基于小波能量与神经网络的断路器振动信号识别方法

高压断路器出现机械故障不仅会引起振动冲击事件的时间漂移,还会引起时域波形中一些波峰幅值的变化。依据同一类型断路器振动信号相似的特点,在对高压断路器故障振动信号进行特征分析的基础上,提出了一种识别高压断路器振动信号的新方法:将小波包提取算法和径向基神经网络模式识别功能相结合,利用小波包分解与重构原理将断路器合闸振动信号分解到不同频段中,提取每个频带能量作为断路器状态监测的特征向量,作为径向基神经网络的输入向量;基于径向基神经网络的故障诊断方法在系统参数未知的情况下自动建立动态模型,对于线性系统和非线性系统都有很好的跟踪能力,通过实验室断路器典型合闸振动信号的监测及识别分析验证了该方法的有效性。     

基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测

微弱信号的幅值通常很小,且常被噪声淹没,难以检测。文中提出基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测方法。该方法利用互相关方法对微弱正弦信号进行初步去噪,再利用混沌检测方法提取有效信号,以充分发挥互相关及混沌检测在噪声抑制及信号提取方面的优势;将最大李雅普诺夫指数作为判断混沌系统相变的量化依据,自动识别混沌系统的临界状态,从而准确给出用于确定微弱正弦信号幅值的策动力临界阈值。仿真实例分析表明,该方法能有效地检测出深埋于强噪声中的微弱正弦信号,且其检测精度较单独的互相关方法和混沌检测方法更优。     

用于局部放电图象识别的统计特征研究

结合图象识别技术，提出一种采用局部放电灰度图象的统计特征区分局部放电类型的方法。局部放电灰度图象统计特征由图象的矩特征和相关统计特征构成；其中矩特征描述局部放电灰度图象基本灰度分布状态，相关统计特征描述局部放电正、负工频半波图象之间的相关程度。设计出模拟变压器内部放电与外部放电的五种放电模型，并通过试验获得大量放电样本数据，采用局部放电灰度图象统计特征和人工神经网络分类器，对于五种放电样本获得了较高的识别率，表明该方法具有良好的应用效果。     

油浸式电力变压器动态热路改进模型

油浸式电力变压器绕组的热点温度是指导变压器负载运行方式和影响变压器绝缘寿命的重要参数,准确计算绕组热点温度具有重要意义。在分析运行变压器散热过程的基础上,考虑油箱外壁与周围环境的热量传递,利用传热学原理和热电类比方法,定义非线性热阻和集总热容,并考虑油粘度随温度的变化,建立电力变压器动态等效热路的改进计算模型。将模型的计算结果与实验室自然油循环自然空气(oilnatural-air natural,ONAN)冷却方式下100 kVA/5 kV油浸式温升试验变压器实测数据和IEEE Std C57.91推荐方法计算值进行对比,比较结果表明:通过改进模型计算的变压器顶层油温和绕组热点温度具有较高的精度。     

植物油浸绝缘纸的热稳定性及其对气隙放电发展的影响

随着植物绝缘油变压器的推广应用,研究植物油纸绝缘气隙放电发展及其影响因素具有重要意义。该文采用热重分析技术分析了不同温度下植物油浸绝缘纸板的热裂解情况;基于典型气隙缺陷模型进行了从起始放电至绝缘击穿全过程的局部放电试验。结果表明:相比于矿物油浸绝缘纸板,植物油浸绝缘纸板的热稳定性更好;随着气隙放电的发展两种油纸绝缘放电脉冲相位区间均呈现变宽趋势和不同程度的前移现象,植物油纸绝缘不同放电阶段放电信号相位前移现象更为明显,局部放电量相对较低。研究结果为通过局部放电信号诊断植物绝缘油变压器内部潜伏性缺陷奠定了基础。     

基于小波神经网络和D-S证据理论的电力变压器故障诊断研究

>Transformer faults are quite complicated phenomena and can occur due to a variety of reasons.There have been several methods for transformer fault synthetic diagnosis,but each of them has its own limitations in real fault diagnosis applications.In order to overcome those shortcomings in the existing methods,a new transformer fault diagnosis method based on a wavelet neural network optimized by adaptive genetic algorithm(AGA)and an improved D-S evidence theory fusion technique is proposed in this paper.The proposed method combines the oil chromatogram data and the off-line electrical test data of transformers to carry out fault diagnosis.Based on the fusion mechanism of D-S evidence theory,the comprehensive reliability of evidence is constructed by considering the evidence importance,the outputs of the neural network and the expert experience.The new method increases the objectivity of the basic probability assignment(BPA)and reduces the basic probability assigned for uncertain and unimportant information.The case study results of using the proposed method show that it has a good performance of fault diagnosis for transformers.     

突变理论在高压断路器运行状态模糊综合评判中的应用

根据目前国内外高压断路器的检测现状以及高压断路器状态评估方法,应用突变理论对高压断路器的复杂系统进行多层目标分解,建立事故潜势数学表达式来反映故障发生的本质特征和机理,对断路器状态进行模糊综合分析与评判,为高压断路器运行状况的综合评价提出了一种新思路.     

利用小波神经网络的电力变压器故障诊断方法

为提高变压器传统油中溶解气体分析(DGA)的故障诊断能力,提出了一种利用小波神经网络(WNN)的变压器故障诊断方法。WNN隐含层采用离散仿射小波函数,仿照前馈BP神经网络算法构造WNN,引入学习率和动量系数来训练网络。实验结果表明:相同条件下,较之传统比值法与BP神经网络,WNN的故障模式识别准确率更高,对照BP神经网络,所提出的WNN变压器故障诊断方法在稳定性和收敛时间方面表现更优。     

基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测

微弱信号的幅值通常很小,且常被噪声淹没,难以检测。文中提出基于互相关和李雅普诺夫指数的微弱正弦信号混沌检测方法。该方法利用互相关方法对微弱正弦信号进行初步去噪,再利用混沌检测方法提取有效信号,以充分发挥互相关及混沌检测在噪声抑制及信号提取方面的优势;将最大李雅普诺夫指数作为判断混沌系统相变的量化依据,自动识别混沌系统的临界状态,从而准确给出用于确定微弱正弦信号幅值的策动力临界阈值。仿真实例分析表明,该方法能有效地检测出深埋于强噪声中的微弱正弦信号,且其检测精度较单独的互相关方法和混沌检测方法更优。     

一种在线分析变压器故障特征气体的智能传感器

在线监测变压器油中溶解气体可有效地分析变压器绝缘状况,在线监测用气体传感器是实施该技术的关键。针对半导体气体传感器的交叉敏感特性,提出了将气体传感器阵列与人工神经网络技术相结合,利用6个半导体气体传感器组成传感器阵列,采用BP神经网络进行模式识别。大量的试验证明,所提出的智能传感器可有效地提高H2,CO,CH4,C2H4,C2H2,C2H66种气体的分辨率和检测灵敏度。