變壓器局部放電電磁信號(hào)的特征提取與識(shí)別.pdf

1、變壓器是電力系統(tǒng)的樞紐性設(shè)備，其可靠安全的運(yùn)行決定了電力系統(tǒng)的可靠性。絕緣老化是變壓器發(fā)生故障的主要原因，而局部放電是變壓器絕緣劣化的先兆及表現(xiàn)形式。所以對(duì)變壓器局部放電信號(hào)的研究有著重要意義。本文對(duì)變壓器局部放電電磁信號(hào)的去噪、特征提取和識(shí)別方法進(jìn)行了探索和研究。主要研究工作如下：
　　本文分析了變壓器常見的三種局部放信號(hào)：氣隙放電、沿面放電和電暈放電。制備了這三種人工絕緣缺陷模型，通過試驗(yàn)采集了這三種局部放電類型的電磁信號(hào)。因

2、為采集到的信號(hào)含有噪聲干擾，所以首先要去除噪聲。本文針對(duì)小波包閾值去噪算法中軟、硬閾值函數(shù)中的不足，對(duì)閾值函數(shù)進(jìn)行了改進(jìn)。通過對(duì)局部放電仿真信號(hào)的去噪分析與仿真驗(yàn)證，改進(jìn)后的小波包閾值函數(shù)算法的去噪效果較好。但小波包缺乏自適應(yīng)性，并且變壓器局部放電電磁信號(hào)與測(cè)量系統(tǒng)以及測(cè)量的環(huán)境有關(guān)，給小波包基函數(shù)的選取造成一些困難。因此，本文把自相關(guān)函數(shù)和間隔閾值相結(jié)合的經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)方法應(yīng)用于變壓器局部放電電磁信號(hào)的去噪。通過仿真放電信號(hào)和

3、實(shí)際信號(hào)分析，該方法的去噪效果得到進(jìn)一步提高。
　　對(duì)去噪后的變壓局部放電電磁信號(hào)進(jìn)行EMD分解，得到若干個(gè)本征模態(tài)分量，通過相關(guān)系數(shù)法，選取含有主要信息的本征模態(tài)分量。提取了本征模態(tài)分量的兩種特征參數(shù)：分形維數(shù)和奇異值。
　　分形維數(shù)和奇異值作為分類特征量，采用BP神經(jīng)網(wǎng)絡(luò)對(duì)變壓器局部放電類型進(jìn)行識(shí)別。識(shí)別結(jié)果表明，兩種特征量都可以識(shí)別放電信號(hào)，奇異值的識(shí)別率要高于分形維數(shù)。
　　除此之外，本文還采用最小二乘支持向量

4、機(jī)(LSSVM)對(duì)局部放電進(jìn)行識(shí)別。利用網(wǎng)格搜索法先進(jìn)行粗略搜索，再精細(xì)搜索參數(shù)，進(jìn)行參數(shù)尋優(yōu)，利用10-折交叉驗(yàn)證法確定最優(yōu)模型。采用M-ary方法進(jìn)行多分類。并采用標(biāo)準(zhǔn)支持向量機(jī)(SVM)和LSSVM兩種分類器對(duì)局部放電電磁信號(hào)進(jìn)行分類，識(shí)別結(jié)果表明，兩種特征量的識(shí)別率都較高，而且它們的LSSVM識(shí)別率比SVM要高，并且訓(xùn)練速度更快。并對(duì)比了LSSVM和BP神經(jīng)網(wǎng)絡(luò)算法，兩種識(shí)別方法中，奇異值作為特征量的識(shí)別率都比分形維數(shù)高，LSS