電力變壓器價格昂貴,是整個電力系統(tǒng)中最為重要的設備之一,因此尋找有效方法對變壓器的健康狀況進行評估尤為重要。局部放電是變壓器絕緣劣化的重要征兆和表現(xiàn)形式,為變壓器內部早期故障評估提供了有效途徑。另外,局部放電類型對檢修人員估計變壓器故障位置有重要作用。為了準確分析局部放電信號的特征和類型,本文主要從局部放電信號的時頻分析、特征提取和模式識別三個方面進行了相關研究,研究成果如下:提出了基于變分模態(tài)分解(Variational Mode Decomposition,VMD)和Wigner-Ville分布(VMD-WVD)的局部放電信號時頻分析方法。將由多分量組成的局部放電信號進行VMD分解,得到若干單一成分的模態(tài)分量,然后分別對各模態(tài)分量進行WVD分析,最后將各模態(tài)分量的WVD結果進行線性疊加得到局部放電信號的WVD分析結果。VMD-WVD時頻分析方法有效抑制了 WVD中的交叉項,并且保證了較好的時頻聚集性,能夠細致地刻畫信號在時頻平面上所發(fā)生的變化過程,準確反映了信號的時頻特性,適用于局部放電信號的時頻分析。采用VMD-WVD方法分別對仿真及實驗局部放電信號進行時頻分析,得到的分析結果充分驗證了該方法的有效性。提出了一種基于VMD和Hilbert變換(Hilbert-VMD)的局部放電信號分析方法,并將其用于局部放電信號特征提取。對局部放電信號進行VMD分解,得到若干固有模態(tài)分量,之后對得到的各模態(tài)分量分別進行Hilbert變換并將結果進行線性疊加得到被分析信號的Hilbert時頻譜,計算各模態(tài)分量的邊際譜,最后,根據(jù)各模態(tài)分量的邊際譜提取局部放電信號頻域內的特征量。采用該方法提取實驗環(huán)境下局部放電信號的特征量并據(jù)此進行模式識別,實驗結果表明,基于Hilbert-VMD的特征提取方法可以有效提取局部放電信號的頻域特征,具有較高的正確識別率。提出了一種基于偏最小二乘回歸的VPMCD方法(KPLS-VPMCD),并將其用于局部放電信號模式識別。該方法中引入核函數(shù),用核偏最小二乘回歸代替原始VPMCD方法中的普通最小二乘回歸,因此該方法不依賴特定的數(shù)學模型,可以表征特征量之間更為復雜的非線性關系,并且可以有效處理特征量之間存在多重線性相關性和特征量維數(shù)大于樣本個數(shù)的小樣本訓練問題。采用KPLS-VPMCD方法分別對UCI數(shù)據(jù)集和局部放電信號進行模式識別,并將得到的識別結果與原始VPMCD、BP神經網(wǎng)絡和支持向量機(Support Vector Machine,SVM)方法得到的識別結果進行比較,充分說明了采用該方法進行模式識別的有效性。提出了一種基于樣本加權FCM聚類的未知類別局部放電信號識別方法,實現(xiàn)對待識別局部放電信號中未知類別樣本的識別。采用FCM聚類確定各已知類別局部放電信號樣本的聚類中心,計算局部放電信號的樣本權值,將各待識別局部放電信號權值與確定的閾值進行比較,判斷其是否屬于已知類別。該方法中,根據(jù)Otsu準則,即采用最大類間方差法自適應地選取樣本權值閾值。實例分析驗證了該方法的有效性,為未知類別局部放電信號的識別提供了一條有效的解決途徑。
【學位單位】：華北電力大學(北京)
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TM855
【部分圖文】：

２ｔｔ??為了分析局部放電信號功率譜的特性，選取某一電暈放電信號，計算該電??暈放電的功率譜，其譜圖如圖２－２所示。由圖可知，該電暈放電的功率譜分散??性較強，造成這種現(xiàn)象的主要原因是因為局部放電信號往往具有較強的隨機性。??８００??■?■?■?■?？?－??７００?？?－??６００?？?－??％?５００?■?■??＾?４００?？?－??，一ｉｌｌ?麵Ｉ??０?２０?４０?６０?８０?１００?１２０??頻率／ｋＨｚ??圖２－２某次電暈放電功率譜??Ｆｉｇ．２－２?Ｐｏｗｅｒ?ｓｐｅｃｔｒｕｍ?ｏｆ?ｃｏｒｏｎａ?ｄｉｓｃｈａｒｇｅ??實際測量得到的局部放電信號是非平穩(wěn)信號，其組成成分較為復雜，往往??存在多種放電信號疊加的情況，并且還可能包含多種噪聲千擾。每種類型的局??部放電信號的頻域特性與其它類型的局部放電信號會有所區(qū)別。對被分析信號??采用ＶＭＤ算法進行處理的目標就是分解得到原信號中所包含的若千信號分量，??即模態(tài)分量，且分解得到的各模態(tài)分量均具有窄帶特性。根據(jù)ＶＭＤ算法的特性，??１６??

?（２－２５）??局部放電信號的頻率往往較高，為了模擬局部放電信號的特征，采樣頻率??為／ｓ＝ｌ?ＧＨｚ，兩種仿真放電信號的參數(shù)如表２－１所示，波形分別如圖２－３所示。??表２－１仿真局部放電信號模型參數(shù)??Ｔａｂｌｅ?２－１?Ｐａｒａｍｅｔｅｒｓ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｐａｒｔｉａｌ?ｄｉｓｃｈａｒｇｅ?ｓｉｇｎａｌ??仿真信號?Ｊ?ｆｃ／ＭＨｚ??７＾?２５０?１２０?０．３??Ｓｌ?３００?２０?０．３??４００１?－?■?■???—??ｐ?２００?Ｌ?ｈ分量??＾?０?＾???？－２００－?「??＿４〇〇ｌ?■?１?■?■?■?１?１?１?１???０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??１００ｉ￣￣－￣￣￣■￣￣￣￣■￣￣■￣??％?５０?Ｌ?幻分量??＾?０????ｉ?ａａＩ?１?１?１?１?１?１?１?＊?＊???０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??時間／｜ｉｓ??圖２－３仿真信號＆和５２波形??Ｆｉｇ．２－３?Ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?ｏｆ?Ｓ＼?ａｎｄ?＾２??目前關于進行局部放電研究所使用的仿真信號大多為不同局部放電信號在??不同時刻發(fā)生［８２，８３］，而實際測量的局部放電信號往往會出現(xiàn)不同局部放電信號??在同一時刻發(fā)生，此類信號分析的難度要遠遠大于不同局部放電信號在不同時??刻發(fā)生的情況。為了更貼近實際局部放電信號

采用雙閾值篩選法確定使用ＶＭＤ算法前需要預設的模態(tài)數(shù)值后，就可??以對被分析信號進行ＶＭＤ分解。加入噪聲后局部放電信號經ＶＭＤ算法分解??得到的模態(tài)分量如圖２－６所不。??１０Ｑ?■?１?■?１???＼ｍ?１??－１００?１?１?１?１???０?０．２?０．４?０．６?０．８?１??４０Ｑ?；?■??????＞?２０Ｃ－??｜?〇－；??ｉｇ?－２００?＇??－４００???Ｊ???＇???０?０．２?０．４?０．６?０．８?１??時間／（ＩＳ??圖２－６加入噪聲后局部放電信號經ＶＭＤ的分解結果??Ｆｉｇ．２－６?Ｔｈｅ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｒｅｓｕｌｔｓ?ｗｉｔｈ?ｎｏｉｓｅ?ｏｆ?ＶＭＤ??由圖２－６可見，加入噪聲后局部放電信號經ＶＭＤ算法分解得到兩個模態(tài)??分量＾（〇和Ｗ２（〇，分解所得到的這兩個模態(tài)分量Ｗｌ（〇和《２（〇分別與原信號分量??乃和力（圖２－３所示）基本一致，即通過經ＶＭＤ算法分解得到的模態(tài)分量可??以分析出被分析信號中所包含分量信號的情況。同時，也說明所預設的分解模??態(tài)數(shù)尺值是合理的，充分驗證了本章所提出的基于雙閾值篩選法確定使用ＶＭＤ??算法預設分解模態(tài)數(shù)尺值的有效性
【參考文獻】

相關期刊論文 前10條

1 李軍浩;韓旭濤;劉澤輝;李彥明;;電氣設備局部放電檢測技術述評[J];高電壓技術;2015年08期

2 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J];中國電機工程學報;2015年13期

3 褚鑫;張建文;韓剛;;統(tǒng)計特征參數(shù)及多分類SVM的局部放電類型識別[J];電測與儀表;2015年07期

4 袁娜;朱永利;梁涵卿;;結合矩形窗的EEMD局部放電信號去噪[J];電力系統(tǒng)及其自動化學報;2015年03期

5 唐貴基;王曉龍;;參數(shù)優(yōu)化變分模態(tài)分解方法在滾動軸承早期故障診斷中的應用[J];西安交通大學學報;2015年05期

6 田生昌;;最小二乘法的統(tǒng)計學原理及在農業(yè)試驗分析中的應用[J];數(shù)學的實踐與認識;2015年04期

7 唐炬;樊雷;張曉星;劉欣;;用諧波小波包變換法提取GIS局部放電信號多尺度特征參數(shù)[J];電工技術學報;2015年03期

8 汪可;廖瑞金;王季宇;楊麗君;李劍;;局部放電UHF脈沖的時頻特征提取與聚類分析[J];電工技術學報;2015年02期

9 王瑜;苑津莎;尚海昆;靳松;;組合核支持向量機在放電模式識別中的優(yōu)化策略[J];電工技術學報;2015年02期

10 尚海昆;苑津莎;王瑜;張利偉;;多核多分類相關向量機在變壓器局部放電模式識別中的應用[J];電工技術學報;2014年11期

本文編號：2871268