基于时频分布图像纹理特征的局部放电特高频信号的特征参数提取方法

针对局部放电特高频(ultra-high frequency,UHF)信号畸变导致模式识别准确率下降的问题,提出了基于时频分布图像纹理特征的特征参数提取方法。首先对局部放电UHF信号进行s变换得到时频分布图像,然后采用灰度共生矩阵(gray-level co-occurrence matrix,CLCM)算法,从时频分布图像中提取出纹理特征参数。采用主成分分析(principal component analysis,PCA)法对由纹理特征参数构成的特征向量进行降维处理,得到局部放电UHF信号特征参数及特征向量,并输入到支持向量机(support vector machine,SVM)分类器中进行模式识别。结果表明,该特征参数可以有效识别4种典型变压器内部局部放电UHF信号,识别准确率最高达到97.50%。     

基于改进DTCWT的GIS局部放电信号降噪方法的研究

GIS局部放电产生微弱的特高频信号在外界各种噪声干扰下容易被掩盖,为此利用特高频法检测GIS局部放电必须经过有效降噪处理。文中提出一种基于改进的对偶树复小波(dual-tree complex wavelettransform,DTCWT)局部放电特高频信号降噪方法,该方法是利用DTCWT将含噪信号分解为一系列小波系数,并得到信号在不同变换尺度下的细节分量。利用时域峭度和包络谱峭度将细节分量进行敏感预筛选,极大地提高了后续的最大峭度解卷积(maximum kurtosis deconvolution,MKD)去噪效率。为了验证该方法的有效性与可靠性,进行GIS局部放电特高频信号降噪实测试验,结果表明该方法能有效的对局放信号进行去噪处理,且在较好发挥DTCWT平移不变性等优点的基础上,对细节信号分量的筛选,可改善该局放降噪方法的降噪效果评价指标,并保持其原有的信号特征。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类

为了有效提取局部放电信号的特征,提出了一种基于变分模态分解(VMD)和多尺度熵(MSE)的特征向量提取方法,并采用BP神经网络分类器对放电类型进行识别。特征向量的提取过程是首先利用VMD分解算法对局部放电信号进行分解,得到数个有限带宽的固有模态分量;然后分别计算分解得到的模态分量的MSE,将其组合得到初始特征向量;最后利用主成分分析法对初始特征向量进行降维处理。用该方法对实验室条件下4种放电信号和不同放电程度的电晕放电进行特征提取及识别。结果表明,该方法能有效提取放电信号的特征,以其作为特征向量可以正确识别不同的放电类型和同种放电类型下的不同放电程度。     

基于模糊K-近邻算法的GIS局部放电模式识别

气体绝缘金属封闭式组合电器(gas insulated switchgear,GIS)局部放电检测对保证GIS的安全可靠运行具有重要的意义。为了对高压GIS缺陷故障进行有效诊断,试验设计了四种典型缺陷模型,并用超高频法提取局部放电信号,得到Ф-q,Ф-n等分布图谱,获得了能够反映局部放电特征的偏斜度γSk、陡峭度ξKu和局部峰值个数Pe等特征参数。根据所提取的四种典型缺陷信号的特征参数特点,通过模糊K近邻分类(fuzzy K-NN classifier,FK-NN)算法对典型缺陷局部放电信号进行了模式识别。结果表明:当近邻个数K=7、调整参数β=0.75时,FK-NN算法对GIS内缺陷识别能达到较高的识别效果。     

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的时频分布图;然后运用差分盒计数法(DBC)对能量分布图进行分形维数的特征提取,并采用线性判别分析(LDA)对特征向量进行降维处理;最后利用支持向量机(SVM)对局部放电缺陷类型进行分类。为验证所提出算法的有效性,在实验室252 kV GIS局部放电仿真实验平台的模型气室内设置了尖端放电、自由微粒放电、沿面放电和悬浮电极放电4种典型缺陷类型,由特高频传感器采集各类缺陷的局部放电信号,后由该文算法进行分类。实验结果表明,采用该文所提特征提取方法对4种典型缺陷类型的识别准确率超过96%,显著优于传统的基于统计参数的信号特征提取方法。     

基于宽频带声电检测的变压器现场局部放电诊断及定位方法

为提升变压器局部放电特高频信号检测灵敏度和抗干扰能力,研制了上限检测频率达480 MHz的特高频线圈传感器,其具备在变压器铁芯/夹件接地位置检测局部放电特高频电流信号的能力。在实验室设置局部放电模拟缺陷,研究了变压器悬浮电位放电和绝缘表面放电的信号特征,有助于对现场检测的信号进行类型识别。研究了变压器现场检测去干扰方法,在此基础上研究了基于宽频带声电检测的变压器现场局部放电诊断及定位方法,并进行了实测验证,检出110 kV变压器内部局部电位放电缺陷,有助于提升变压器局部放电现场检测水平和诊断准确性。     

GIS固体绝缘缺陷所激发特高频信号时频特征研究

利用特高频局部放电检测方法及时发现并处理气体绝缘金属封闭开关设备(GIS)内部固体绝缘缺陷,是GIS设备运维的重要手段。目前将异常特高频信号与现行标准、规范和典型模拟缺陷图谱进行比对从而诊断缺陷类型及严重程度的方法,因现场情况复杂、设备结构各异,准确性有待进一步提升。因此文中针对现场检测中发现的GIS固体绝缘表面放电缺陷和内部气隙放电缺陷,研究该类缺陷所激发特高频局部放电信号的PRPS统计图谱特征,并利用傅里叶变换和连续小波变换分析单次特高频原始脉冲的频谱特征和时频特征。通过总结各类典型固体绝缘放电缺陷信号的脉冲持续时间、放电次数、相位宽度、极性效应、频域分布和时频特征等变化规律,有助于优化特高频检测频带,提升绝缘类缺陷的检测灵敏度,有利于检测人员更加准确进行放电类型识别和缺陷综合诊断,提升现场缺陷检测和诊断水平。     

基于支持向量机的GIS超高频局部放电模式识别

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于保证GIS安全可靠运行、评估GIS的绝缘状况和制定合理的维修策略具有十分重要的意义。为了研究GIS中不同缺陷所激发的局放信号的特征,设计了4种典型放电缺陷模型来模拟GIS中可能存在的绝缘缺陷,通过试验从超高频(UHF)信号中提取出8个统计特征参数来描述放电的典型特征。基于支持向量机(SVM)算法设计构造了4分类SVM模型,采取投票的方式识别放电类型。实验结果表明,该方法识别率高,能有效识别4种GIS中的典型放电。     

基于小波变换和HOG特征的变压器局部放电类型识别方法

不同类型的电力变压器局部放电对变压器绝缘造成的破坏程度不同,正确识别变压器局放类型对于评价变压器的绝缘状况至关重要.提出一种基于小波变换和梯度直方图(HOG)特征的变压器局放模式识别方法,首先根据变压器绝缘缺陷结构特点,设计制作了3种典型的局放缺陷模型,在实验室搭建测试平台并采用脉冲电流法获取变压器局放数据;其次对局放信号进行小波时频变换,获取局放信号的时频谱图并对该时频谱图进行灰度化和归一化处理;最后利用HOG算法提取局放时频谱图上的特征参量并送入分类器,实现变压器不同类型局部放电的模式识别.识别结果表明,该方法的平均识别准确率高达98％,能够有效识别变压器放电类型.     

基于尺度-能量熵特征对的特高频局部放电辨识方法

对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。     

变压器局部放电超高频信号的外部检测

电力变压器局部放电超高频检测法中一般将传感器安装于箱体内部,这对已投入运行的变压器来说是有潜在危害的。为此,先分析了变压器箱体对局部放电超高频电磁波传播的影响,探讨了接收天线外部检测超高频信号的可行性,再实验研究了局放超高频电磁波的外传播特性。结果表明,超高频电磁波可以透过变压器箱体夹缝衍射出来,外部检测到的超高频信号强度随着变压器箱体缝宽增大而增大;变压器套管附近安装接收天线也能检测到超高频信号。     

基于粗糙集降维理论的GIS超高频局放包络模式识别方法

判断局部放电类型与局放包络信号之间的关系是实现评估气体绝缘金属封闭开关设备(GIS)的绝缘状态以及制定合理的维修策略的重要前提。笔者利用粗糙集降维理论,先对表征UHF PD包络信号的37个特征向量所组成的特征矩阵进行了离散化与差别矩阵约简,然后利用简约后的特征向量结合BP神经网络分类器,对4种不同类型的UHF PD包络信号进行了模式识别,结果表明此方法具有较高的识别率。     

电力变压器局放信号抗干扰与模式识别

在局部放电信号抗干扰方面,考察了几种较新的阈值除噪方法,提出了将二进小波变换分别与单抽头最小均方LMS(Lease Mear Square)算法滤波器和基于Birge-Massart策略的小波去噪相结合的变压器局部放电信号抗干扰方法.同时针对局部放电信号的模式识别问题,首先分别根据模糊概率理论和波形匹配理论,针对时域单个特高频UHF(Ultra High Frequency)脉冲信号,提出了2种电力变压器特高频局部放电信号的模式识别方法.基于时域单个UHF脉冲信号的信息,提出了用于神经网络输入的8个特征量,分别利用BP网络、Elman回归神经网络和PNN概率神经网络对4种典型的变压器局部放电信号进行了模式识别的尝试,取得了较好的识别效果.     

直流电压下油纸绝缘中局部放电的超高频特性

为研究直流电压下油纸绝缘中局部放电的超高频特性,组建了一套直流电压下局部放电试验系统以及由局放超高频检测和超宽带检测组成的测量系统,其中脉冲电流超宽带检测的作用是确保超高频检测获取的信号来自于试品自身的局部放电。试验设计了6种油纸绝缘局放模型以模拟换流变压器的典型缺陷,并引入毫瓦分贝(DBM)频谱分析对超高频信号进行了统一化处理,以比较不同缺陷模型对应的超高频信号。直流下试验结果表明:局部放电电流脉冲具有极快的上升沿,能激励起大于300MHz的超高频电磁波,它可以通过超高频传感器加以耦合接收。各种缺陷模型局部放电的DBM频谱分布各异,超高频段能量幅值最大处也不一样。因此若想以高信噪比实现直流下局部放电超高频信号的在线监测,需要使用中心频率可调的窄带滤波器。这些特性为直流输电系统中使用油纸绝缘的电工设备进行局部放电超高频信号在线监测提供了试验依据。     

基于二元树复小波能量熵测度的局放模式识别

二元树复小波变换(DT-CWT)在时域和频域都具有表征信号局部特征的能力,且二元树复小波还具备近似平移不变、多方向选择、完全重构和高效计算等优点。而基于小波的信息熵能反映信号统计分布特征,突出系统信号中短暂的异常信号,达到及早发现可能故障的目的。笔者对4种典型绝缘缺陷产生的局部放电脉冲波形进行二元树复小波分解,将提取每层分解系数上的能量特征和小波能量熵测度作为模式识别的特征量。通过大量的试验获得放电样本,用构建的BP神经网络作为分类器,对4种典型绝缘缺陷产生的局部放电进行了有效识别,结果表明:采用此特征量的神经网络识别方法简单、有效、实用,为局部放电信号的识别提供了有效的参考。     

类均值核主元法在GIS局部放电模式识别中的应用研究

GIS局部放电的模式识别对于评估其运行状态、确定检修策略具有重要意义。论文设计了4种典型的GIS局部放电模型,并通过实验建立了相应的局部放电超高频信号图谱数据库,然后根据信号特点提取了原始特征量,由于原始特征量维数较高,不利于模式识别,因此论文引入类均值核主元分析法,首先求出各类映射数据的类均值矢量,然后根据建立的类均值核矩阵建立类均值核主元算法。研究结果表明,该方法得到的特征量涵盖原始样本中的全部信息,并且维数低于绝缘缺陷种类数,能够实现信息的无损降维。     

时频匹配滤波法用于变压器局部放电模式识别的实验研究

局部放电模式识别对于电力变压器绝缘状况诊断具有重要意义。分析了典型变压器局部放电缺陷,建立4种放电模型,采用小波变换获取了超高频局放脉冲的三维时频谱图,该三维谱图综合反映了局放信号的3个基本特征:时间分量、频率分量和放电能量的分布。根据时频谱构造了4种局放模型的三维匹配滤波器,待测局放信号与同类型滤波器相匹配。结果表明,该方法可以有效提取出局部放电信号的主要特征和趋势。