SF_6气体分解组分红外光谱信号的去噪与背景扣除

SF6气体分解组分谱图中的噪声和背景是影响红外光谱定量分析的关键。为此,根据SF6气体分解组分谱图背景信号处于低频带的特点,提出了一种基于小波多分辨分析的SF6气体分解组分红外光谱信号背景扣除算法,首先对原始谱图进行小波去噪,然后利用小波多分辨分析进行背景预扣除,并基于高斯函数一阶导数的特性进行峰形修正,最后得到扣除背景后的红外光谱信号。针对含曲线及斜坡背景的SF6放电分解组分SO2F2模拟红外谱图和SO2真实红外谱图的处理结果显示,该方法能够有效解决红外光谱分析SF6分解组分时的噪声和背景干扰问题,有利于提高定量分析的精度。

导电微粒局部放电下SF_6分解组分色谱信号的曲线拟合分峰

在采用气相色谱法对SF6分解产物组分进行分析时,由于其分解产物组分的色谱峰存在重叠情况,造成定量计算的困难。本文采用高斯函数和迭代曲线拟合的数值方法进行色谱峰分离,推导了曲线拟合迭代的公式,采取了由宽逐严的峰位确定方法,然后利用迭代公式对峰宽和峰强进行计算,确定最终的各峰峰强和峰宽,从而分离出重叠信号。通过对近完全重叠与部分重叠两种重叠情况的模拟、导电微粒(含金属突出物和自由导电微粒)模拟缺陷局部放电下的分析计算验证了算法的有效性,并可用于SF6分解产物与故障缺陷间相对含量对应关系定量分析的研究。

基于短期SF_6气体分解产物数据的绝缘故障诊断研究

维护电力系统中气体绝缘封闭组合开关设备的稳定运行,通过SF_6气体分解组分对设备绝缘状态进行早期的故障诊断是其中关键步骤。为了提升短期SF_6数据存在识别率不高技术难点,首先提出基于信息熵理论和主成分分析法的综合评价方法。然后建立数据变量特征评价模型,对于气体特征量选取有指导意义。其次通过搭建局部放电实验平台对SF_6气体进行分解实验,得到的短期数据进行方法验证。最后,使用原数据与通过验证后新特征变量数据进行多分类SVM分类比对,结果表明,满足评价模型数据可以提高其识别正确率。