基于PSO-SVM的高温炉变频电机局部放电预警监测方法

在高温炉加热过程中,非均匀的暂态随机状态会影响高温炉变频电机局部放电信号时间特性,导致时间一幅值关系的离散变量不能确定而影响监测效率,为此提出基于PSO-SVM的高温炉变频电机局部放电预警监测方法。首先,采用奇异值分解(SVD)抑制高温炉变频电机局部放电信号中的窄带干扰,获取有用信号;其次,利用局部线性嵌入(LLE)算法提取降维信号中的局部放电特征参数;最后,将其作为输入特征向量构建基于粒子群优化的支持向量机分类函数(PSO-SVM),完成对高温炉变频电机局部放电类型的识别和监测,并以此为依据求出局部放电阈值预警参数和趋势预警缺陷水平,实现对高温炉变频电机局部放电的预警监测。实验结果表明,所提方法能够有效抑制局部放电窄带干扰,并在一定程度上提高了高温炉电机局部放电信号的识别精度和预警监测效率。

基于电声数据融合的变电站设备局部放电预警方法

变电站在线检测设备受到现场噪声和电磁干扰,存在较大误差,影响了变电站在线检测设备的预警效果。对此,文章提出电声数据融合的变电站设备局部放电预警方法。通过变电站设备在线监测,采集设备声纹并转换为电信号,获取变电站设备局部放电信息;基于电声数据融合,定位局部放电故障,建立电声数据融合模型,计算定位的融合误差;提取局部放电特征量,识别局部放电类型和位置;通过变电站设备局部放电发展状态,评估变电站设备的局部放电严重程度,发出预警信号。实验结果表明,文章设计的方法对局部放电故障的监测识别性能良好,在不同信噪比下定位误差控制在0.1 m以下,不同局部放电阶段的预警率均在95%以上,证明文章方法具有可行性。