变压器放电信号的变分模态分解和VPMCD识别方法的研究

发布时间：2020-11-05 06:35

　　 电力变压器价格昂贵,是整个电力系统中最为重要的设备之一,因此寻找有效方法对变压器的健康状况进行评估尤为重要。局部放电是变压器绝缘劣化的重要征兆和表现形式,为变压器内部早期故障评估提供了有效途径。另外,局部放电类型对检修人员估计变压器故障位置有重要作用。为了准确分析局部放电信号的特征和类型,本文主要从局部放电信号的时频分析、特征提取和模式识别三个方面进行了相关研究,研究成果如下:提出了基于变分模态分解(Variational Mode Decomposition,VMD)和Wigner-Ville分布(VMD-WVD)的局部放电信号时频分析方法。将由多分量组成的局部放电信号进行VMD分解,得到若干单一成分的模态分量,然后分别对各模态分量进行WVD分析,最后将各模态分量的WVD结果进行线性叠加得到局部放电信号的WVD分析结果。VMD-WVD时频分析方法有效抑制了 WVD中的交叉项,并且保证了较好的时频聚集性,能够细致地刻画信号在时频平面上所发生的变化过程,准确反映了信号的时频特性,适用于局部放电信号的时频分析。采用VMD-WVD方法分别对仿真及实验局部放电信号进行时频分析,得到的分析结果充分验证了该方法的有效性。提出了一种基于VMD和Hilbert变换(Hilbert-VMD)的局部放电信号分析方法,并将其用于局部放电信号特征提取。对局部放电信号进行VMD分解,得到若干固有模态分量,之后对得到的各模态分量分别进行Hilbert变换并将结果进行线性叠加得到被分析信号的Hilbert时频谱,计算各模态分量的边际谱,最后,根据各模态分量的边际谱提取局部放电信号频域内的特征量。采用该方法提取实验环境下局部放电信号的特征量并据此进行模式识别,实验结果表明,基于Hilbert-VMD的特征提取方法可以有效提取局部放电信号的频域特征,具有较高的正确识别率。提出了一种基于偏最小二乘回归的VPMCD方法(KPLS-VPMCD),并将其用于局部放电信号模式识别。该方法中引入核函数,用核偏最小二乘回归代替原始VPMCD方法中的普通最小二乘回归,因此该方法不依赖特定的数学模型,可以表征特征量之间更为复杂的非线性关系,并且可以有效处理特征量之间存在多重线性相关性和特征量维数大于样本个数的小样本训练问题。采用KPLS-VPMCD方法分别对UCI数据集和局部放电信号进行模式识别,并将得到的识别结果与原始VPMCD、BP神经网络和支持向量机(Support Vector Machine,SVM)方法得到的识别结果进行比较,充分说明了采用该方法进行模式识别的有效性。提出了一种基于样本加权FCM聚类的未知类别局部放电信号识别方法,实现对待识别局部放电信号中未知类别样本的识别。采用FCM聚类确定各已知类别局部放电信号样本的聚类中心,计算局部放电信号的样本权值,将各待识别局部放电信号权值与确定的阈值进行比较,判断其是否属于已知类别。该方法中,根据Otsu准则,即采用最大类间方差法自适应地选取样本权值阈值。实例分析验证了该方法的有效性,为未知类别局部放电信号的识别提供了一条有效的解决途径。
【学位单位】：华北电力大学(北京)
【学位级别】：博士
【学位年份】：2018
【中图分类】：TM855
【部分图文】：

２ｔｔ??为了分析局部放电信号功率谱的特性，选取某一电晕放电信号，计算该电??晕放电的功率谱，其谱图如图２－２所示。由图可知，该电晕放电的功率谱分散??性较强，造成这种现象的主要原因是因为局部放电信号往往具有较强的随机性。??８００??■?■?■?■?？?－??７００?？?－??６００?？?－??％?５００?■?■??＾?４００?？?－??，一ｉｌｌ?麵Ｉ??０?２０?４０?６０?８０?１００?１２０??频率／ｋＨｚ??图２－２某次电晕放电功率谱??Ｆｉｇ．２－２?Ｐｏｗｅｒ?ｓｐｅｃｔｒｕｍ?ｏｆ?ｃｏｒｏｎａ?ｄｉｓｃｈａｒｇｅ??实际测量得到的局部放电信号是非平稳信号，其组成成分较为复杂，往往??存在多种放电信号叠加的情况，并且还可能包含多种噪声千扰。每种类型的局??部放电信号的频域特性与其它类型的局部放电信号会有所区别。对被分析信号??采用ＶＭＤ算法进行处理的目标就是分解得到原信号中所包含的若千信号分量，??即模态分量，且分解得到的各模态分量均具有窄带特性。根据ＶＭＤ算法的特性，??１６??

?（２－２５）??局部放电信号的频率往往较高，为了模拟局部放电信号的特征，采样频率??为／ｓ＝ｌ?ＧＨｚ，两种仿真放电信号的参数如表２－１所示，波形分别如图２－３所示。??表２－１仿真局部放电信号模型参数??Ｔａｂｌｅ?２－１?Ｐａｒａｍｅｔｅｒｓ?ｏｆ?ｓｉｍｕｌａｔｉｏｎ?ｐａｒｔｉａｌ?ｄｉｓｃｈａｒｇｅ?ｓｉｇｎａｌ??仿真信号?Ｊ?ｆｃ／ＭＨｚ??７＾?２５０?１２０?０．３??Ｓｌ?３００?２０?０．３??４００１?－?■?■???—??ｐ?２００?Ｌ?ｈ分量??＾?０?＾???？－２００－?「??＿４〇〇ｌ?■?１?■?■?■?１?１?１?１???０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??１００ｉ￣￣－￣￣￣■￣￣￣￣■￣￣■￣??％?５０?Ｌ?幻分量??＾?０????ｉ?ａａＩ?１?１?１?１?１?１?１?＊?＊???０?０．１?０．２?０．３?０．４?０．５?０．６?０．７?０．８?０．９?１??时间／｜ｉｓ??图２－３仿真信号＆和５２波形??Ｆｉｇ．２－３?Ｓｉｍｕｌａｔｉｏｎ?ｓｉｇｎａｌ?ｏｆ?Ｓ＼?ａｎｄ?＾２??目前关于进行局部放电研究所使用的仿真信号大多为不同局部放电信号在??不同时刻发生［８２，８３］，而实际测量的局部放电信号往往会出现不同局部放电信号??在同一时刻发生，此类信号分析的难度要远远大于不同局部放电信号在不同时??刻发生的情况。为了更贴近实际局部放电信号

采用双阈值筛选法确定使用ＶＭＤ算法前需要预设的模态数值后，就可??以对被分析信号进行ＶＭＤ分解。加入噪声后局部放电信号经ＶＭＤ算法分解??得到的模态分量如图２－６所不。??１０Ｑ?■?１?■?１???＼ｍ?１??－１００?１?１?１?１???０?０．２?０．４?０．６?０．８?１??４０Ｑ?；?■??????＞?２０Ｃ－??｜?〇－；??ｉｇ?－２００?＇??－４００???Ｊ???＇???０?０．２?０．４?０．６?０．８?１??时间／（ＩＳ??图２－６加入噪声后局部放电信号经ＶＭＤ的分解结果??Ｆｉｇ．２－６?Ｔｈｅ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｒｅｓｕｌｔｓ?ｗｉｔｈ?ｎｏｉｓｅ?ｏｆ?ＶＭＤ??由图２－６可见，加入噪声后局部放电信号经ＶＭＤ算法分解得到两个模态??分量＾（〇和Ｗ２（〇，分解所得到的这两个模态分量Ｗｌ（〇和《２（〇分别与原信号分量??乃和力（图２－３所示）基本一致，即通过经ＶＭＤ算法分解得到的模态分量可??以分析出被分析信号中所包含分量信号的情况。同时，也说明所预设的分解模??态数尺值是合理的，充分验证了本章所提出的基于双阈值筛选法确定使用ＶＭＤ??算法预设分解模态数尺值的有效性
【参考文献】

相关期刊论文 前10条

1 李军浩;韩旭涛;刘泽辉;李彦明;;电气设备局部放电检测技术述评[J];高电压技术;2015年08期

2 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

3 褚鑫;张建文;韩刚;;统计特征参数及多分类SVM的局部放电类型识别[J];电测与仪表;2015年07期

4 袁娜;朱永利;梁涵卿;;结合矩形窗的EEMD局部放电信号去噪[J];电力系统及其自动化学报;2015年03期

5 唐贵基;王晓龙;;参数优化变分模态分解方法在滚动轴承早期故障诊断中的应用[J];西安交通大学学报;2015年05期

6 田生昌;;最小二乘法的统计学原理及在农业试验分析中的应用[J];数学的实践与认识;2015年04期

7 唐炬;樊雷;张晓星;刘欣;;用谐波小波包变换法提取GIS局部放电信号多尺度特征参数[J];电工技术学报;2015年03期

8 汪可;廖瑞金;王季宇;杨丽君;李剑;;局部放电UHF脉冲的时频特征提取与聚类分析[J];电工技术学报;2015年02期

9 王瑜;苑津莎;尚海昆;靳松;;组合核支持向量机在放电模式识别中的优化策略[J];电工技术学报;2015年02期

10 尚海昆;苑津莎;王瑜;张利伟;;多核多分类相关向量机在变压器局部放电模式识别中的应用[J];电工技术学报;2014年11期

本文编号：2871268