基于UHF的局部放电信号小波包去噪与模式识别研究

为有效检测GIS内部局部放电(PD),采用超高频法模拟局部放电实验,采集不同缺陷模型的局部放电信号。应用小波包分析和多种阈值去噪方法滤除白噪声,得到PD信号特征,并引入概率神经网络实现PD模式识别。实验结果表明:经验给定阈值方法去噪效果最佳,且去噪后PNN模式识别准确率可达92.31%,满足工程需求。

基于PCA-ELM算法的电能计量互感器故障诊断

为了解决电能计量互感器的故障诊断算法稳定性不足的问题,首先对电能计量互感器电路信号理论进行分析,在此基础上,提出了PCA-ELM算法(主成分分析法和极端学习机算法结合的算法),并应用到电能计量互感器故障诊断中。由于ELM具有能以极快的速度获得很好的泛化性能的优势,将其与PCA算法结合,可以提高算法的稳定性。选择电能计量互感器的8个主要信号作为ELM的输入值、使用标号No.1-10指代互感器处于正常工作状态和9种主要故障类型,作为输出,对样本进行训练。训练完成后选取8种故障类型做验证测试,测试结果显示,运用PCA-ELM模型算法对电能计量系统互感器故障进行诊断,能得到很好的故障类型辨识和诊断效果。