基于时频特征核熵成分分析的局部放电模式识别方法

为实现电气设备局部放电模式的准确识别,提出了一种基于时频特征核熵成分分析的局部放电模式识别方法。首先采用S变换理论对局部放电脉冲信号进行时频特征分析,针对S变换分析结果维数庞大但冗余信息较多而不便于模式识别的缺点,基于核熵成分分析方法对S变换结果进行压缩降维处理,得到了局部放电模式识别时频特征向量,同时结合随机森林分类器实现了局部放电类型的准确识别。搭建了尖端放电、沿面放电、气泡放电、悬浮放电等典型变压器绝缘缺陷模型并采集了局部放电信号,分别采用文中方法、PCA方法及KPCA方法进行了局放模式识别实验。实验结果表明,相比PCA方法及KPCA方法,文中方法局放模式识别结果准确率较高且耗时较短。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法EI北大核心CSCD

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

基于Hankel矩阵和奇异值分解的局部放电窄带干扰抑制方法

针对高压设备局部放电信号的周期性窄带干扰抑制问题,提出一种基于Hankel矩阵和奇异值分解的窄带干扰抑制方法。首先,通过染噪局部放电信号采样序列构造Hankel矩阵,作为轨迹矩阵,并对其做奇异值分解;研究窄带干扰奇异值分解的规律,并在该规律的基础上利用奇异熵增量和K均值算法找出窄带干扰对应的奇异值,对窄带干扰进行重构;得到窄带干扰后,从染噪信号中将其除去,获得只含有白噪声的局放(partial discharge,PD)信号。对染噪局部放电仿真信号、实测信号进行窄带干扰抑制,并与改进FFT阈值法、小波降噪的结果进行对比分析。结果表明:该方法对窄带干扰的抑制效果更好,波形相似度更高。     

一种基于短时奇异值分解的局部放电白噪声抑制方法

白噪声是电缆局部放电(partial discharge,PD)检测时最为常见的噪声之一。针对局部放电白噪声的抑制问题,提出一种基于短时奇异值分解的局部放电去噪方法。该方法通过短时数据窗截取含噪局放信号片段,利用奇异值分解实现局放信号白噪声抑制。通过典型局放脉冲模型模拟实际局放信号,考虑不同信噪比、窗口长度对去噪结果的影响,验证了该方法的可行性。在振荡电压和工频电压下对实验室模拟的两种不同典型电缆缺陷进行了局部放电测试试验,并利用不同去噪方法对测试得到的局放信号进行去噪,验证了该方法的有效性和准确性。结果表明,该方法相比于传统小波去噪识别灵敏度更高,且去噪后波形相比于传统小波和奇异值分解去噪后波形相似度更高、误差更小。     

WPSEG法在GIS故障识别中的应用

为了对气体绝缘全封闭组合电器GIS(gas insulated switchgear)更好地进行故障诊断,本文结合小波包变换、奇异值分解SVD(singular value decomposition)、能量值法,提出了基于小波包奇异能量WPSEG(wavelet packet singular energy)值的GIS故障识别方法,该方法通过量化故障特征对不同故障进行识别。对故障信号进行小波包分解重构得到小波包系数矩阵;利用SVD分解求得矩阵的奇异特征值,最终求取奇异特征值的能量。对现有的GIS 4类超高频局部放电仿真信号进行分析表明,不同故障的WPSEG值不同,同一类故障,小波包分解层数不会影响WPSEG值,并且在相同噪声环境下,4类缺陷的WPSEG值是成比例增长的,不会影响故障的识别。通过与小波包奇异熵WPSEP(wavelet packet singular entropy)法在GIS故障识别中的应用,说明WPSEG值的优越性。     

基于高频电流电磁耦合法的XLPE电缆局部放电测量分析

通过归纳电缆局部放电测量信号的各种干扰源及放电信号基本特征,分析局部放电测量中信号识别方法的放电相位图谱、信号频谱特性、信号幅特性以及信号分离技术,提出了一种基于高频电流电磁耦合法的局放带电测试方法.该法结合计算机辅助分析手段,利用现有局部放电研究成果和经验,可提高局放测量中对信号进行正确分析和判别的能力.应用该方法对某电缆线路开展测试工作,并分离出局部放电信号.     

自适应奇异值分解局放信号降噪方法

针对高压设备局部放电现场检测时存在周期性窄带干扰、白噪声问题,提出了一种自适应奇异值分解局放信号降噪方法.该方法首先对测试信号构建Hankel矩阵,以此作为轨迹矩阵进行奇异值分解;通过提取前两个奇异值重构并结合功率谱熵自适应判断测试信号中是否含有周期性窄带干扰,以此为判断依据利用奇异值本身和奇异值子集标准偏差作为奇异值...     

GIS局部放电重症监测系统及其应用

GIS局部放电重症监测系统综合了应用特高频(UHF)、超声波(AE)和高频电流(HFCT)检测原理,应用该系统对运行中的GIS设备进行短期实时局部放电信号采集、分析,可及早发现GIS内部存在的各种绝缘缺陷。利用该系统对某变电站GIS异常局放信号进行监测,判断出异常信号具有绝缘早期或悬浮放电特征,并及时掌握了局放信号的变化趋势,确保了GIS设备安全稳定运行。     

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。     

基于LSTM算法的电力电缆局部放电检测方法

传统的局部放电检测方法在分析过程中忽略了噪声信号的影响,导致放电检测结果的准确性偏低.为此, 提出基于LSTM 算法的电力电缆局部放电检测方法.首先,提取电缆放电信号特征,由于线路运行信号和干扰信号 众多,因此通过分析其特征,得到典型的局部放电信号特征向量.然后,去除特征信号中噪声量的干扰,更准确地接 收电力电缆中的放电信号.最后,基于LSTM 算法检测与处理放电信号,对局部放电信号探测的速率进行控制,从 而提高局部放电信号探测的准确率.实验表明:使用此方法检测电缆局部放电所得的电压与实验所设定的电压较一 致,最大误差为0.9kV;2种传统方法相较于此方法的误差分别超出4.1kV、5.3kV.     

基于宽频带脉冲电流法的变压器局部放电多端检测技术研究

为了多方面反映局部放电信号所含信息以及变压器绕组对局部放电信号传播的影响,文中在35 kV变压器构造悬浮放电和尖端放电缺陷,基于宽频带脉冲电流法测量局部放电发生时各检测点的脉冲信号,研究不同类型、不同位置的局部放电信号特征。研究表明,不同缺陷信号波形相似而统计特征不同;不同相放电时,套管末屏信号相较于铁心与中性点信号有明显变化;绕组对高频局放信号具有"选频"作用。     

基于SVD和低秩RBF神经网络的局部放电信号提取方法

局部放电(partial discharge,PD)特高频(ultra high frequency,UHF)信号检测过程易受到白噪声和周期性窄带干扰的严重影响.为有效提取PD UHF信号、抑制干扰,提出一种基于奇异值分解(singular value decomposition,SVD)和低秩径向基函数(radical basis function,RBF)神经网络的去噪方法.首先,将染噪局部放电信号构造为Hankel矩阵,并奇异分解到特征矩阵空间;然后,把特征矩阵中奇异值突变点设为阈值,以去除窄带干扰;最后,采用RBF神经网络逼近去干扰后的PD信号,并采用Gaussian窗滤波以提取局放信号.所提方法与逆向分离(reverse separation,RS)和形态学小波综合滤波器(morphology wavelet filter,MWF)进行对比.从仿真和实测结果表明,该方法对周期性窄带干扰和白噪声有着强抑制作用,评价指标更为显著.     

基于EEMD的交联电缆局部放电信号检测研究

针对经验模态分解方法在提取局部放电信号时易产生模态混叠问题,将集合经验模态分解方法用于交联电缆局部放电信号的提取。该方法相对传统小波变换不需要选择基函数和确定分解层数,可以地自适应地将含有干扰信号的局部放电信号分解成不同时间尺度的固有模态函数,对主要成分是局放信号的分量进行阈值处理与重构得到局放信号,经过希尔伯特-黄变换得到局放信号的时间-相位-幅值谱,获得反映局放信号的特征信息。仿真和实验结果表明验证了集合平均经验模态分解在交联电缆局部放电信号检测中的可行性。     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号.然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法.首先利用小波变换对局部放电信号获取能量...     

基于小波包能量熵的油纸绝缘气隙放电阶段识别

油纸绝缘气隙放电是运行变压器局部放电的主要方式,研究其发展阶段对变压器潜伏性故障的有效监测及诊断具有重要意义。论文模拟实际变压器运行环境建立油纸绝缘气隙放电缺陷模型,利用恒压法采集其局部放电信号,采用小波包分解对局放信号进行频带划分,获取其各频带下信号能量分布以及局放发展过程信号总能量发展情况,基于不同频带下信号能量变化特征提出以小波包能量熵作为局部放电发展特性的新特征量,通过小波包能量熵在整个过程中的循环变化特征规律,提出以小波包能量熵"阶跃"断层点为支点的局部放电阶段有效划分方式,并根据小波包能量熵在不同阶段的阈值特点,建立通过阈值判定来识别局部放电发展阶段的模型。     

基于Gabor变换的GIS设备典型放电缺陷识别

气体绝缘组合开关设备(Gas Insulated Switchgear,GIS)是电力系统中的关键设备,通过局部放电信号获取GIS设备内部绝缘缺陷的放电类型对于故障诊断和预警至关重要.通过试验提出了一种GIS设备不同放电缺陷类型的识别方法,首先搭建了GIS内典型缺陷模型并使用特高频传感器获取局部放电信号,随后对GIS局...     

变压器局部放电检测中的小波包去噪算法

分析了变压器局部放电在线检测中局部放电及干扰信号特征 ,根据小波包变换良好的时频局部化特性 ,引入信号子空间范数描述局部放电信号在时频空间中的分布 ,提出了局部放电信号在线检测的小波包变换新算法。理论分析与实验结果表明 ,该算法能有效抑制周期性载波干扰和白噪声 ,提取局放信号特征     

基于广义S变换和奇异值分解的局放信号降噪优化方法

针对电缆终端局部放电现场检测时存在白噪声、周期性窄带干扰问题,提出一种基于广义S变换和奇异值分解的局放信号降噪方法。该方法首先通过广义S变换自适应获取窄带干扰个数并截取局放信号所在片段,然后利用改进的3谱线插值法对窄带干扰频率进行精确估计并构造引导信号加入原信号中,对该信号利用奇异值分解实现对混合噪声的抑制。通过对仿真、实测局放信号进行去噪,并与传统降噪方法进行对比分析。结果表明,该方法对于混合噪声干扰具有更优的抑制效果,能较好地还原局部放电信号。     

基于原始信号多尺度信息的局部放电特征提取与识别

不同类型的局部放电脉冲,对电缆的危害程度不同,其判断标准也不一样,因此对局放类型的辨识具有重要意义.制作了沿面放电、悬浮放电、针-板放电和自由颗粒放电4种典型的故障缺陷模型,并搭建实验平台测取放电数据.对数据去噪处理后,构建4种放电类型的局部放电相位分布模式PRPD(phase resolved partial dis?charge),并利用谐波小波包变换对原始局放信号进行分解,提取局放信号的多尺度能量特征参数和多尺度样本熵参数,将它们组成特征向量,送入支持向量机SVM(support vector machine)中进行分类识别.4种放电类型的平均识别率为94.5％,因此利用多尺度参数特征可以有效识别出不同类型的局放信号.     

基于模极大值小波域的局部放电信号重构算法

局部放电信号是奇异信号，利用模极大值原理，可以对局部放电信号去噪，然而，对于单个的局部放电脉冲信号，如何由保留下来的少数模极大值点重构局部放电信号是一个重要课题。为此，该文提出一种基于模极大值小波域的局部放电信号重构算法，该算法先根据模极大值小波域的定义求出局部放电信号的模极大值小波域，从而得到局部放电信号的小波系数，然后逆变换得到局部放电信号，实例分析表明，该算法程序简单，易实现，速度快，能满足局部放电在线监测的需要。