CN107085173B - 一种用于变压器内部多局部放电源的分离方法及系统 - Google Patents
一种用于变压器内部多局部放电源的分离方法及系统 Download PDFInfo
- Publication number
- CN107085173B CN107085173B CN201710293417.5A CN201710293417A CN107085173B CN 107085173 B CN107085173 B CN 107085173B CN 201710293417 A CN201710293417 A CN 201710293417A CN 107085173 B CN107085173 B CN 107085173B
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- frequency
- domain
- function
- 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.)
- Active
Links
- 238000000926 separation method Methods 0.000 title claims abstract description 29
- 238000009825 accumulation Methods 0.000 claims abstract description 87
- 230000001186 cumulative effect Effects 0.000 claims abstract description 24
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 239000000284 extract Substances 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005086 pumping Methods 0.000 claims 1
- 210000003027 ear inner Anatomy 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000008054 signal transmission Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种用于变压器内部多局部放电源的分离方法及系统,方法步骤包括获取局部放电信号的原始波形并对时域信号获取频域信号;对于时域信号、频域信号分别计算能量累积函数值、进行数学形态梯度计算,基于能量累积函数值、梯度值提取信号特征量,再依次进行降维处理、特征聚类,得到分离后的多个局部放电源;步骤包括波形获取程序模块、累积函数计算程序模块、梯度计算程序模块、特征量提取程序模块、特征量降维程序模块、聚类程序模块。本发明能够克服变压器结构复杂、局部放电信号传输路径复杂、原始信号畸变严重的问题,实现变压器等复杂结构设备的多放电源的分离和识别,具有结构适应性好、分离准确度高的优点。
Description
技术领域
本发明涉及电网的多局部放电信号检测技术,具体涉及一种用于变压器内部多局部放电源的分离方法及系统。
背景技术
变压器是电网的核心设备之一,其稳定、可靠运行将对电力系统意义重大。由于设计制造、工艺及运维水平限制或系统故障,变压器的损坏时有发生。统计表明,随着电网的迅猛发展,电力系统短路容量增加,变压器遭受外部扰动造成的隐患越来越多,变压器绕组容易发生变形,变形后可能引起局部放电,在局部放电的长期作用下,变压器绝缘损伤部位逐渐扩大,最终可能导致变压器的绝缘发生击穿。同时,变压器由于制造、生产、安装等过程中可能存在的微小缺陷,在长期运行后很可能进一步恶化,产生局部放电,引起变压器绝缘性能的降低。因而准确掌握变压器局部放电情况具有重要意义。
目前局部放电信号的识别尤其是多局部放电源信号的识别,在GIS等设备中应用较多,由于GIS设备结构简单,不同类型局部放电的原始信号几乎没有被衰减和畸变,较容易提取相关特征。但是对于变压器,存在绕组、铁心、引线、绝缘纸板等结构,局部放电信号传输路径复杂,原始信号畸变严重,因此需要新的方法进行适应于变压器等复杂结构设备的多放电源的分离和识别。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种能够克服变压器结构复杂、局部放电信号传输路径复杂、原始信号畸变严重的问题,实现变压器等复杂结构设备的多放电源的分离和识别,结构适应性好、分离准确度高的用于变压器内部多局部放电源的分离方法及系统。
为了解决上述技术问题,本发明采用的技术方案为:
一方面,本发明提供一种用于变压器内部多局部放电源的分离方法,步骤包括:
1)获取变压器内部多个局部放电源的局部放电信号的原始波形;
2)对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
3)分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
4)基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
5)将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征;
6)基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源;
步骤5)的详细步骤包括:
5.1)根据提取得到的多个局部放电信号的信号特征量进行两两求差得到多个组合变量;
5.2)采用线性判别式算法对多个组合变量进行降维优化处理,提取其中最具效果的两个组合变量P1、P2作为降维处理形成的组合特征。
优选地,步骤2)中计算时域信号v(t)时间累积到tk的能量函数值的函数表达式如式(1)所示;
式(1)中,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,k=1,…,N,N表示原始波形中的时域信号总数量,v(ti)表示ti时刻的时域信号。
优选地,步骤2)中计算频域信号F(f)时间累积到fk的能量函数值的函数表达式如式(2)所示;
式(2)中,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,k=1,…,N/2,N表示原始波形中的时域信号总数量,F(fi)表示fi频率的频域信号。
优选地,步骤3)中进行数学形态梯度计算的函数表达式如式(3)所示;
式(3)中,mg(n)为时域梯度值或频域梯度值,和fΘg(n)为中间变量,“Θ”是两个数学形态结构元计算算子,f为信号,g为结构元离散函数,f(n-m)表示第n-m个抽样的信号值,f(n+m)表示第n+m个抽样的信号值,g(m)表示第m个结构元函数值,n表示第n个抽样索引号,m表示第m个结构元索引号,Df表示信号的定义域,Dg表示数学形态变换结构元的定义域。
优选地,步骤4)中提取的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF。
优选地,时域信号能量累积函数的有效持续时间TW的计算函数表达式如式(4)所示,函数曲线面积AT的计算函数表达式如式(6)所示,频域信号能量累积函数的有效带宽FW的计算函数表达式如式(5)所示,函数曲线面积AF的计算函数表达式如式(7)所示,以及时域能量累积函数数学形态梯度最大值ξT的计算函数表达式如式(8)所示,频域能量累积函数数学形态梯度最大值ξF的计算函数表达式如式(9)所示;
TW=t|ET=80-t|ET=20 (4)
FW=f|EF=80 (5)
ξT=max{mgT} (8)
ξF=max{mgF} (9)
式(4)~式(9)中,t|ET表示某时域能量累积函数值对应的时间,f|EF表示某频域能量累积函数值对应的频率,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,△t表示时间抽样间隔,△f表示频率抽样间隔,mgT表示时域信号数学形态梯度,mgF表示频域信号数学形态梯度。
优选地,步骤6)的详细步骤包括:将得到的组合变量P1、P2绘制在P1-P2坐标图上,在信号采集时间累计到指定数量个工频周期后,采用模糊最大似然聚类算法,将每个局部放电源的聚集分布边界找到,实现多个放电源同时分离,得到分离后的多个局部放电源。
另一方面,本发明还提供一种用于变压器内部多局部放电源的分离系统,包括:
波形获取程序模块,用于获取变压器内部多个局部放电源的局部放电信号的原始波形;
累积函数计算程序模块,用于对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
梯度计算程序模块,用于分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
特征量提取程序模块,用于基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
特征量降维程序模块,用于将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征,所述特征量降维程序模块包括用于根据提取得到的多个局部放电信号的信号特征量进行两两求差得到多个组合变量的子模块、用于采用线性判别式算法对多个组合变量进行降维优化处理,提取其中最具效果的两个组合变量P1、P2作为降维处理形成的组合特征的子模块;
聚类程序模块,用于基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源。
优选地,所述特征量提取程序模块提取得到的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF。
本发明用于变压器内部多局部放电源的分离方法具有下述优点:本发明在获取变压器内部多个局部放电源的局部放电信号的原始波形的基础上,通过对时域信号v(t)、频域信号F(f)分别进行傅里叶FFT变换、计算能量累积函数值、计算梯度值,然后基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量,再对信号特征量进行降维处理、特征聚类得到分离后的多个局部放电源,能够克服变压器结构复杂、局部放电信号传输路径复杂、原始信号畸变严重的问题,实现变压器等复杂结构设备的多放电源的分离和识别,具有结构适应性好、分离准确度高的优点。
本发明用于变压器内部多局部放电源的分离系统为本发明用于变压器内部多局部放电源的分离方法完全对应的程序模块构成的完全对应的系统,因此同样也具有本发明用于变压器内部多局部放电源的分离方法的前述优点,故在此不再赘述。
附图说明
图1为本发明实施例方法的基本流程示意图。
具体实施方式
如图1所示,本实施例用于变压器内部多局部放电源的分离方法的步骤包括:
1)获取变压器内部多个局部放电源的局部放电信号的原始波形;
2)对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
3)分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
4)基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
5)将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征;
6)基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源。
本实施例中,步骤1)获取变压器内部多个局部放电源的局部放电信号的原始波形时,采用领域内相关适用于变压器局部放电信号采集的传感器,完成局部放电信号的原始波形采集。典型重要参数要求为频带范围300MHz~3GHz,灵敏度不大于-75dBm,不能具有检波、滤波等功能,只需要对局部放电信号进行耦合输出即可。
对比现有小波分析、时频分析、能量累积等方法,为了避免变压器内部复杂结构对原始局部放电信号的影响,以及采集传感器、线缆、接头等对原始信号局部突然的扰动影响,本实施例采用能量累积函数对原始信号进行处理。本实施例中,步骤2)中计算时域信号v(t)时间累积到tk的能量函数值的函数表达式如式(1)所示;
式(1)中,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,k=1,…,N,N表示原始波形中的时域信号总数量,v(ti)表示ti时刻的时域信号。
本实施例中,步骤2)中计算频域信号F(f)时间累积到fk的能量函数值的函数表达式如式(2)所示;
式(2)中,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,k=1,…,N/2,N表示原始波形中的时域信号总数量,F(fi)表示fi频率的频域信号。
本实施例中,为了方便后续有效提取放电源信号的特征,通过基于信号的时域能量累积和频域能量累积函数,进行数学形态梯度计算,获取时域梯度值和频域梯度值,以获得信号典型局部特征。步骤3)中进行数学形态梯度计算的函数表达式如式(3)所示;
式(3)中,mg(n)为时域梯度值或频域梯度值,和fΘg(n)为中间变量,“Θ”是两个数学形态结构元计算算子,f为信号,g为结构元离散函数,f(n-m)表示第n-m个抽样的信号值,f(n+m)表示第n+m个抽样的信号值,g(m)表示第m个结构元函数值,n表示第n个抽样索引号,m表示第m个结构元索引号,Df表示信号的定义域,Dg表示数学形态变换结构元的定义域。
通过对比实验研究,本实施例步骤4)中提取的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF。本实施例中,时域信号能量累积函数的有效持续时间TW的计算函数表达式如式(4)所示,函数曲线面积AT的计算函数表达式如式(6)所示,频域信号能量累积函数的有效带宽FW的计算函数表达式如式(5)所示,函数曲线面积AF的计算函数表达式如式(7)所示,以及时域能量累积函数数学形态梯度最大值ξT的计算函数表达式如式(8)所示,频域能量累积函数数学形态梯度最大值ξF的计算函数表达式如式(9)所示;
TW=t|ET=80-t|ET=20 (4)
FW=f|EF=80 (5)
ξT=max{mgT} (8)
ξF=max{mgF} (9)
式(4)~式(9)中,t|ET表示某时域能量累积函数值对应的时间,f|EF表示某频域能量累积函数值对应的频率,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,△t表示时间抽样间隔(ns),△f表示频率抽样间隔(MHz),mgT表示时域信号数学形态梯度,mgF表示频域信号数学形态梯度。
本实施例中,步骤5)的详细步骤包括:
5.1)根据提取得到的多个局部放电信号的信号特征量进行两两求差得到多个组合变量,例如构成多个组合如TW﹣FW、AT﹣AF,ξT﹣ξF等;
5.2)采用线性判别式算法对多个组合变量进行降维优化处理,提取其中最具效果的两个组合变量P1、P2作为降维处理形成的组合特征。
本实施例中,步骤6)的详细步骤包括:将得到的组合变量P1、P2绘制在P1-P2坐标图上,在信号采集时间累计到指定数量(本实施例中具体采用500个)个工频周期后,采用模糊最大似然聚类算法,将每个局部放电源的聚集分布边界找到,实现多个放电源同时分离,得到分离后的多个局部放电源。目前主要的聚类算法有均值聚类、模糊均值聚类等,均值聚类只适用于数据分布呈圆形的情况,最大似然距离算法适用于数据分布呈椭圆形的情况,根据本发明对局部放电信号特征分布研究结果,为了达到分离效果最优,本发明采用模糊最大似然聚类算法实现同一个放电源的特征分布尽可能聚在一起,不同放电源的分布尽可能分开,从而实现多个局部放电源同时分离。
本实施例用于变压器内部多局部放电源的分离系统包括:
波形获取程序模块,用于获取变压器内部多个局部放电源的局部放电信号的原始波形;
累积函数计算程序模块,用于对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
梯度计算程序模块,用于分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
特征量提取程序模块,用于基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
特征量降维程序模块,用于将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征;
聚类程序模块,用于基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源。
本实施例中,特征量提取程序模块提取得到的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF,计算函数表达式详见前述式(4)~式(9)。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种用于变压器内部多局部放电源的分离方法,其特征在于步骤包括:
1)获取变压器内部多个局部放电源的局部放电信号的原始波形;
2)对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
3)分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
4)基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
5)将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征;
6)基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源;
步骤5)的详细步骤包括:
5.1)根据提取得到的多个局部放电信号的信号特征量进行两两求差得到多个组合变量;
5.2)采用线性判别式算法对多个组合变量进行降维优化处理,提取其中最具效果的两个组合变量P1、P2作为降维处理形成的组合特征。
2.根据权利要求1所述的用于变压器内部多局部放电源的分离方法,其特征在于,步骤2)中计算时域信号v(t)时间累积到tk的能量函数值的函数表达式如式(1)所示;
式(1)中,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,k=1,…,N,N表示原始波形中的时域信号总数量,v(ti)表示ti时刻的时域信号。
3.根据权利要求1所述的用于变压器内部多局部放电源的分离方法,其特征在于,步骤2)中计算频域信号F(f)时间累积到fk的能量函数值的函数表达式如式(2)所示;
式(2)中,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,k=1,…,N/2,N表示原始波形中的时域信号总数量,F(fi)表示fi频率的频域信号。
4.根据权利要求1所述的用于变压器内部多局部放电源的分离方法,其特征在于,步骤3)中进行数学形态梯度计算的函数表达式如式(3)所示;
式(3)中,mg(n)为时域梯度值或频域梯度值,和fΘg(n)为中间变量,“Θ”是两个数学形态结构元计算算子,f为信号,g为结构元离散函数,f(n-m)表示第n-m个抽样的信号值,f(n+m)表示第n+m个抽样的信号值,g(m)表示第m个结构元函数值,n表示第n个抽样索引号,m表示第m个结构元索引号,Df表示信号的定义域,Dg表示数学形态变换结构元的定义域。
5.根据权利要求1所述的用于变压器内部多局部放电源的分离方法,其特征在于,步骤4)中提取的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF。
6.根据权利要求5所述的用于变压器内部多局部放电源的分离方法,其特征在于,时域信号能量累积函数的有效持续时间TW的计算函数表达式如式(4)所示,函数曲线面积AT的计算函数表达式如式(6)所示,频域信号能量累积函数的有效带宽FW的计算函数表达式如式(5)所示,函数曲线面积AF的计算函数表达式如式(7)所示,以及时域能量累积函数数学形态梯度最大值ξT的计算函数表达式如式(8)所示,频域能量累积函数数学形态梯度最大值ξF的计算函数表达式如式(9)所示;
TW=t|ET=80-t|ET=20 (4)
FW=f|EF=80 (5)
ξT=max{mgT} (8)
ξF=max{mgF} (9)
式(4)~式(9)中,t|ET表示某时域能量累积函数值对应的时间,f|EF表示某频域能量累积函数值对应的频率,ET(tk)为时域信号v(t)时间累积到tk的时域信号能量累积函数值,EF(fk)为频域信号F(f)时间累积到fk的频域信号能量累积函数值,△t表示时间抽样间隔,△f表示频率抽样间隔,mgT表示时域信号数学形态梯度,mgF表示频域信号数学形态梯度。
7.根据权利要求1所述的用于变压器内部多局部放电源的分离方法,其特征在于,步骤6)的详细步骤包括:将得到的组合变量P1、P2绘制在P1-P2坐标图上,在信号采集时间累计到指定数量个工频周期后,采用模糊最大似然聚类算法,将每个局部放电源的聚集分布边界找到,实现多个放电源同时分离,得到分离后的多个局部放电源。
8.一种用于变压器内部多局部放电源的分离系统,其特征在于包括:
波形获取程序模块,用于获取变压器内部多个局部放电源的局部放电信号的原始波形;
累积函数计算程序模块,用于对原始波形的时域信号v(t)进行傅里叶FFT变换得到频域信号F(f);分别基于能量累积函数对时域信号v(t)计算时域信号v(t)时间累积到tk的时域信号能量累积函数值,基于能量累积函数对频域信号F(f)计算频域信号F(f)时间累积到fk的频域信号能量累积函数值;
梯度计算程序模块,用于分别针对时域信号能量累积函数值、频域信号能量累积函数值进行数学形态梯度计算,得到时域梯度值和频域梯度值;
特征量提取程序模块,用于基于时域信号能量累积函数值、频域信号能量累积函数值、时域梯度值、频域梯度值提取多个局部放电信号的信号特征量;
特征量降维程序模块,用于将提取得到的多个局部放电信号的信号特征量进行降维处理形成组合特征,所述特征量降维程序模块包括用于根据提取得到的多个局部放电信号的信号特征量进行两两求差得到多个组合变量的子模块、用于采用线性判别式算法对多个组合变量进行降维优化处理,提取其中最具效果的两个组合变量P1、P2作为降维处理形成的组合特征的子模块;
聚类程序模块,用于基于组合特征对局部放电信号进行特征聚类,从而得到分离后的多个局部放电源。
9.根据权利要求8所述的用于变压器内部多局部放电源的分离系统,其特征在于,所述特征量提取程序模块提取得到的多个局部放电信号的信号特征量包括时域信号能量累积函数的有效持续时间TW、函数曲线面积AT,频域信号能量累积函数的有效带宽FW、函数曲线面积AF,以及时域能量累积函数数学形态梯度最大值ξT、频域能量累积函数数学形态梯度最大值ξF。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293417.5A CN107085173B (zh) | 2017-04-28 | 2017-04-28 | 一种用于变压器内部多局部放电源的分离方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710293417.5A CN107085173B (zh) | 2017-04-28 | 2017-04-28 | 一种用于变压器内部多局部放电源的分离方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085173A CN107085173A (zh) | 2017-08-22 |
CN107085173B true CN107085173B (zh) | 2019-11-08 |
Family
ID=59611902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710293417.5A Active CN107085173B (zh) | 2017-04-28 | 2017-04-28 | 一种用于变压器内部多局部放电源的分离方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085173B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132428A (zh) * | 2017-11-24 | 2018-06-08 | 国网北京市电力公司 | 局部放电多源分离的方法、装置 |
CN109145762B (zh) * | 2018-07-27 | 2022-02-01 | 西南石油大学 | 一种基于数学形态学和分形理论的电缆附件局部放电识别方法 |
CN109814013A (zh) * | 2019-01-28 | 2019-05-28 | 上海交通大学 | 一种对局部放电进行精确定向的方法及系统 |
CN109752633B (zh) * | 2019-01-28 | 2020-12-04 | 国网山东省电力公司日照供电公司 | 一种对变电站局部放电信号进行定位的方法及系统 |
CN111693828B (zh) * | 2020-05-25 | 2022-01-04 | 国网安徽省电力有限公司亳州供电公司 | 一种基于mle的变电站空间局部放电定位系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645620A (zh) * | 2012-05-17 | 2012-08-22 | 广东电网公司电力科学研究院 | 基于时频特征参数的变电站多源局部放电检测方法及装置 |
CN105137297A (zh) * | 2015-08-21 | 2015-12-09 | 国网浙江省电力公司电力科学研究院 | 变电设备多源局部放电信号的分离方法及装置 |
CN106326918A (zh) * | 2016-08-12 | 2017-01-11 | 国网山东省电力公司滨州供电公司 | 一种变压器局部放电超高频信号多尺度能量特征线性识别方法 |
-
2017
- 2017-04-28 CN CN201710293417.5A patent/CN107085173B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645620A (zh) * | 2012-05-17 | 2012-08-22 | 广东电网公司电力科学研究院 | 基于时频特征参数的变电站多源局部放电检测方法及装置 |
CN105137297A (zh) * | 2015-08-21 | 2015-12-09 | 国网浙江省电力公司电力科学研究院 | 变电设备多源局部放电信号的分离方法及装置 |
CN106326918A (zh) * | 2016-08-12 | 2017-01-11 | 国网山东省电力公司滨州供电公司 | 一种变压器局部放电超高频信号多尺度能量特征线性识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107085173A (zh) | 2017-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085173B (zh) | 一种用于变压器内部多局部放电源的分离方法及系统 | |
CN107451557B (zh) | 基于经验小波变换与局部能量的输电线路短路故障诊断方法 | |
CN110018369B (zh) | 一种基于非侵入式负荷分解的家电智能识别与监测方法 | |
CN104545887B (zh) | 伪差心电波形识别方法和装置 | |
CN109307824B (zh) | 一种基于聚类的配电网单相接地故障区段定位方法 | |
CN110007197B (zh) | 串联电弧故障检测系统及检测方法 | |
CN103197218B (zh) | 一种高压电缆绝缘缺陷局放带电检测诊断方法 | |
Li et al. | A generic waveform abnormality detection method for utility equipment condition monitoring | |
Pinpart et al. | Differentiating between partial discharge sources using envelope comparison of ultra-high-frequency signals | |
CN105223482B (zh) | 局部放电特高频信号波形的小波分解二值去噪方法 | |
CN103499382B (zh) | 一种基于振动数据融合和图像识别的变压器故障诊断方法 | |
CN109406949B (zh) | 基于支持向量机的配电网早期故障检测方法及装置 | |
CN106291275B (zh) | 一种局部放电超高频单次波形频域特征提取及识别方法 | |
CN111381134A (zh) | 一种瓷质绝缘子串红外零值诊断方法及系统 | |
CN105701470A (zh) | 一种基于最优小波包分解的模拟电路故障特征提取方法 | |
Abd Rahman et al. | Autonomous localization of partial discharge sources within large transformer windings | |
CN106770652A (zh) | 基于声波特征的高压变压器健康状态监测装置及监测方法 | |
CN108344922B (zh) | 一种基于相类区分和s变换的输电线路直击雷故障识别方法 | |
CN110703078A (zh) | 基于频谱能量分析与自组织竞争算法的gis故障诊断方法 | |
CN111723684B (zh) | 一种海上风电场内部暂态过电压类型的识别方法 | |
CN112069930A (zh) | 提升gis设备故障诊断准确率的振动信号处理方法及装置 | |
Ferreira et al. | Ultrasound and artificial intelligence applied to the pollution estimation in insulations | |
CN105044566A (zh) | 一种基于特征超高频信号的gis局部放电故障检测方法 | |
CN109541455A (zh) | 一种基于s变换时频谱svd降噪的oltc冲击特性提取方法 | |
CN113379252A (zh) | 基于多尺度排列熵值的贝叶斯网络高压开关柜健康系统评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |