秽放电声发射监测中用小波变换进行信号提纯与消噪的实现问题。在大量绝缘子污秽放电声发射试验基础上,分析总结了污秽放电声发射信号的共有特点。并提出一种基于声发射信号小波变换的小波基选取方法。采用选取的最优小波函数rbio3.9对声发射信号进行频谱分析,提取了声信号的特征频带,并对重构后的信号进行二重小波分解消噪。两组声发射信号的小波变换消噪结果表明,小波变换提高了信号信噪分离结果的可靠性,有效地降低了噪声对污秽放电声发射信号的影响。     

小波变换去噪在绝缘子污秽放电声发射监测中的应用

研究了绝缘子污秽放电声发射监测中用小波变换进行信号提纯与消噪的实现问题.在大量绝缘子污秽放电声发射试验基础上,分析总结了污秽放电声发射信号的共有特点.并提出一种基于声发射信号小波变换的小波基选取方法.采用选取的最优小波函数rbio3.9对声发射信号进行频谱分析,提取了声信号的特征频带,并对重构后的信号进行二重小波分解消噪.两组声发射信号的小波变换消噪结果表明,小波变换提高了信号信噪分离结果的可靠性,有效地降低了噪声对污秽放电声发射信号的影响.     

基于改进 SVD_EMD 的绝缘子泄漏电流去噪方法

泄漏电流是表征气体绝缘输电线路(GIL)内部绝缘子性能优劣的重要指标,在实际工程中泄漏电流信号的采集常受窄带信号与白噪声信号的干扰,进而影响对于绝缘子性能的准确评估,常用泄漏电流去噪方法多依赖于经验参数与人工设定。针对以上问题,提出利用奇异值曲率谱对奇异值变换(singular value decomposition,SVD)进行改进,去除窄带信号干扰;然后引入正负白噪声组,利用经验模态分解(empirical mode decomposition,EMD)对含有白噪声信号的泄漏电流信号进行分解,在分解过程中对模态分量进行去噪处理,保留最终模态分量即为无噪泄漏电流信号。信号仿真与现场实测结果均表明所提方法可以有效实现GIL绝缘子泄漏电流去噪。     

基于泄漏电流的污秽绝缘子闪络风险预测

为提高污闪预防和电网可靠性,分析了包含污秽绝缘子闪络发展过程的丰富信息的泄漏电流信号以识别和预测污秽闪络。用小波理论和数理统计法处理分析人工污秽试验所得污闪阶段泄漏电流的分布特征,建立污闪极值风险方程模型,由此提出了一种基于泄漏电流的污闪风险预测方法。结果表明,该法与Felix Amarh的残差服从瑞利分布的结论吻合,并可从物理角度得到很好的解释。     

基于最小熵解卷积的轨面缺陷漏磁信号处理

钢轨表面缺陷的漏磁检测会受到巡检速度等因素的影响,导致背景噪声增大,检测灵敏度降低。为了增强缺陷信号特征,提高漏磁信号的信噪比,提出了一种基于最小熵解卷积的漏磁信号处理方法。通过目标函数法,计算得到最优的逆滤波器参数,对采集到的漏磁信号进行滤波处理。为衡量最小熵解卷积算法滤波效果,将处理得到的缺陷信号和背景噪声信号的峰峰值与小波变换法和中值滤波法进行对比。实验结果表明,最小熵解卷积算法对缺陷信号起到了明显的增强作用,且其效果优于小波变换和中值滤波。     

基于小波迹方法的局部放电信号消噪研究

在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。     

基于小波混合阈值方法的电能质量信号去噪

基于小波变换的阈值去噪是滤除采样信号中白噪声的有效方法.在实际应用中,阈值的选取和对小波系数的处理方法是影响其去噪效果的2个重要因素.软硬阈值方法各有其优缺点.将两者结合起来的混合阈值方法可提高去噪算法的性能.在分析软硬阈值方法各自的优缺点后,结合正态分布的规律和信号、噪声的小波系数在不同层上的分布特点,提出了能自适应确定临界尺度的软硬阈值结合的混合阈值去噪方法.对采样信号进行小波变换,根据各层小波系数能量的最小值,确定临界尺度.对小于或等于临界尺度的层数上的小波系数用软阈值方法处理,对大于临界尺度的层数上的小波系数用硬阈值方法处理,这样处理能减小信号能量损失.对尺度系数和处理后的小波系数进行重构,得到去噪后的信号.仿真实验表明.混合阈值方法去噪性能稳定,在不同信噪比下都能有效地去除白噪声,较好地保留了原信号的局部特征,且方法简单,计算量小.     

利用泄漏电流分帧与小波技术识别覆冰绝缘子闪络故障

在人工气候室内,通过动态采集3片串XP-70覆冰绝缘子融冰过程中的泄漏电流,并在比较传统利用时频域分析泄漏电流存在不足的基础上,提出了对闪络全过程的泄漏电流采用分帧计算参考量:短时能量信号和过零率信号的极值,利用小波分解重构能量信号与过零率信号的包络曲线,从而从数值和曲线2个直观的角度快速地为覆冰绝缘子闪络故障的发生提...     

基于多孔分数阶小波变换的谐波检测新方法

基于分数阶小波变换的电力谐波检测方法是一项新兴的研究成果,其可较好地解决新型电力系统中谐波检测受噪声干扰的问题,提高谐波检测精度。然而传统离散分数阶小波变换均基于Mallat算法完成,其实现过程中的下采样操作将影响谐波信号的检测精度。针对这一问题,文章将非下采样多孔算法与分数阶小波变换相结合得到一种改进的离散分数阶小波变换实现方法,并在此基础上提出一种基于多孔分数阶小波变换的谐波检测新方法。此外,文章采用基于分数阶频谱四阶原点矩的方法确定最佳分数阶变换阶次,有效降低计算复杂度。实验结果表明,新方法对稳态谐波、短时谐波及时变谐波均能有效实现信号降噪和分离,并能对信号分量的幅值、频率及定位信息实现高精度检测。     

金属磁记忆检测中应力集中区信号的识别

金属磁记忆技术可以快速检测出铁磁构件的应力集中区,对其故障进行早期诊断。磁记忆信号非常微弱,容易受到外来噪声和干扰影响,使得难以准确确定应力集中区。针对含有噪声非平稳性的漏磁信号,在原有信号特征量梯度的基础上,给出了新的时域空间梯度和峰-峰值组合特征量,以及能量峰值处理方法,有效消除了随机噪声对磁记忆信号的影响,提高了应力集中区的识别率;从磁记忆信号的奇异性检测角度出发,通过多尺度小波系数的平方相关一致性来确定真正的应力集中区;实验验证了所提方法的有效性。     

基于小波变换和维纳滤波技术的小电流接地系统单相接地故障选线研究

作者综合应用小波变换理论和维纳滤波技术,提出了一种小电流接地系统单相接地故障选线的新方法.该方法对故障发生后的零序电流信号进行小波变换,通过维纳滤波对小波系数进行滤波支除噪声,并利用去噪后的信息进行选线.该方法能够有效地从被噪声干扰的信号中得到有用信息,克服了故障信号信噪比低的缺点,并能够充分利用故障信息连续判断.应用现场实际故障数据对该方法进行的验证表明,该方法能够满足实用要求.     

利用小波包变换实现噪声环境下特征信号的提取

电力系统暂态或故障时 ,电压电流信号包含了故障的信息 ,文中称包含了故障或暂态信息的电压和电流信号为特征信号 ,利用特征信号可以进行系统分析和故障检测 ,但是特征信号往往被淹没在大量的噪声信号中 ,这样给电力系统分析和检测带来困难。文中分析了电力系统中几种常见的噪声和特征信号的时频特性 ,简单介绍了小波包变换的理论和特点 ,分析了利用小波包变换来消除噪声 ,提取特征信号的理论 ,并通过实例验证了小波包良好的抗噪能力 ,为实现噪声环境下特征信号的提取提供了良好的分析方法 ,为电力系统分析和故障检测提供了良好的工具。