基于超声波局部放电信号的开关柜绝缘缺陷类型识别

局部放电(简称局放)测试是开关柜绝缘缺陷检测的有效手段之一。通过运用超声波局放信号的特征提取方法实现对绝缘缺陷类型的高效识别。首先运用自适应(LMS)-小波软阈值法对信号作滤噪处理,然后提取时域特征、小波包变换系数能量熵以及小波包分解系数特征,并采用最大相关最小冗余原则选取特征,由选取特征建立基于概率神经网络(PNN)的训练样本,最后导入测试样本确认识别准确度。测试结果表明:通过本方法可以高效地识别绝缘缺陷类型,其识别准确率达90%以上,对基于超声波局放信号的绝缘缺陷类型识别有一定参考价值。

变压器局部放电传播特性及监测点位的优化研究

局部放电超声波信号在电力变压器设备外壳上衰减严重,导致不同位置传感器接收的局部放电信号存在巨大差异,极大地影响了其在现场应用时的测量精度和检测效率。为此,本文采用有限元仿真软件建立油浸式电力变压器分区模型,得到局部放电超声波信号在油箱主面的分区规律,并形成变压器空间声压和分区声压的分布图谱。基于Pearson相关系数与K-means聚类的监测点位优化方法,优选出空间声压与分区声压敏感度最佳的监测点位,并进行对比测试。结果表明:A等级监测点的平均检测效率为86.0%,实现了变压器局部放电的高效检测,为超声波传感器布置点位的选择提供了新方法。

基于核主成分分析和概率神经网络的开关柜局部放电信号模式识别

该文建立开关柜的3种超声波局部放电(局放)模型,运用自适应LMS-小波软阈值法对超声波局部放电信号进行滤噪处理,提取信号时域波形特征、小波包变换系数特征,利用核主成分分析(KPCA)对提取的特征向量降维,最后采用概率神经网络(PNN)实现绝缘缺陷类型识别。结果表明,该文的方法可以准确地实现开关柜超声波局放类型识别,经KPCA降维后的识别效率有明显提升,该方法对基于超声波局部放电信号的开关柜绝缘检测有一定参考价值。