Study on the Detection Methods of DC Series Arc Fault

It is difficult to detect and extinguish direct current(DC)arc in power electronics systems,and the arc could easily lead to a fire and cause great damage to surrounding equipment.A DC arc generation simulation unit is established,in which DC series arcs are generated by dragging the moving electrode away from the fixed one with the help of the stepper motor.In addition,a ferrite rod antenna is used to receive the electromagnetic radiation signals induced by the arcs.Based on experiments using the unit,the general characteristics of DC arc,including the pulse characteristics of arc current and source output in corresponding time window,and the frequency-domain characteristics of arc current,are studied.With discussion on three detection methods,it is concluded that the variation of current and voltage of arc,the spectrum of the arc current during the discontinuous intervals and the radiating electromagnetic signal are all features that can be adopted for detecting DC series arc.Therefore,a synthetic judgment method is suggested for further study.

振动信号模型和散度在诊断滚动轴承故障中的应用

在分析旋转机械滚动轴承振动信号特点的基础上,首先建立轴承振动信号理论模型,并对其进行实验验证,然后计算待诊断样本和各种典型状态下振动信号模型之间的散度值,通过散度值的大小对比可知轴承故障部位和故障程度变化,最后通过对试验台数据和风电场实验样机数据的分析验证了此方法的有效性和实用价值,该诊断方法采用具有一定稳定性的轴承各部位故障特征频率为特征参数,且不需要对原始振动信号进行处理,也不需要大量具有典型故障的信号样本作为基础支撑,这三个特点决定了此诊断方法在实时性和鲁棒性方面的优越性,因此非常适合用于旋转机械滚动轴承的在线监测和自动故障诊断。

基于复频率信号注入的直流接地极线路故障测距方法

在直流输电系统接地极线路配备阻抗监视系统的背景下,可利用高频测量阻抗特性实现故障距离的精确计算。然而,分析发现直流系统接地极线路在不同故障条件下可能产生相同的高频测量阻抗,这意味着测量阻抗与故障距离间不是一一映射关系,由单一测量阻抗难以得到准确的故障距离。文中分析了高频测量阻抗的重合特性随注入信号变化的特征,提出了基于复频率信号注入的故障测距方法,并给出了复频率的选定策略。该方法改进了基于高频测量阻抗幅相特性的接地极线路故障测距方法,实现了故障位置的准确计算。最后,通过仿真算例充分验证了所提测距方法的可行性和精确性。

3D封装玻璃通孔高频特性分析与优化

建立了3D封装玻璃通孔(TGV)电磁仿真分析模型,对TGV高频信号特性进行了分析,得到了回波损耗S11仿真结果,并研究了信号频率、通孔类型、通孔最大直径、通孔高度、通孔最小直径对S11的影响。选取TGV关键结构通孔最大直径、通孔高度、通孔最小直径尺寸为设计参数,以TGV在信号频率10 GHz下的S11作为目标值,采用响应曲面法,设计17组试验进行仿真,并拟合了TGV S11与其关键结构参数的关系模型。结合遗传算法对拟合模型进行优化,得到TGV S11最优的组合参数:通孔最大直径65μm、通孔高度360μm、通孔最小直径尺寸44μm。对最优组合参数进行验证,发现最优参数组合仿真结果较基本模型S11减小了1.593 5 dB,实现了TGV的结构优化。

基于改进层次斜率熵(IHSloE)的信号低频和高频故障特征提取方法

采用传统的基于粗粒化处理的多尺度特征提取方法,无法提取故障信号中的高频部分的故障信息,导致其提取到的故障特征难以准确地表征滚动轴承的故障状态和动态特性,无法保证故障诊断的可靠性和准确性。针对该缺陷,提出了一种基于改进层次斜率熵(IHSloE)和随机森林(RF)的滚动轴承故障诊断方法。首先,利用改进层次化处理代替粗粒化处理,实现了信号的多尺度分析目的,基于斜率熵,提出了改进层次斜率熵的非线性动力学指标;随后,利用IHSloE方法提取了滚动轴承振动信号的故障特征,建立了表征滚动轴承故障特性的故障特征;最后,基于RF模型建立了多故障分类器,并将故障特征输入至RF分类器进行了训练和测试,以实现滚动轴承的故障识别目的;利用滚动轴承数据集进行了实验,并将其与其他的故障特征提取指标进行了对比。研究结果表明:IHSloE方法采用改进的层次化处理,能够快速有效地提取出振动信号中的高频故障特征,诊断准确率达到了99%,而特征提取时间仅为149.35 s;相较于采用粗粒化处理和层次处理的特征提取方法,其准确率至少提高了2%和1%,证明该方法适用于滚动轴承的故障诊断。

基于高频电流信号的电机故障特征提取方法

目前异步电机故障诊断主要依赖于振动、温度和噪声等参数,对于监测的电气信号,主要用于分析电机输出动力情况。电气信号中除了体现电机动力输出特征外,还包含丰富的机械故障、电气故障等信息特征。由于电气信号中的故障特征信号微弱,易被基频分量与噪声湮没而难以突出故障特征,不利于电机状态监测与故障诊断,因此提出了一种基于高频电流信号解调的电机故障特征提取方法,针对采样率不低于25.6 kHz的电机定子高频电流信号,综合运用高通滤波、Hilbert变换、快速傅里叶变换(FFT)3种分析方法,提取高频电流中电机故障的微弱特征信号,应用神经网络算法对电机正常、静态偏心、动态偏心、转子断条、轴承内圈、轴承外圈6种状态进行了诊断。该方法准确提取了电流信号故障特征,并成功识别了6种故障。

基于MFCC-IMFCC混合倒谱的托辊轴承故障诊断

针对梅尔倒谱系数(MFCC)对托辊轴承高频特征提取能力不足的问题,提出了一种基于梅尔倒谱系数和翻转梅尔倒谱系数(MFCC-IMFCC)的混合倒谱以及长短时记忆(LSTM)网络的托辊轴承故障诊断方法。首先,分析了三种状态下的托辊声音信号,明确了托辊轴承故障信息主要分布在中高频区域;然后,为有效保留高频信息,提取了MFCC-IMFCC,以帧级串联的方式组成了混合倒谱特征;最后,将混合倒谱特征输入到双层LSTM模型中进行了训练,建立了托辊轴承故障诊断模型。研究结果表明:针对托辊正常、滚动体故障和偏心旋转故障三种状态,LSTM结合混合倒谱特征的平均识别准确率达到96.72%,相比于单一的MFCC和IMFCC特征,准确率分别提升3.94%和7.41%,凸显了混合倒谱特征在表征托辊轴承故障信息方面的显著优势。

基于改进小波分析的电弧故障高频信号识别

电力故障监测范围较广,电弧故障高频信号识别准确率不高,因此引入改进小波分析技术,设计电弧故障高频信号识别方法。按照故障类型将电弧故障分为串行电弧、并行电弧、接地电弧。检验电弧高频信号的正则性,确定平方函数的连续小波变换结果,通过离散化处理分析故障特征。根据特征提取结果利用小波模极大值理论完成信号降噪处理,采用分级保留识别故障波形,通过电路信号分析实现故障高频信号识别。实验结果表明,该方法对时刻突变点故障识别准确率高达99.99%,对连续间断点故障识别准确率高达99.2%,故障信号识别效果好。

基于差值信噪比法的船载地波雷达一阶谱识别

本文提出了适用于船载地波雷达展宽一阶谱识别的差值信噪比方法。通过结合仿真分析和实测试验数据,开展了船载地波雷达展宽一阶谱的频移和展宽特性分析,确定了一阶谱的最大展宽范围与平台运动速度之间的定量关系。通过分析一维多普勒频点间的差值数量关系,确定了边界预筛选准则。利用展宽一阶谱的区域连续特性,实现展宽一阶谱边界最终识别。采用船载地波雷达仿真和实测数据对所提方法的有效性进行了验证,所提方法相对于传统方法取得了较好的识别效果。

基于暂态时-频特征差异的配电网高阻接地故障识别方法

高阻接地故障发生时,故障特征微弱,传统故障识别方法存在特征提取困难、阈值选取灵活性较差的技术瓶颈,导致极端故障场景下出现漏判。为此,提出基于暂态时-频特征差异的配电网高阻接地故障识别方法。首先,结合小波包香农熵量化分析高阻接地故障与正常扰动工况暂态信号的时频分布,发现二者存在显著差异:频域上,扰动工况信号的能量集中于低频,而高阻故障信号能量分布相对均匀;时域上,扰动工况信号能量集中于时间窗的前半段,高阻故障信号能量在整个时间窗内均匀分布。在此基础上,以暂态信号时-频域波形作为输入样本,将传统卷积神经网络(convolutional neural networks,CNN)模型中的softmax分类器改进为支持向量机(support vector machine,SVM)分类器,构建适应配电网高阻接地故障识别小样本场景下的CNN-SVM复合分类模型,以卷积层作为特征提取器,以SVM作为分类器,实现高阻接地故障识别。最后,为论证所提方法具有强适应性的内在原因,利用LIME可解释性分析算法可视化展现模型训练过程中的高关注度区域,从模型分类原理层面证明所提方法不受各种故障条件的影响,克服了传统故障识别方法在极端故障场景下出现漏判的缺陷,能准确识别配电线路末端10 kΩ高阻接地故障。

GIS中典型缺陷引起的局部放电的固有特征研究

局部放电(PD)监测对GIS设备的维护起着重要作用,特高频(UHF)检测方法因其高灵敏度和抗干扰能力强而引起了许多研究者的极大兴趣。研究了GIS设备中四种典型缺陷的固有特征,如频谱特征和相位分布,探讨了四种典型缺陷模型的固有特征。研究结果显示了局部放电的基本特征有助于提高特高频检测方法的灵敏度和抗干扰能力。

新疆地区定点形变秒采样仪器信号时频特征

分析新疆地区4类宽频带仪器秒采样数据在平静期的背景噪声,讨论各类仪器在地震波和风扰事件下记录信号的时频特征。结果显示,RZB-2型钻孔应变仪噪声水平最优,VP型垂直摆对高频信号(地脉动频段)的响应能力最优。仪器能否记录到更多地球物理信号或高频信息不仅与自身的噪声水平相关,更与其对该频段信号的响应能力有关。

风电接入海上换流站的交流汇集出线高速保护

风电接入海上换流站的交流汇集出线双端均是电力电子电源,短路电流均呈现幅值受限和相角受控的特征,导致差动保护动作性能下降,存在拒动的风险。针对上述问题,分析了柔直换流站和风机变流器在故障暂态期间的故障特性,证实了区内故障线路两侧短路电流频谱特征存在很大的差异,基于此,利用时频能量系数衡量线路两侧短路电流的时频特性差异,提出适用于风电接入海上换流站交流汇集出线的高速保护原理。该时频能量系数综合幅值、频率和相角差异,具有较强的耐受过渡电阻和系统噪声的能力。所提保护衡量故障暂态的故障特性差异,理论上可以在5 ms内快速可靠识别区内外故障,硬件在环实验结果验证了所提保护的有效性。

基于高频阻抗谱的干式空心电抗器匝间短路故障诊断方法

提出了一种利用宽频阻抗谱对干式空心电抗器匝间短路故障进行有效检测的方法。首先,依据多导体传输线理论构建高频下完好电抗器的等值分布电路模型,并且根据分布等值电路参数计算公式构建其等值仿真模型,分析电抗器宽频阻抗谱的高频特性;其次,对发生匝间短路故障电抗器的宽频阻抗的幅度谱和相位谱进行仿真,分析电感参数变化对电抗器阻抗谱谐振频率的影响规律;最后,在实验室中对小型干式空心电抗器进行试验测试,验证了该方法的有效性。

基于稀疏自适应S变换的特种设备故障振动信号检测研究

鉴于特种设备的特殊性,其故障的检测尤为重要,而检测特种设备振动信号是发现故障的一种重要手段,基于此种原因,本文提出基于稀疏自适应S变换特种设备故障振动信号检测方法。从特种设备的振动信号时频特征出发,通过稀疏自适应S变换提取特种设备振动信号时频特征图;构建深度卷积神经网络模型,将经过稀疏自适应S变换提取的时频特征图作为网络模型输入样本,经深度学习后,完成特种设备故障振动信号检测,获取设备故障诊断结果。实验结果表明:该方法提取到振动信号特征较好,可清晰表达故障频率,特征表达能力强;可明确检测出特种设备故障发生时间以及故障原因,且检测准确率高。

基于高频地质雷达法隧道典型缺陷特征信号分析及应用

高频地质雷达检测具有操作方便、快速便捷、高效实用及无损等诸多优点,目前在公路隧道病害检测中发挥着非常重要的作用。本文从地质雷达基本组成、基本原理及数据处理流程出发,结合具体工程实际对公路隧道典型缺陷病害雷达特征信号和图像进行分析解译。最后,总结出几条针对公路隧道典型缺陷病害的特征信号分析方法,方法不仅能提高高频地质雷达检测数据的可读性、准确性及关联性,而且在地下管道探测、铁路、地下空洞及路基病害检测中也具有重要的参考价值。

VHF频段调频广播信号传播特性的测量分析与优化策略

调频广播主要在甚高频(Very High Frequency,VHF)频段传输。VHF频段具有传播距离远、穿透力强、信号稳定等优势,但易受多种因素影响。基于此,首先介绍VHF频段的基本特点和调频广播信号的技术参数,其次介绍VHF频段调频广播信号传播的测量过程,最后从天线的设计和布置、调制、编码技术的应用等方面,提出改善VHF频段调频广播覆盖效果的策略。

基于神经网络的10kV配网高压断路器机械故障诊断方法

由于高压断路器故障特征量为多源异构数据,单一故障特征无法准确表征设备的故障特性,导致故障诊断精度较低。为此,提出基于神经网络的10kV配网高压断路器机械故障诊断方法。通过采集设备的振动信号,对其进行分段和离散余弦变换处理,获得信号频带能量熵,结合幅频梯度选取机械故障特征量,结合傅里叶变换方法确定故障特征量的优先级,并构造故障特征空间,进而将单一故障特征进行融合。以此为依据,计算测试样本相对于某一类故障类别的匹配度,从而判定样本的所属故障类型。实验结果表明,所提方法得到的设备机械故障类别与实际故障类型完全一致,故障诊断精度较高。

基于联合指标的滚动轴承振动信号重构及故障诊断

为了提高滚动轴承特征提取的有效性和故障识别的准确性,提出了一种基于联合指标的信号重构及基于CWT-2DCNN的故障诊断方法。首先,根据峭度和互相关系数构建出联合指标对通过集成经验模态分解(ensemble empirical mode decomposition,EEMD)得到的本征模态函数(intrinsic mode fuction,IMF)分量进行筛选与重构;其次,运用连续小波变换(continue wavelet transform,CWT)变换对重构信号进行时频域特征提取;最后,以时频特征图作为输入,构建基于卷积神经网络(convolutional neural network,CNN)的故障识别模型,从而实现滚动轴承故障的智能诊断。实验结果表明,提出的信号重构及故障诊断方法故障诊断正确率达到了99.48%,且在强噪声下仍具有较高的正确识别率,说明其具有较强的泛化能力。

昆柳龙特高压三端混合直流输电线路边界频率特性研究

为研究电网换相换流器和模块化多电平换流器并联型特高压三端混合直流线路行波边界保护,有必要研究电网换相换流器和模块化多电平换流器并联型特高压三端混合直流线路边界频率特性。特高压三端混合直流输电线路边界不对称,分析了昆北侧边界、柳北侧边界、昆柳段线路末端边界、柳龙段线路首端边界、龙门侧边界的拓扑结构。建立特高压多端混合直流输电线路边界频域模型,分析线路边界的频率特性,研究高频和中低频暂态信号在输电线路边界作用下的衰减特性。研究结果表明:昆北、柳北、龙门侧边界,对高频暂态信号呈高阻特性,有较强的衰减作用;昆柳段线路末端边界和柳龙段线路首端边界,对中低频暂态信号具有一定衰减作用,对高频暂态信号衰减较弱。