局部放電信號干擾抑制與識別方法研究.pdf

1、絕緣劣化是引起電氣設(shè)備故障的重要原因,如果能在電氣設(shè)備絕緣裂化的早期就將其檢測出來,并及時(shí)更換,將會有效地減少事故的發(fā)生,局部放電檢測是反映電氣絕緣設(shè)備劣化情況的有效有段。局部放電檢測屬于瞬態(tài)微弱信號的測量,而檢測現(xiàn)場的電磁干擾通常比較嚴(yán)重,因此信號檢測的干擾抑制是局部放電檢測的一個(gè)技術(shù)難點(diǎn)。目前,局部放電的故障診斷還是以閾值分析為主,當(dāng)放電量達(dá)到危險(xiǎn)放電量的最小值時(shí)發(fā)出警告信號,但不同的絕緣缺陷對絕緣系統(tǒng)的破壞程度有明顯的差異,對局部

2、放電缺陷類型識別分類是目前局部放電檢測另一個(gè)研究重點(diǎn)。
　　局部放電信號檢測中最主要的干擾是白噪聲。白噪聲從時(shí)域上看是雜亂無章的,屬于寬頻信號,當(dāng)前較為常見的方法是利用小波變換技術(shù)對白噪聲干擾進(jìn)行抑制,其效果也較為顯著。本文對小波變換的各種去噪算法進(jìn)行了比較分析,發(fā)現(xiàn)去噪中最常用的閾值算法在估計(jì)信號的小波分解系數(shù)時(shí),直接將分解系數(shù)幅值大小作為判斷標(biāo)準(zhǔn),沒有利用小波系數(shù)的相關(guān)性,在干擾比較嚴(yán)重的情況下去噪效果并不穩(wěn)定。針對這種情況,

3、本文將小波閾值算法與空域相關(guān)算法有機(jī)結(jié)合,同時(shí)給出一種新的閾值選擇方法,對信號進(jìn)行聯(lián)合去噪,取得了比較理想的效果。
　　局部放電具有一定的隨機(jī)性,因此一般會對多個(gè)工頻周期的信號進(jìn)行統(tǒng)計(jì),得到局部放電信號的統(tǒng)計(jì)圖譜,在識別過程中需要利用放電圖譜的圖像特征對局部放電的缺陷類型進(jìn)行模式分類。分形特征是一種參數(shù)少,模式區(qū)分能力較強(qiáng)的特征參數(shù),因此本文對局部放電圖譜分形特征的提取方法進(jìn)行了深入研究,并在提取散點(diǎn)圖的分形特征時(shí)對傳統(tǒng)的盒維數(shù)計(jì)

4、算方法做了改進(jìn)。分形特征僅僅描述了散點(diǎn)的集局部自相似性和復(fù)雜程度,不能對散點(diǎn)集從整體上進(jìn)行描述,本文結(jié)合散點(diǎn)集的分布重心特征,與分形特征共同組成特征向量,作為識別輸入向量,在試驗(yàn)中對幾種特征向量識別效果進(jìn)行對比,試驗(yàn)結(jié)果表明,本文所提取的特征向量模式區(qū)分能力更強(qiáng)。
　　BP神經(jīng)網(wǎng)絡(luò)是局部放電識別中一種常用分類器,但是傳統(tǒng)BP算法存在缺陷,制約了該分類器在實(shí)際中的應(yīng)用,本文利用粒子群(PSO)算法對BP網(wǎng)絡(luò)進(jìn)行優(yōu)化。如果用傳統(tǒng)的PS