CN102854445A - 一种局部放电脉冲电流的波形特征提取方法 - Google Patents

一种局部放电脉冲电流的波形特征提取方法 Download PDF

Info

Publication number
CN102854445A
CN102854445A CN2012103964599A CN201210396459A CN102854445A CN 102854445 A CN102854445 A CN 102854445A CN 2012103964599 A CN2012103964599 A CN 2012103964599A CN 201210396459 A CN201210396459 A CN 201210396459A CN 102854445 A CN102854445 A CN 102854445A
Authority
CN
China
Prior art keywords
pulse
waveform
discharge
local
pulse waveform
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012103964599A
Other languages
English (en)
Other versions
CN102854445B (zh
Inventor
李莉
俞国勤
朱永利
邵宇鹰
宋亚奇
李坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Shanghai Municipal Electric Power Co
North China Electric Power University
Original Assignee
State Grid Corp of China SGCC
Shanghai Municipal Electric Power Co
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Shanghai Municipal Electric Power Co, North China Electric Power University filed Critical State Grid Corp of China SGCC
Priority to CN201210396459.9A priority Critical patent/CN102854445B/zh
Publication of CN102854445A publication Critical patent/CN102854445A/zh
Application granted granted Critical
Publication of CN102854445B publication Critical patent/CN102854445B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Relating To Insulation (AREA)

Abstract

本发明涉及一种局部放电脉冲电流的波形特征提取方法，包含以下步骤：采集变压器局部放电信号数据；对该局放信号进行脉冲波形信号的自动提取；对所提取的单个放电脉冲波形的各个微观特征参数进行计算；对局放脉冲波形微观特征参数进行特征空间降维。本发明能有效的在连续采样波形信号中提取其微观特征；克服了目前数字式局放仪大多仅利用局放数据的宏观特征进行统计分析处理，不能完全充分利用获得的局放数据的不足；能够从采集数据中自适应的提取各种放电类型的单个放电脉冲波形，并通过改进的流形学习算法对波形微观特征进行有效降维，提取低维且有效的放电脉冲波形特征。

Description

一种局部放电脉冲电流的波形特征提取方法
技术领域
本发明涉及一种局部放电脉冲电流波形特征提取方法，适用于基于高速采样的数字式局放仪；属于变压器局部放电检测与模式识别技术领域。
背景技术
电力变压器是电力系统中最重要及最昂贵的设备之一，其安全运行的意义重大。在现场运行中，局部放电是导致电力变压器绝缘劣化的重要原因之一，特别是随着电力设备容量、电压等级不断增大的情况下，这个问题更为严重。局部放电的检测和模式识别是目前电力变压器绝缘状态检测的重要手段。
局部放电检测是以发生局部放电时产生的电、光等现象为依据，通过能表述该现象的物理量来表征局部放电的状态。因此相应的出现了多种局部放电（局放）检测的方法，其中脉冲电流法是目前国际上唯一有标准的局放检测方法，所得到的数据具有可比性，目前是不可代替的。当前所研制的交流局部放电检测装置与识别系统中，当利用脉冲电流进行特征提取时，大都采用局放信号的宏观特征作为模式识别的判断依据。即基于单种放电模型构造样本数据，再将数据转换为各种基于相位窗的放电图谱，主要有最大放电量相位分布                                               
Figure 2012103964599100002DEST_PATH_IMAGE002
、平均放电量相位分布、放电次数相位分布
Figure 2012103964599100002DEST_PATH_IMAGE006
及三维放电谱图
Figure 2012103964599100002DEST_PATH_IMAGE008
q-n等；然后对各放电图谱利用6~8个统计算子计算出37个左右的放电指纹并存储在系统的数据库中。在使用局放仪在现场对变压器进行测试时，现有的数字式局放仪对测得的局放数据按照上述流程进行处理，取得放电指纹后与数据库中的放电模式进行对比，从而判断局放的放电模式。这些放电指纹均来自于局放波形信号的整体宏观特征，缺失了波形信号诸多的微观特性，没有完全充分利用所获得的局放信号数据，因此现有数字式局放仪大都只能对放电类型进行大致的分类识别，模式识别结果不够精确。
在微观特征较少被业界采用的原因除了受通道带宽和采样率等硬件条件限制外，还有一个主要原因是目前缺乏在连续的采样信号中快速有效地提取放电脉冲信号微观特征的方法。另外，微观特征参数数量较多且零散，将其直接作为局放特征量进行模式识别的效果不太理想。目前，随着硬件条件（通道带宽和采样频率）的提高，已经基本具备了对脉冲信号微观特征分析的可能性，急需一种快速有效地提取放电脉冲信号微观特征的方法。
发明内容
本发明的目的在于提供一种局部放电脉冲电流的波形特征提取方法，能有效的在连续采样波形信号中提取其微观特征；克服了目前数字式局放仪大多仅利用局放数据的宏观特征进行统计分析处理，不能完全充分利用获得的局放数据的不足；能够从采集数据中自适应的提取各种放电类型的单个放电脉冲波形，并通过改进的流形学习算法对波形微观特征进行有效降维，提取低维且有效的放电脉冲波形特征。
为了达到上述目的，本发明提供一种局部放电脉冲电流的波形特征提取方法，具体包含以下步骤：
步骤1：随机选择若干个电压等级，在每个电压等级下采集若干个工频周期的变压器局部放电信号数据；
步骤2：对上述步骤1中采集获得的变压器局放信号进行脉冲波形信号的自动提取；
步骤3：对在步骤2中自动提取得到的单个放电脉冲波形的各个微观特征参数进行计算；
步骤4：对在步骤3中获得的局放脉冲波形微观特征参数进行特征空间降维。
所述步骤2中，具体包含以下步骤：
步骤21：步骤1中采集获得的局部放电信号为离散时间序列，对其进行全局搜索，确定局部极大值点和局部极小值点在原离散时间序列中的位置，分别形成局部极大值的一维数组IndMax和局部极小值的一维数组IndMin；
步骤22：根据预先确定的幅度阈值Th1，对步骤21中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行过滤，剔除两组数组中低于幅度阈值Th1的离散点，过滤后的局部极大值的一维数组仍然记为IndMax，局部极小值的一维数组仍然记为IndMin；
步骤23：将步骤22中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行合并，对两组数组中的各极值点进行升序排序，合并后形成一维数组IndexM；
步骤24：对步骤23中所得到的一维数组IndexM，计算相邻极值点的位置差，得到一维数组DiffIndexM：
Figure 2012103964599100002DEST_PATH_IMAGE010
；
其中，v表示一维数组IndexM中共包含v个极值点；
步骤25：根据预先确定的距离阈值Th2，逐个判断步骤24中所得到的相邻极值点的位置差DiffIndexM中的各个数组值，对于大于距离阈值Th2的数组值视为一次放电，据此累计计算放电次数PDSums，同时记录各次放电脉冲最大值点幅值PDMaxs和此最大值点位置PDIndexs；其中PDSums为整型，PDMaxs和PDIndexs均为一维数组，大小为PDsums；
步骤26：计算每次放电脉冲的起始位置和结束位置；根据步骤25中的放电位置PDIndexs，结合原信号放电脉冲前后离散点的平稳、振荡小、幅值低等特点分别向放电位置前后搜索起始位置和结束位置，分别记为一维数组PDStarts和PDEnds，大小为PDsums；
步骤27：由步骤26所得波形起始位置PDStarts和结束位置PDEnds，结合步骤1的原始波形信号即可获得各次放电脉冲波形的离散序列值。
所述步骤3中，单个放电脉冲波形的各个微观特征参数包含：
脉冲极性：根据放电相位分为正脉冲和负脉冲；
峰值：最大放电电流，即脉冲波形的最大幅值
Figure 2012103964599100002DEST_PATH_IMAGE012
；
脉冲上升时间：脉冲第1个波形的峰值从10%上升到90%的时间；
脉冲下降时间：脉冲第1个波形的峰值从90%下降到10%的时间；
脉冲宽度：脉冲波形峰值50%处的两点之间的时间间隔；
脉冲持续时间：从脉冲波形上升时间开始到基本没有振荡为止的时间；
10%幅值脉冲持续时间：脉冲波形峰值10%处的两点之间的时间间隔；
脉冲包络类型：计算脉冲波形包络，分别与单指数衰减波形、单指数振荡衰减波形、双指数衰减波形、双指数振荡衰减波形进行匹配，从而确定脉冲包络类型；
放电信号能量分布：对脉冲波形利用FFT进行频谱分析；
脉冲衰减时间：从脉冲峰值的90%下降到峰值10%的时间；
多个脉冲突发持续时间：一次放电波形中多个波峰持续时间；
脉冲均值：平均放电电流，即
Figure 2012103964599100002DEST_PATH_IMAGE014
,
Figure 2012103964599100002DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲绝对均值：放电电流绝对值的均值，即，
Figure 637489DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲均方根值：放电电流有效值，即，
Figure 559178DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲方差：
Figure DEST_PATH_IMAGE022
，
Figure 230331DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲峰值因数：
Figure DEST_PATH_IMAGE024
；
脉冲波形因数：
Figure DEST_PATH_IMAGE026
。
所述步骤4中，具体包含以下步骤：
步骤41：基于改进的k邻接算法构造特征邻域图；
步骤42：计算脉冲波形最短距离矩阵。对步骤41获得的有效邻接图
Figure DEST_PATH_IMAGE028
，调用图的最短路径算法来估计任意点对之间的最短路径距离，并以此作为点对在流形上的测地线距离的估计，从而得到样本最短距离矩阵
Figure DEST_PATH_IMAGE030
；
步骤43：基于有监督的线性降维方法的数据降维与特征提取。
所述步骤41中，具体包含以下步骤：
步骤411：假设步骤2中获得的放电脉冲波形为n个，即样本总数为n，则得到数据矩阵
Figure DEST_PATH_IMAGE032
，其中列向量
Figure DEST_PATH_IMAGE034
，为由步骤3提取的单个放电脉冲波形微观参数构成的17维向量。由数据矩阵计算其欧式距离矩阵
Figure DEST_PATH_IMAGE040
，确定经典邻接图
Figure DEST_PATH_IMAGE042
；
步骤412：对邻接图G中的边进行短路边筛选；通过构建向量
Figure DEST_PATH_IMAGE044
-区域来鉴别短路边；假设对于任意的两个点
Figure 26992DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE046
，以向量
Figure DEST_PATH_IMAGE048
为轴，以
Figure 162307DEST_PATH_IMAGE044
为半径构成的圆柱形区域定义为向量
Figure 192580DEST_PATH_IMAGE048
的-区域；对于点
Figure DEST_PATH_IMAGE050
，其已知邻居节点计为
Figure DEST_PATH_IMAGE052
，分别计算的
Figure 984004DEST_PATH_IMAGE044
-区域，如果某个向量
Figure DEST_PATH_IMAGE056
的
Figure 177088DEST_PATH_IMAGE044
-区域包括的样本点数量少于给定阀值
Figure DEST_PATH_IMAGE058
，则认为向量为短路边，于是从
Figure 86324DEST_PATH_IMAGE050
的邻接图中去除
Figure DEST_PATH_IMAGE060
；
步骤413：对每个高维局部重复步骤412，即可得到更接近真实高维局部几何特征的邻接图
Figure 398357DEST_PATH_IMAGE028
。
所述步骤43中，具体包含以下步骤：
步骤431：假设步骤1获得的原始局部放电类型分为C类
Figure DEST_PATH_IMAGE062
，属于
Figure DEST_PATH_IMAGE064
维空间，
Figure 508264DEST_PATH_IMAGE064
为微观特征参数的个数；假设步骤2获得的脉冲波形样本总数为
Figure DEST_PATH_IMAGE066
；对每种局放脉冲波形类型，应用步骤41和步骤42，得到各自的样本最短距离矩阵
Figure DEST_PATH_IMAGE070
；
步骤432：计算步骤431所得各样本矩阵
Figure 67290DEST_PATH_IMAGE070
的参数；各类样本均值向量
Figure DEST_PATH_IMAGE072
、各样本类内离散矩阵
Figure DEST_PATH_IMAGE074
；以及计算总体样本矩阵参数，包括：总体样本均值向量
Figure 262648DEST_PATH_IMAGE016
、总类内离散度矩阵
Figure DEST_PATH_IMAGE076
、各样本类间离散度矩阵
Figure DEST_PATH_IMAGE078
；
步骤433：为步骤431所得每一类
Figure DEST_PATH_IMAGE080
寻找一个投影方向，使得各投影间的距离最大，即使得下式最大化：
；
步骤434：对步骤431所得每一类
Figure 627640DEST_PATH_IMAGE080
进行步骤433获得的方向进行投影，得到低维投影
Figure DEST_PATH_IMAGE088
作为降维后的脉冲波形的特征值。
本发明所提供的局部放电脉冲电流的波形特征提取方法，能针对各种局部放电类型，在连续的采样数据中，自动识别短暂的放电脉冲信号，计算其波形微观参数；考虑波形信号的连续性特征，采用改进的ISOMAP流形学习算法对高维的特征数据进行有效地降维处理，不仅能提高模式识别的计算速度，还能取得理想的分类效果。
附图说明
图1本发明所提供的局部放电脉冲电流的波形特征提取方法的流程图；
图2是本发明步骤2所述的局放脉冲波形信号自动提取方法的流程图；
图3是本发明步骤4所述的改进ISOMAP非线性降维方法的流程图；
图4是本发明步骤41所述的基于改进的k邻接算法构造邻域图的流程图；
图5是本发明步骤43所述的基于LDA的数据降维与特征提取的流程图。
具体实施方式
以下根据图1～图5，具体说明本发明的较佳实施例。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
目前数字式局放仪的信号采集部分的信道带宽和采样率不断提高，进行局放脉冲信号的波形微观特征分析已具备了基本条件，提取放电脉冲信号微观特征的方法，要求能快速自动识别短暂放电脉冲波形，计算出微观特征参数，并对特征空间进行有效的降维处理，有利于后期局放信号的模式识别。非线性降维方法ISOMAP算法可以得到全局最优解，不存在算法收敛问题，且实现较为简单，已经在人脸识别、语音识别等多领域实现有效益应用。但是用于局放微观特征降维时，实验发现，经典ISOMAP算法流形学习采用测地距离衡量样本间的有效距离，即相关性，在用于局放微观特征时效果不明显，不同类型的局放降维数据不能有效区分。本发明提出利用经典ISOMAP算法得到的邻接矩阵，构建向量ε-区域来鉴别“短路边”，能有效去除“短路边”，得到更接近真实高维局部几何特征的邻接图，从而使得算法更具拓扑稳定性；在降维阶段，为了获得最好的分类效果，采用有监督的线性降维方法LDA替代线性降维方法MDS，能够在投影面上最大限度的区分不同类型的放电。
如图1所示，本发明所提供的局部放电脉冲电流波形特征提取方法，具体包含以下步骤。
步骤1：随机选择若干个（可以是3个）电压等级，在每个电压等级下采集若干个（可以是50个）工频周期的变压器局部放电信号数据。
步骤2：自动提取局放脉冲波形信号。如图2所示，对上述步骤1中采集获得的变压器局放信号进行自动脉冲波形提取，具体包括下列步骤。
步骤21：步骤1中采集获得的局部放电信号为离散时间序列，对其进行全局搜索，确定局部极大值点和局部极小值点在原离散时间序列中的位置，分别形成局部极大值的一维数组IndMax和局部极小值的一维数组IndMin。
步骤22：根据预先确定的幅度阈值Th1，对步骤21中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行过滤，剔除两组数组中低于幅度阈值Th1的离散点，过滤后的局部极大值的一维数组仍然记为IndMax，局部极小值的一维数组仍然记为IndMin。
步骤23：将步骤22中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行合并，对两组数组中的各极值点进行升序排序，合并后形成一维数组IndexM。
步骤24：对步骤23中所得到的一维数组IndexM，计算相邻极值点的位置差，得到一维数组DiffIndexM：
Figure 592053DEST_PATH_IMAGE010
；
其中，v表示一维数组IndexM中共包含v个极值点。
步骤25：根据预先确定的距离阈值Th2，逐个判断步骤24中所得到的相邻极值点的位置差DiffIndexM中的各个数组值，对于大于距离阈值Th2的数组值视为一次放电，据此累计计算放电次数PDSums，同时记录各次放电脉冲最大值点幅值PDMaxs和此最大值点位置PDIndexs；其中PDSums为整型，PDMaxs和PDIndexs均为一维数组，大小为PDsums。
步骤26：计算每次放电脉冲的起始位置和结束位置；根据步骤25中的放电位置PDIndexs，结合原信号放电脉冲前后离散点的平稳、振荡小、幅值低等特点分别向放电位置前后搜索起始位置和结束位置，分别记为一维数组PDStarts和PDEnds，大小为PDsums。
步骤27：由步骤26所得波形起始位置PDStarts和结束位置PDEnds，结合步骤1的原始波形信号即可获得各次放电脉冲波形的离散序列值。
步骤3：微观特征参数计算；对在步骤2中自动提取得到的单个放电脉冲波形的各个特征参数进行计算，具体包括：
脉冲极性：根据放电相位分为正脉冲和负脉冲；
峰值（最大放电电流）：脉冲波形的最大幅值
Figure 135030DEST_PATH_IMAGE012
；
脉冲上升时间：脉冲第1个波形的峰值从10%上升到90%的时间；
脉冲下降时间：脉冲第1个波形的峰值从90%下降到10%的时间；
脉冲宽度：脉冲波形峰值50%处的两点之间的时间间隔；
脉冲持续时间：从脉冲波形上升时间开始到基本没有振荡为止的时间；
10%幅值脉冲持续时间：脉冲波形峰值10%处的两点之间的时间间隔；
脉冲包络类型：计算脉冲波形包络，分别与单指数衰减波形、单指数振荡衰减波形、双指数衰减波形、双指数振荡衰减波形进行匹配，从而确定脉冲包络类型；
放电信号能量分布：对脉冲波形利用FFT进行频谱分析；
脉冲衰减时间：从脉冲峰值的90%下降到峰值10%的时间；
多个脉冲突发持续时间：一次放电波形中多个波峰持续时间；
脉冲均值：平均放电电流，即
Figure 489788DEST_PATH_IMAGE014
,
Figure 409203DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲绝对均值：放电电流绝对值的均值，即
Figure 103489DEST_PATH_IMAGE018
，
Figure 817367DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲均方根值：放电电流有效值，即
Figure 925000DEST_PATH_IMAGE020
，
Figure 382527DEST_PATH_IMAGE016
为脉冲波形离散序列点数；
脉冲方差：，为脉冲波形离散序列点数；
脉冲峰值因数：
Figure 411028DEST_PATH_IMAGE024
；
脉冲波形因数：
Figure 406666DEST_PATH_IMAGE026
。
步骤4：特征空间降维；如图3所示，对在步骤3中获得的局放脉冲波形微观特征参数进行降维的过程，具体包括下列步骤。
步骤41：基于改进的k邻接算法构造特征邻域图；如图4所示，具体包含以下步骤。
步骤411：假设步骤2中获得的放电脉冲波形为n个，即样本总数为n，则得到数据矩阵
Figure 75545DEST_PATH_IMAGE032
，其中列向量
Figure 396805DEST_PATH_IMAGE034
，
Figure 947872DEST_PATH_IMAGE036
为由步骤3提取的单个放电脉冲波形微观参数构成的17维向量。由数据矩阵
Figure 12780DEST_PATH_IMAGE038
计算其欧式距离矩阵
Figure 598482DEST_PATH_IMAGE040
，根据给定的参数
Figure DEST_PATH_IMAGE090
，确定经典邻接图
Figure 825064DEST_PATH_IMAGE042
。
步骤412：对邻接图G中的边进行短路边筛选。这里通过构建向量
Figure 129006DEST_PATH_IMAGE044
-区域来鉴别短路边。假设对于任意的两个点
Figure 732026DEST_PATH_IMAGE038
，
Figure 172235DEST_PATH_IMAGE046
，以向量为轴，以
Figure 298640DEST_PATH_IMAGE044
为半径构成的圆柱形区域定义为向量
Figure 705350DEST_PATH_IMAGE048
的
Figure 265644DEST_PATH_IMAGE044
-区域。对于点
Figure 834029DEST_PATH_IMAGE050
，其已知邻居节点计为
Figure 50247DEST_PATH_IMAGE052
，分别计算
Figure 18507DEST_PATH_IMAGE054
的
Figure 433307DEST_PATH_IMAGE044
-区域，如果某个向量
Figure 172593DEST_PATH_IMAGE056
的
Figure 672845DEST_PATH_IMAGE044
-区域包括的样本点数量少于给定阀值
Figure 359041DEST_PATH_IMAGE058
，则认为向量
Figure 628348DEST_PATH_IMAGE056
为短路边，于是从
Figure 804115DEST_PATH_IMAGE050
的邻接图中去除
Figure 791662DEST_PATH_IMAGE060
。这里阀值
Figure 78287DEST_PATH_IMAGE058
的选取可根据采样的密度确定，要求采样数据均匀。
步骤413：对每个高维局部重复步骤412，即可得到更接近真实高维局部几何特征的邻接图
Figure 405363DEST_PATH_IMAGE028
。
步骤42：计算脉冲波形最短距离矩阵。对步骤41获得的有效邻接图，调用图的最短路径算法（如Dijkstra算法）来估计任意点对之间的最短路径距离，并以此作为点对在流形上的测地线距离的估计，从而得到样本最短距离矩阵
Figure 961295DEST_PATH_IMAGE030
。
步骤43：基于有监督的线性降维方法LDA的数据降维与特征提取。如图5所示，包含以下步骤。
步骤431：假设步骤1获得的原始局部放电类型分为C类
Figure 51611DEST_PATH_IMAGE062
（属于
Figure 295511DEST_PATH_IMAGE064
维空间，
Figure 750763DEST_PATH_IMAGE064
为微观特征参数的个数）；假设步骤2获得的脉冲波形样本总数为
Figure 712903DEST_PATH_IMAGE066
；对每种局放脉冲波形类型
Figure 341330DEST_PATH_IMAGE068
，应用步骤41和步骤42，得到各自的样本最短距离矩阵
Figure 439736DEST_PATH_IMAGE070
。
步骤432：计算步骤431所得各样本矩阵
Figure 128206DEST_PATH_IMAGE070
的参数。各类样本均值向量
Figure 249746DEST_PATH_IMAGE072
、各样本类内离散矩阵
Figure 681865DEST_PATH_IMAGE074
；以及计算总体样本矩阵参数，包括：总体样本均值向量
Figure 900356DEST_PATH_IMAGE016
、总类内离散度矩阵
Figure 759728DEST_PATH_IMAGE076
、各样本类间离散度矩阵。
步骤433：为步骤431所得每一类寻找一个投影方向
Figure 411792DEST_PATH_IMAGE082
，使得各投影间的距离最大，即使得下式最大化：
Figure 442065DEST_PATH_IMAGE084
，其中T表示对矩阵进行转置。
步骤434：对步骤431所得每一类
Figure 600514DEST_PATH_IMAGE080
进行步骤433获得的
Figure 312118DEST_PATH_IMAGE086
方向进行投影，得到低维投影
Figure 505202DEST_PATH_IMAGE088
作为降维后的脉冲波形的特征值。
本发明所提供的局部放电脉冲电流波形特征提取方法，适用于基于高速采样的数字式局放仪。首先自动获得单个放电脉冲波形数据，再根据获得的单个波形数据计算其微观特征参数，最后对特征参数进行有效的降维处理，便于提高后期模式识别的计算速度和准确率。
本发明在对特征空间进行降维过程中引入了一种流形学习中的非线性降维方法ISOMAP，并对其进行了改进，使之适用于对波形数据微观特征空间的降维处理。经典ISOMAP算法中，构建的邻域图质量好坏直接关系到流形学习算法的性能。现有算法一般采用k近邻或者ε近邻策略构建邻域，但这两个方法都需要事先指定邻域大小参数。而流形学习算法对这两个参数都比较敏感：参数过大，会使得构建的邻域图有所谓的“短路边”连接属于不同分支的点对；邻域过小则会使得构建的邻域图不连通，从而无法得到整体数据的统一低维嵌入坐标。现有技术中有利用ISOMAP算法中提出的降维后测地线距离与估计的测地线距离之间的残差来选择最优参数。但是对所有点采用一个所谓的固定最优邻域大小，这对于流形曲率变化较大和不均匀采样的数据显然不太合适。
本发明提出利用经典ISOMAP算法得到的邻接矩阵，通过删除其中的“短路边”，构造更接近真实高维局部几何特征的邻接图，从而使得算法更具拓扑稳定性。所谓“短路边”是指从而将流形上本不相邻的两个数据点连接起来的边。“短路边”的存在将破坏高维局部几何特征，进而影响测地距离的估计，导致不能得出有效的低维流形。单纯的利用欧式距离不能有效判断邻居节点是否正确，本文这里通过构建向量ε-区域来鉴别“短路边”，能有效去除“短路边”，得到更接近真实高维局部几何特征的邻接图。
另外，ISOMAP从重构的角度进行数据降维，但并没有考虑模式分类，属于无监督非线性降维方法。本发明为更有效提取局放脉冲波形特征，在降维方式上，采用有监督的线性降维方法LDA替代经典算法中的MDS算法，进行降维处理。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (6)

1.一种局部放电脉冲电流的波形特征提取方法，其特征在于，该方法包含以下步骤：
步骤1：随机选择若干个电压等级，在每个电压等级下采集若干个工频周期的变压器局部放电信号数据；
步骤2：对上述步骤1中采集获得的变压器局放信号进行脉冲波形信号的自动提取；
步骤3：对在步骤2中自动提取得到的单个放电脉冲波形的各个微观特征参数进行计算；
步骤4：对在步骤3中获得的局放脉冲波形微观特征参数进行特征空间降维。
2.如权利要求1所述的局部放电脉冲电流的波形特征提取方法，其特征在于，所述的步骤2中，具体包含：
步骤21：步骤1中采集获得的局部放电信号为离散时间序列，对其进行全局搜索，确定局部极大值点和局部极小值点在原离散时间序列中的位置，分别形成局部极大值的一维数组IndMax和局部极小值的一维数组IndMin；
步骤22：根据预先确定的幅度阈值Th1，对步骤21中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行过滤，剔除两组数组中低于幅度阈值Th1的离散点，过滤后的局部极大值的一维数组仍然记为IndMax，局部极小值的一维数组仍然记为IndMin；
步骤23：将步骤22中所得到的局部极大值的一维数组IndMax和局部极小值的一维数组IndMin进行合并，对两组数组中的各极值点进行升序排序，合并后形成一维数组IndexM；
步骤24：对步骤23中所得到的一维数组IndexM，计算相邻极值点的位置差，得到一维数组DiffIndexM：
Figure 53549DEST_PATH_IMAGE001
；
其中，v表示一维数组IndexM中共包含v个极值点；
步骤25：根据预先确定的距离阈值Th2，逐个判断步骤24中所得到的相邻极值点的位置差DiffIndexM中的各个数组值，对于大于距离阈值Th2的数组值视为一次放电，据此累计计算放电次数PDSums，同时记录各次放电脉冲最大值点幅值PDMaxs和此最大值点位置PDIndexs；其中PDSums为整型，PDMaxs和PDIndexs均为一维数组，大小为PDsums；
步骤26：计算每次放电脉冲的起始位置和结束位置；根据步骤25中的放电位置PDIndexs，结合原信号放电脉冲前后离散点的平稳、振荡小、幅值低等特点分别向放电位置前后搜索起始位置和结束位置，分别记为一维数组PDStarts和PDEnds，大小为PDsums；
步骤27：由步骤26所得波形起始位置PDStarts和结束位置PDEnds，结合步骤1的原始波形信号即可获得各次放电脉冲波形的离散序列值。
3.如权利要求2所述的局部放电脉冲电流的波形特征提取方法，其特征在于，所述步骤3中，单个放电脉冲波形的各个微观特征参数包含：
脉冲极性：根据放电相位分为正脉冲和负脉冲；
峰值：最大放电电流，即脉冲波形的最大幅值
Figure 192407DEST_PATH_IMAGE002
；
脉冲上升时间：脉冲第1个波形的峰值从10%上升到90%的时间；
脉冲下降时间：脉冲第1个波形的峰值从90%下降到10%的时间；
脉冲宽度：脉冲波形峰值50%处的两点之间的时间间隔；
脉冲持续时间：从脉冲波形上升时间开始到基本没有振荡为止的时间；
10%幅值脉冲持续时间：脉冲波形峰值10%处的两点之间的时间间隔；
脉冲包络类型：计算脉冲波形包络，分别与单指数衰减波形、单指数振荡衰减波形、双指数衰减波形、双指数振荡衰减波形进行匹配，继而确定脉冲包络类型；
放电信号能量分布：对脉冲波形利用FFT进行频谱分析；
脉冲衰减时间：从脉冲峰值的90%下降到峰值10%的时间；
多个脉冲突发持续时间：一次放电波形中多个波峰持续时间；
脉冲均值：平均放电电流，即
Figure 838152DEST_PATH_IMAGE003
,
Figure 150184DEST_PATH_IMAGE004
为脉冲波形离散序列点数；
脉冲绝对均值：放电电流绝对值的均值，即
Figure 197775DEST_PATH_IMAGE005
，
Figure 569850DEST_PATH_IMAGE004
为脉冲波形离散序列点数；
脉冲均方根值：放电电流有效值，即
Figure 702891DEST_PATH_IMAGE006
，
Figure 842052DEST_PATH_IMAGE004
为脉冲波形离散序列点数；
脉冲方差：
Figure 744149DEST_PATH_IMAGE007
，
Figure 287126DEST_PATH_IMAGE004
为脉冲波形离散序列点数；
脉冲峰值因数：
Figure 641884DEST_PATH_IMAGE008
；
脉冲波形因数：
Figure 498981DEST_PATH_IMAGE009
。
4.如权利要求3所述的局部放电脉冲电流的波形特征提取方法，其特征在于，所述步骤4中，具体包含以下步骤：
步骤41：基于改进的k邻接算法构造特征邻域图；
步骤42：计算脉冲波形最短距离矩阵；
对步骤41获得的有效邻接图
Figure 255585DEST_PATH_IMAGE010
，调用图的最短路径算法来估计任意点对之间的最短路径距离，并以此作为点对在流形上的测地线距离的估计，从而得到样本最短距离矩阵
Figure 969463DEST_PATH_IMAGE011
；
步骤43：基于有监督的线性降维方法的数据降维与特征提取。
5.如权利要求4所述的局部放电脉冲电流的波形特征提取方法，其特征在于，所述的步骤41中，具体包含：
步骤411：假设步骤2中获得的放电脉冲波形为n个，即样本总数为n，则得到数据矩阵，其中列向量
Figure 534622DEST_PATH_IMAGE013
，
Figure 145732DEST_PATH_IMAGE014
为由步骤3提取的单个放电脉冲波形微观参数构成的17维向量；
由数据矩阵计算其欧式距离矩阵，确定经典邻接图；
步骤412：对邻接图G中的边进行短路边筛选；通过构建向量
Figure 352275DEST_PATH_IMAGE018
-区域来鉴别短路边；假设对于任意的两个点
Figure 673535DEST_PATH_IMAGE015
，
Figure 490181DEST_PATH_IMAGE019
，以向量
Figure 289510DEST_PATH_IMAGE020
为轴，以为半径构成的圆柱形区域定义为向量的
Figure 468053DEST_PATH_IMAGE018
-区域；对于点
Figure 71073DEST_PATH_IMAGE021
，其已知邻居节点计为
Figure 776860DEST_PATH_IMAGE022
，分别计算
Figure 174344DEST_PATH_IMAGE023
的
Figure 965582DEST_PATH_IMAGE018
-区域，如果某个向量
Figure 44397DEST_PATH_IMAGE024
的-区域包括的样本点数量少于给定阀值
Figure 173076DEST_PATH_IMAGE025
，则认为向量
Figure 451610DEST_PATH_IMAGE024
为短路边，于是从
Figure 396432DEST_PATH_IMAGE021
的邻接图中去除
Figure 811233DEST_PATH_IMAGE026
；
步骤413：对每个高维局部重复步骤412，即可得到更接近真实高维局部几何特征的邻接图
Figure 816098DEST_PATH_IMAGE010
。
6.如权利要求5所述的局部放电脉冲电流的波形特征提取方法，其特征在于，所述的步骤43中，具体包含：
步骤431：假设步骤1获得的原始局部放电类型分为C类，属于
Figure 736967DEST_PATH_IMAGE028
维空间，
Figure 271853DEST_PATH_IMAGE028
为微观特征参数的个数；假设步骤2获得的脉冲波形样本总数为
Figure 182041DEST_PATH_IMAGE029
；对每种局放脉冲波形类型
Figure 169588DEST_PATH_IMAGE030
，应用步骤41和步骤42，得到各自的样本最短距离矩阵；
步骤432：计算步骤431所得各样本矩阵
Figure 845606DEST_PATH_IMAGE031
的参数；各类样本均值向量
Figure 129957DEST_PATH_IMAGE032
、各样本类内离散矩阵
Figure 604801DEST_PATH_IMAGE033
；以及计算总体样本矩阵参数，包括：总体样本均值向量
Figure 429537DEST_PATH_IMAGE004
、总类内离散度矩阵、各样本类间离散度矩阵
Figure 191006DEST_PATH_IMAGE035
；
步骤433：为步骤431所得每一类
Figure 153145DEST_PATH_IMAGE036
寻找一个投影方向
Figure 781573DEST_PATH_IMAGE037
，使得各投影间的距离最大，即使得下式最大化：
Figure 879979DEST_PATH_IMAGE038
；
步骤434：对步骤431所得每一类
Figure 568449DEST_PATH_IMAGE036
进行步骤433获得的
Figure 17885DEST_PATH_IMAGE039
方向进行投影，得到低维投影
Figure 122107DEST_PATH_IMAGE040
作为降维后的脉冲波形的特征值。
CN201210396459.9A 2012-10-18 2012-10-18 一种局部放电脉冲电流的波形特征提取方法 Active CN102854445B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210396459.9A CN102854445B (zh) 2012-10-18 2012-10-18 一种局部放电脉冲电流的波形特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210396459.9A CN102854445B (zh) 2012-10-18 2012-10-18 一种局部放电脉冲电流的波形特征提取方法

Publications (2)

Publication Number Publication Date
CN102854445A true CN102854445A (zh) 2013-01-02
CN102854445B CN102854445B (zh) 2014-11-19

Family

ID=47401196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210396459.9A Active CN102854445B (zh) 2012-10-18 2012-10-18 一种局部放电脉冲电流的波形特征提取方法

Country Status (1)

Country Link
CN (1) CN102854445B (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308829A (zh) * 2013-05-23 2013-09-18 国家电网公司 一种gis单次局放信号提取与触发时刻调整方法
CN103558528A (zh) * 2013-11-14 2014-02-05 国家电网公司 一种局部放电超高频检测系统及方法
CN103675610A (zh) * 2013-09-29 2014-03-26 国家电网公司 局部放电在线检测中的特征因子提取方法
CN104375066A (zh) * 2014-11-07 2015-02-25 国家电网公司 一种振荡型冲击电压下gis局部放电模式识别方法
CN104459485A (zh) * 2014-11-25 2015-03-25 国家电网公司 局部放电超声信号的处理方法和装置
CN104502812A (zh) * 2014-11-26 2015-04-08 国家电网公司 局部放电采集方法和装置
CN104535905A (zh) * 2014-12-11 2015-04-22 国家电网公司 基于朴素贝叶斯分类的局部放电诊断方法
CN104573335A (zh) * 2014-12-25 2015-04-29 武汉大学苏州研究院 一种局部放电海量实时电物理量特征信息提取方法
CN104635126A (zh) * 2015-01-27 2015-05-20 国家电网公司 一种基于滑动窗口的局部放电单脉冲提取方法
CN104849767A (zh) * 2014-02-18 2015-08-19 中国石油天然气集团公司 一种核测井探测器信号的处理方法和装置
CN105911440A (zh) * 2016-04-20 2016-08-31 浙江舟山海洋输电研究院有限公司 大电容直流电缆雷电冲击电压试验波形调节方法
CN106610466A (zh) * 2016-12-22 2017-05-03 国网上海市电力公司 脉冲电流波形上升沿时宽‑相位谱图构造方法及装置
CN106845131A (zh) * 2017-02-14 2017-06-13 吴笃贵 一种基于递归滤波算法的局部放电特征参数提取方法
CN107167716A (zh) * 2017-07-11 2017-09-15 国网福建省电力有限公司泉州供电公司 一种局部放电缺陷类型识别方法及装置
CN107544005A (zh) * 2017-07-19 2018-01-05 华北电力大学 一种高压igbt局部放电电流时域参数的确定方法和装置
CN108627743A (zh) * 2018-05-15 2018-10-09 国网江苏省电力有限公司电力科学研究院 一种局部放电纳秒级窄脉冲序列的无损捕捉方法
CN109490706A (zh) * 2018-11-13 2019-03-19 国电电力河北新能源开发有限公司 一种多分支输电线路故障定位方法
CN110187194A (zh) * 2019-04-23 2019-08-30 合肥讯飞数码科技有限公司 一种波形有效值的提取方法、装置、设备及存储介质
CN110376517A (zh) * 2019-07-31 2019-10-25 国网安徽省电力有限公司电力科学研究院 确定电流波形特征参数的方法、系统及存储介质
CN111308281A (zh) * 2019-12-12 2020-06-19 云南电网有限责任公司临沧供电局 一种局部放电脉冲提取方法
CN111551812A (zh) * 2020-05-29 2020-08-18 哈尔滨理工大学 一种基于张量多模态算法的电压波特征参数提取方法
CN111551952A (zh) * 2020-05-08 2020-08-18 中国地质大学（武汉） 一种水深测量激光数据的提取方法、水深测量方法及装置
CN111950651A (zh) * 2020-08-21 2020-11-17 中国科学院计算机网络信息中心 高维数据处理方法及装置
CN112098748A (zh) * 2020-08-28 2020-12-18 国网山东省电力公司青岛供电公司 一种特高频传感器对配电网开关柜局部放电的检测方法
CN112858796A (zh) * 2021-01-20 2021-05-28 中国电子科技集团公司第三十三研究所 一种电磁泄漏时域信号特征的识别系统及方法
CN112858802A (zh) * 2019-11-28 2021-05-28 北京天诚同创电气有限公司 开关功率转换器输出电参数有效值确定方法、装置及系统
CN113625132A (zh) * 2021-08-06 2021-11-09 国网上海市电力公司 一种基于相位对齐的电缆局部放电检测方法和系统
CN115219857A (zh) * 2022-07-14 2022-10-21 山西大学 一种基于脉冲波形比较的线圈微伤探测方法
CN117192438A (zh) * 2023-10-08 2023-12-08 成都工百利自动化设备有限公司 一种基于变压器接地电流的变压器故障检测方法及装置
CN117214780A (zh) * 2023-11-08 2023-12-12 湖南华夏特变股份有限公司 变压器故障检测方法及装置
CN118227970A (zh) * 2024-05-23 2024-06-21 成都航空职业技术学院 一种基于脉冲特征的变压器周期性电磁干扰抑制方法
CN118465475A (zh) * 2024-07-09 2024-08-09 国家能源集团科学技术研究院有限公司 水轮发电机超高频局部放电稳定测试方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000002741A (ja) * 1998-06-15 2000-01-07 Tokyo Electric Power Co Inc:The 外部雑音除去方法
JP2009244195A (ja) * 2008-03-31 2009-10-22 Hitachi Ltd 信号処理装置および信号処理方法
CN102692564A (zh) * 2012-06-25 2012-09-26 广东电网公司电力科学研究院 局部放电超高频脉冲信号的相角测量方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000002741A (ja) * 1998-06-15 2000-01-07 Tokyo Electric Power Co Inc:The 外部雑音除去方法
JP2009244195A (ja) * 2008-03-31 2009-10-22 Hitachi Ltd 信号処理装置および信号処理方法
CN102692564A (zh) * 2012-06-25 2012-09-26 广东电网公司电力科学研究院 局部放电超高频脉冲信号的相角测量方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卞超等: "基于脉冲电流波形的GIS局部放电检测抗干扰技术研究", 《高压电器》 *
司文荣等: "基于宽带检测的局放脉冲波形快速特征提取技术", 《电工电能新技术》 *
朱太云等: "一种新的局部放电超声信号脉冲边缘提取算法", 《安徽电气工程职业技术学院学报》 *

Cited By (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308829A (zh) * 2013-05-23 2013-09-18 国家电网公司 一种gis单次局放信号提取与触发时刻调整方法
CN103308829B (zh) * 2013-05-23 2015-08-05 国家电网公司 一种gis单次局放信号提取与触发时刻调整方法
CN103675610A (zh) * 2013-09-29 2014-03-26 国家电网公司 局部放电在线检测中的特征因子提取方法
CN103675610B (zh) * 2013-09-29 2016-06-15 国家电网公司 局部放电在线检测中的特征因子提取方法
CN103558528A (zh) * 2013-11-14 2014-02-05 国家电网公司 一种局部放电超高频检测系统及方法
CN104849767A (zh) * 2014-02-18 2015-08-19 中国石油天然气集团公司 一种核测井探测器信号的处理方法和装置
CN104849767B (zh) * 2014-02-18 2017-09-01 中国石油天然气集团公司 一种核测井探测器信号的处理方法和装置
CN104375066A (zh) * 2014-11-07 2015-02-25 国家电网公司 一种振荡型冲击电压下gis局部放电模式识别方法
CN104375066B (zh) * 2014-11-07 2018-04-03 国家电网公司 一种振荡型冲击电压下gis局部放电模式识别方法
CN104459485A (zh) * 2014-11-25 2015-03-25 国家电网公司 局部放电超声信号的处理方法和装置
CN104502812A (zh) * 2014-11-26 2015-04-08 国家电网公司 局部放电采集方法和装置
CN104535905B (zh) * 2014-12-11 2017-05-24 国家电网公司 基于朴素贝叶斯分类的局部放电诊断方法
CN104535905A (zh) * 2014-12-11 2015-04-22 国家电网公司 基于朴素贝叶斯分类的局部放电诊断方法
CN104573335B (zh) * 2014-12-25 2017-08-22 武汉大学苏州研究院 一种局部放电海量实时电物理量特征信息提取方法
CN104573335A (zh) * 2014-12-25 2015-04-29 武汉大学苏州研究院 一种局部放电海量实时电物理量特征信息提取方法
CN104635126A (zh) * 2015-01-27 2015-05-20 国家电网公司 一种基于滑动窗口的局部放电单脉冲提取方法
CN105911440A (zh) * 2016-04-20 2016-08-31 浙江舟山海洋输电研究院有限公司 大电容直流电缆雷电冲击电压试验波形调节方法
CN105911440B (zh) * 2016-04-20 2019-12-06 浙江舟山海洋输电研究院有限公司 大电容直流电缆雷电冲击电压试验波形调节方法
CN106610466A (zh) * 2016-12-22 2017-05-03 国网上海市电力公司 脉冲电流波形上升沿时宽‑相位谱图构造方法及装置
CN106610466B (zh) * 2016-12-22 2019-04-05 国网上海市电力公司 脉冲电流波形上升沿时宽-相位谱图构造方法及装置
CN106845131B (zh) * 2017-02-14 2019-03-26 吴笃贵 一种基于递归滤波算法的局部放电特征参数提取方法
CN106845131A (zh) * 2017-02-14 2017-06-13 吴笃贵 一种基于递归滤波算法的局部放电特征参数提取方法
CN107167716A (zh) * 2017-07-11 2017-09-15 国网福建省电力有限公司泉州供电公司 一种局部放电缺陷类型识别方法及装置
CN107544005A (zh) * 2017-07-19 2018-01-05 华北电力大学 一种高压igbt局部放电电流时域参数的确定方法和装置
CN107544005B (zh) * 2017-07-19 2020-07-10 华北电力大学 一种高压igbt局部放电电流时域参数的确定方法和装置
CN108627743A (zh) * 2018-05-15 2018-10-09 国网江苏省电力有限公司电力科学研究院 一种局部放电纳秒级窄脉冲序列的无损捕捉方法
CN109490706A (zh) * 2018-11-13 2019-03-19 国电电力河北新能源开发有限公司 一种多分支输电线路故障定位方法
CN109490706B (zh) * 2018-11-13 2021-04-09 国电电力河北新能源开发有限公司 一种多分支输电线路故障定位方法
CN110187194B (zh) * 2019-04-23 2021-04-06 合肥讯飞数码科技有限公司 一种波形有效值的提取方法、装置、设备及存储介质
CN110187194A (zh) * 2019-04-23 2019-08-30 合肥讯飞数码科技有限公司 一种波形有效值的提取方法、装置、设备及存储介质
CN110376517A (zh) * 2019-07-31 2019-10-25 国网安徽省电力有限公司电力科学研究院 确定电流波形特征参数的方法、系统及存储介质
CN112858802B (zh) * 2019-11-28 2023-08-25 北京天诚同创电气有限公司 开关功率转换器输出电参数有效值确定方法、装置及系统
CN112858802A (zh) * 2019-11-28 2021-05-28 北京天诚同创电气有限公司 开关功率转换器输出电参数有效值确定方法、装置及系统
CN111308281A (zh) * 2019-12-12 2020-06-19 云南电网有限责任公司临沧供电局 一种局部放电脉冲提取方法
CN111551952A (zh) * 2020-05-08 2020-08-18 中国地质大学（武汉） 一种水深测量激光数据的提取方法、水深测量方法及装置
CN111551952B (zh) * 2020-05-08 2022-10-18 中国地质大学（武汉） 一种水深测量激光数据的提取方法、水深测量方法及装置
CN111551812A (zh) * 2020-05-29 2020-08-18 哈尔滨理工大学 一种基于张量多模态算法的电压波特征参数提取方法
CN111950651B (zh) * 2020-08-21 2024-02-09 中国科学院计算机网络信息中心 高维数据处理方法及装置
CN111950651A (zh) * 2020-08-21 2020-11-17 中国科学院计算机网络信息中心 高维数据处理方法及装置
CN112098748A (zh) * 2020-08-28 2020-12-18 国网山东省电力公司青岛供电公司 一种特高频传感器对配电网开关柜局部放电的检测方法
CN112098748B (zh) * 2020-08-28 2023-10-20 国网山东省电力公司青岛供电公司 一种特高频传感器对配电网开关柜局部放电的检测方法
CN112858796A (zh) * 2021-01-20 2021-05-28 中国电子科技集团公司第三十三研究所 一种电磁泄漏时域信号特征的识别系统及方法
CN112858796B (zh) * 2021-01-20 2023-06-02 中国电子科技集团公司第三十三研究所 一种电磁泄漏时域信号特征的识别系统及方法
CN113625132A (zh) * 2021-08-06 2021-11-09 国网上海市电力公司 一种基于相位对齐的电缆局部放电检测方法和系统
CN115219857A (zh) * 2022-07-14 2022-10-21 山西大学 一种基于脉冲波形比较的线圈微伤探测方法
CN115219857B (zh) * 2022-07-14 2024-05-24 山西大学 一种基于脉冲波形比较的线圈微伤探测方法
CN117192438A (zh) * 2023-10-08 2023-12-08 成都工百利自动化设备有限公司 一种基于变压器接地电流的变压器故障检测方法及装置
CN117214780A (zh) * 2023-11-08 2023-12-12 湖南华夏特变股份有限公司 变压器故障检测方法及装置
CN117214780B (zh) * 2023-11-08 2024-02-02 湖南华夏特变股份有限公司 变压器故障检测方法及装置
CN118227970A (zh) * 2024-05-23 2024-06-21 成都航空职业技术学院 一种基于脉冲特征的变压器周期性电磁干扰抑制方法
CN118465475A (zh) * 2024-07-09 2024-08-09 国家能源集团科学技术研究院有限公司 水轮发电机超高频局部放电稳定测试方法及装置

Also Published As

Publication number Publication date
CN102854445B (zh) 2014-11-19

Similar Documents

Publication Publication Date Title
CN102854445B (zh) 一种局部放电脉冲电流的波形特征提取方法
CN110108992B (zh) 基于改进随机森林算法的电缆局放故障识别方法、系统
CN109100627A (zh) 一种基于端到端模式的电力设备局部放电故障诊断方法
CN104198898A (zh) 基于脉冲序列分析的局部放电发展过程诊断方法
CN103323755A (zh) Gis特高频局部放电信号识别方法及系统
CN108693448B (zh) 一种应用于电力设备局部放电模式识别系统
CN112633427B (zh) 一种基于离群点检测的超高次谐波发射信号检测方法
CN103675610B (zh) 局部放电在线检测中的特征因子提取方法
CN109596955A (zh) 局部放电状态确定方法及装置
CN103645249A (zh) 基于精简集下采样不均衡svm变压器在线故障检测方法
CN103336226A (zh) 一种气体绝缘变电站中多种局部放电源类型的辨识方法
CN107167716A (zh) 一种局部放电缺陷类型识别方法及装置
CN109613446B (zh) 一种基于时间序列分析的锂电池老化检测方法
CN115166563B (zh) 一种动力电池老化状态评估与退役筛选方法及系统
CN109212391A (zh) 兼顾脉冲提取和信号去噪的局部放电信号处理方法及电力电缆局部放电定位方法
CN107831409A (zh) 特高频局放检测图谱特征参量提取的方法及异常检测方法
CN106874950A (zh) 一种暂态电能质量录波数据的识别分类方法
CN114325256A (zh) 一种电力设备局部放电识别方法、系统、设备及存储介质
CN114417926A (zh) 一种基于深度卷积生成对抗网络的电力设备局部放电模式识别方法及系统
CN113283474A (zh) 一种基于svm的局部放电模式识别方法
CN113805018A (zh) 一种配电网10kV电缆局部放电故障类型智能识别方法
CN114113943B (zh) 基于电流和超声信号的变压器局放检测系统、方法及设备
CN116243115A (zh) 基于时序拓扑数据分析的高压电缆模式识别方法及装置
CN105445577B (zh) 一种电能质量干扰源工况辨识方法
CN112287979B (zh) 一种基于互信息的储能电池状态判定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant