CN109269629A - 基于经验小波变换的特高压并联电抗器振动信号分析方法 - Google Patents
基于经验小波变换的特高压并联电抗器振动信号分析方法 Download PDFInfo
- Publication number
- CN109269629A CN109269629A CN201810878354.4A CN201810878354A CN109269629A CN 109269629 A CN109269629 A CN 109269629A CN 201810878354 A CN201810878354 A CN 201810878354A CN 109269629 A CN109269629 A CN 109269629A
- Authority
- CN
- China
- Prior art keywords
- signal
- high voltage
- vibration
- extra
- reactor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
Abstract
本发明公开一种基于经验小波变换的特高压并联电抗器振动信号分析方法,包括如下步骤:步骤1,在特高压变电站现场安装加速度振动传感器测得来电瞬间的电抗器振动信号;步骤2,对测得的电抗器振动信号进行经验小波变换;步骤3,对得到的每个经验模态分量做Hilbert变换,得到表征原信号幅值和频率特征的时频能量谱图;步骤4,对原振动信号做经验模态分解,将其结果与步骤3做比较,验证经验小波变换在特高压并联电抗器振动信号分析中的有效性。此种方法可有效提取特高压并联电抗器振动信号的特征量,缩短计算时间,提高分析效率。
Description
技术领域
本发明属于电力设备状态检测与故障诊断领域,特别涉及一种基于经验小波变换的特高压并联电抗器振动信号分析方法。
背景技术
近年来,为解决能源分布不均而导致能源中心与负荷中心分布不一致的问题,中国大力发展超、特高压输变电工程。特高压并联电抗器主要用于补偿特高压输电线路的容性无功,改善电压分布,同时对电网质量及输电线路经济、稳定运行起了良好的作用,是远距离输电系统的关键设备。但由于特高压电抗器自身特殊的结构特点,在运行期间,其铁心间产生的电磁力和铁心硅钢片磁致伸缩会产生强烈振动,电抗器的振动不仅产生噪声,造成环境污染,降低了设备的使用寿命,而且极大增加了电网事故发生的概率。为保证特高压输电线路的安全经济运行,开展针对特高压并联电抗器的振动分析和监测具有非常重要的意义。
目前,一般使用能够反映信号瞬时振动特性的时频分析方法来处理机械振动信号。短时傅里叶变换、小波包分解、经验模态分解等时频方法取得了一定的应用。短时傅里叶变换使用形状固定的窗函数,导致其时频分辨率始终不变,不能兼顾信号时间与频率分辨率同时达到最优。小波包分解虽然能表征局部信号特征并在一定程度上解决了短时傅里叶变换的问题,但该方法缺乏自适应性,对信号的分解效果主要依赖于小波基的选择,且提取高频特征量时易存在频率混叠现象。近年来,Huang等提出的基于经验模态分解法(Empirical Mode Decomposition,EMD)的希尔伯特-黄变换广泛应用于对机械振动信号进行时频局部化分析,并取得了较良好的效果。EMD具有完全自适应性,但其缺乏数学理论基础,而且具有端点效应、过包络、欠包络、虚假模态等问题。2013年,法国学者Gilles在小波分析基础上,结合EMD的优势提出了经验小波变换(empirical wavelet transform,EWT)。该方法通过对信号傅里叶谱自适应的分割,在每个区间内构造正交小波滤波器来提取具有紧支撑傅里叶谱的固有模态,对提取出的模态成分进行希尔伯特变换,得到每一个分量的瞬时频率和振幅。EWT是基于小波理论框架的,因此该方法理论充分,能够避免产生模态混叠及虚假模态,从而更有效提取信号特征量。
发明内容
本发明的目的,在于提供一种基于经验小波变换的特高压并联电抗器振动信号分析方法,其可有效提取特高压并联电抗器振动信号的特征量,缩短计算时间,提高分析效率。
为了达成上述目的,本发明的解决方案是:
一种基于经验小波变换的特高压并联电抗器振动信号分析方法,包括如下步骤:
步骤1,在特高压变电站现场安装加速度振动传感器测得来电瞬间的电抗器振动信号;
步骤2,对测得的电抗器振动信号进行经验小波变换;
步骤3,对得到的每个经验模态分量做Hilbert变换,得到表征原信号幅值和频率特征的时频能量谱图;
步骤4,对原振动信号做经验模态分解,将其结果与步骤3做比较,验证经验小波变换在特高压并联电抗器振动信号分析中的有效性。
上述步骤2的具体过程是:设置信号的分解层数N,计算原信号的傅里叶频谱,通过对信号傅里叶频谱自适应的划分将原信号的傅里叶支撑划分成N个连续部分,根据连续部分边界构造正交小波滤波器来提取原信号中具有紧支撑傅里叶谱的固有模态。
上述将原信号的傅里叶支撑划分成N个连续部分,包含检测原信号的傅里叶频谱的局部极大值,并将两个相邻局部极大值的中心位置设为连续部分的边界ωn。
上述步骤3中,对提取出的固有模态成分进行希尔伯特变换,得到每一个分量的瞬时频率和振幅,Hilbert谱以时间-频率-幅值的形式表现在颜色编码图,能量幅值以对数形式表示,颜色越深,则表示能量越大;反之,能量越小。
上述步骤3中,Hilbert变换定义如下:
其中,Hf(t)表示函数f的Hilbert变换,p.v.表示柯西主值。
采用上述方案后,本发明将EWT应用于特高压并联电抗器振动信号分析中,根据仿实测特高压并联电抗器油箱在来电瞬间的振动信号将EWT与EMD这两种方法进行对比分析研究,能够更有效地提取特高压并联电抗器振动信号的特征量,其处理得到的模态成分与原信号所包含的成分数量基本一致,这在一定程度上缩短了计算时间,提高了分析效率;并且本发明可以自适应地设置信号模态分解层数,改善了传统的经验模态分解方法存在的端点效应、模态混叠等现象。
附图说明
图1是上电瞬间振动信号波形图;
图2是信号经EWT处理后的分量图;
图3是信号经EMD处理后的分量图;
图4是上电瞬间振动信号EWT-Hilbert谱;
图5是上电瞬间振动信号EMD-Hilbert谱;
图6是本发明的流程图。
具体实施方式
以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
如图6所示,本发明提供一种基于经验小波变换的特高压并联电抗器振动信号分析方法,包括如下步骤:
步骤1,在特高压变电站现场安装加速度振动传感器测得来电瞬间的电抗器振动信号;
步骤2,对测得的来电瞬间电抗器振动信号进行经验小波变换;具体过程是:设置信号的分解层数N,计算原信号的傅里叶频谱,通过对信号傅里叶频谱自适应的划分将原信号的傅里叶支撑划分成N个连续部分,根据连续部分边界构造正交小波滤波器来提取原信号中具有紧支撑傅里叶谱的固有模态;其中,将原信号的傅里叶支撑划分成N个连续部分,包含检测原信号的傅里叶频谱的局部极大值,并将两个相邻局部极大值的中心位置设为连续部分的边界ωn;
步骤3,对得到的每个经验模态分量做Hilbert变换(希尔伯特变换),得到表征原信号幅值和频率特征的时频能量谱图;其中,对提取出的固有模态成分进行希尔伯特变换,得到每一个分量的瞬时频率和振幅,Hilbert谱以时间-频率-幅值的形式表现在颜色编码图,能量幅值以对数形式表示,颜色越深,则表示能量越大;反之,能量越小;
步骤4,对原振动信号做经验模态分解,将其结果与步骤3做比较,验证经验小波变换在特高压并联电抗器振动信号分析中的有效性。
在盱眙特高压变电站采集1000kV特高压并联电抗器在正常状态下来电瞬间的振动数据,实验过程中将加速度传感器置于电抗器油箱表面靠近铁心柱的位置,采样频率设置为16000Hz,测得的来电瞬间振动信号波形如图1所示。
设置信号分解层数N=5,计算给定信号f(t)的傅里叶频谱f(ω),并根据傅里叶频谱中的信息进行自适应分割。检测信号的傅里叶谱的局部极大值,并将两个相邻局部极大值的中心位置设为连续部分的边界ωn;在确定边界之后,基于Littlewood-Paley小波和Meyer小波的构造思想,尺度函数的傅里叶频谱φn(ω)和经验小波的傅里叶频谱ψn(ω)分别定义如下:
式中β(ω)是一个任意函数,参数β为一个角度因子,一般可取为:
β(ω)=ω4(35-84ω+70ω2-20ω3)
为了得到尺度函数和经验小波的紧支撑频率框架,参数γ应该满足:
基于上述方程,信号f(t)可以分解为:
式中,Wf(0,t)是由信号与尺度函数内积求得的近似系数,Wf(n,t)是由信号与经验小波内积求得的细节系数,FT表示傅里叶变化,IFT表示傅里叶逆变换,*表示卷积算子,<·,·>表示内积,表示复共轭算子,则近似系数和细节系数具体表示为:
希尔伯特变换(Hilbert transform)本质是一个90°相移器。一个函数f的希尔伯特变换如下式所示。
式中,p.v.表示柯西主值。信号经过EWT处理后得到若干个模态函数,对每个模态函数进行希尔伯特变换可以得到显示信号瞬时频率和幅值的Hilbert谱。
对图1分别进行EWT与EMD处理,结果如图2、图3所示。可以明显看出,EMD分解结果中包含了大量冗余模态,只有IMF1、IMF2和IMF3体现了原信号的振动特征信息。相比之下,经EWT处理后产生的模态分量都具有不同的幅值和频率特征,分别对应原振动信号的不同特征信息。
将图2、3所示分量分别进行希尔伯特变换,得到如图4、5所示的时频能量谱图。在EMD时频图中,100Hz及以下低频部分存在严重的模态混叠现象;高频部分反映微弱,存在无规律性的能量分布;并且在0.02s前后,频率分量分布并没有发生变换,不能体现电抗器上电瞬间状态与正常平稳运行这两个不同状态的频率或幅值特征。而在EWT时频图中,两种不同状态得到了明显的区分。由图4清楚可见,在0.02s前,高频分量1600Hz附近存在较为显著的能量分布;在0.02s后,高频分量明显减弱,几近消失,转而以100Hz基频能量分布为主,这清楚地体现了0.02s后电抗器逐渐进入正常运行状态。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种基于经验小波变换的特高压并联电抗器振动信号分析方法,其特征在于包括如下步骤:
步骤1,在特高压变电站现场安装加速度振动传感器测得来电瞬间的电抗器振动信号;
步骤2,对测得的电抗器振动信号进行经验小波变换;
步骤3,对得到的每个经验模态分量做Hilbert变换,得到表征原信号幅值和频率特征的时频能量谱图;
步骤4,对原振动信号做经验模态分解,将其结果与步骤3做比较,验证经验小波变换在特高压并联电抗器振动信号分析中的有效性。
2.如权利要求1所述的基于经验小波变换的特高压并联电抗器振动信号分析方法,其特征在于:所述步骤2的具体过程是:设置信号的分解层数N,计算原信号的傅里叶频谱,通过对信号傅里叶频谱自适应的划分将原信号的傅里叶支撑划分成N个连续部分,根据连续部分边界构造正交小波滤波器来提取原信号中具有紧支撑傅里叶谱的固有模态。
3.如权利要求2所述的基于经验小波变换的特高压并联电抗器振动信号分析方法,其特征在于:所述将原信号的傅里叶支撑划分成N个连续部分,包含检测原信号的傅里叶频谱的局部极大值,并将两个相邻局部极大值的中心位置设为连续部分的边界ωn。
4.如权利要求1所述的基于经验小波变换的特高压并联电抗器振动信号分析方法,其特征在于:所述步骤3中,对提取出的固有模态成分进行希尔伯特变换,得到每一个分量的瞬时频率和振幅,Hilbert谱以时间-频率-幅值的形式表现在颜色编码图,能量幅值以对数形式表示,颜色越深,则表示能量越大;反之,能量越小。
5.如权利要求1所述的基于经验小波变换的特高压并联电抗器振动信号分析方法,其特征在于:所述步骤3中,Hilbert变换定义如下:
其中,Hf(t)表示函数f的Hilbert变换,p.v.表示柯西主值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878354.4A CN109269629A (zh) | 2018-08-03 | 2018-08-03 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878354.4A CN109269629A (zh) | 2018-08-03 | 2018-08-03 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109269629A true CN109269629A (zh) | 2019-01-25 |
Family
ID=65153057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810878354.4A Pending CN109269629A (zh) | 2018-08-03 | 2018-08-03 | 基于经验小波变换的特高压并联电抗器振动信号分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109269629A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109932053A (zh) * | 2019-03-19 | 2019-06-25 | 国网江苏省电力有限公司检修分公司 | 一种用于高压并联电抗器的状态监测装置及方法 |
CN110174167A (zh) * | 2019-05-21 | 2019-08-27 | 国网江苏省电力有限公司检修分公司 | 电抗器振动信号采集系统及振动信号特征频率提取方法 |
CN110186557A (zh) * | 2019-06-05 | 2019-08-30 | 国网江苏省电力有限公司检修分公司 | 一种电抗器故障诊断方法 |
CN111666892A (zh) * | 2020-06-08 | 2020-09-15 | 西南交通大学 | 一种基于经验小波希尔伯特变换的电力机车空转识别方法 |
CN112446329A (zh) * | 2020-11-30 | 2021-03-05 | 广州大学 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070176759A1 (en) * | 2006-02-01 | 2007-08-02 | Zhong Zhang | Abnormality diagnosing method for sound or vibration and abnormality diagnosing apparatus for sound or vibration |
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN107229795A (zh) * | 2017-06-02 | 2017-10-03 | 东北大学 | 一种基于变分模态分解和能量熵的铣削颤振识别方法 |
CN107316653A (zh) * | 2016-04-27 | 2017-11-03 | 南京理工大学 | 一种基于改进的经验小波变换的基频检测方法 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 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 |
CN107491412A (zh) * | 2017-07-10 | 2017-12-19 | 华北电力大学 | 一种基于经验小波变换的用户用电负荷特征提取方法 |
CN107944199A (zh) * | 2017-12-22 | 2018-04-20 | 浙江工业大学 | 一种基于频谱趋势和变分模态分解的齿轮箱故障识别方法 |
-
2018
- 2018-08-03 CN CN201810878354.4A patent/CN109269629A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070176759A1 (en) * | 2006-02-01 | 2007-08-02 | Zhong Zhang | Abnormality diagnosing method for sound or vibration and abnormality diagnosing apparatus for sound or vibration |
CN107316653A (zh) * | 2016-04-27 | 2017-11-03 | 南京理工大学 | 一种基于改进的经验小波变换的基频检测方法 |
CN106568607A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射故障诊断方法 |
CN107229795A (zh) * | 2017-06-02 | 2017-10-03 | 东北大学 | 一种基于变分模态分解和能量熵的铣削颤振识别方法 |
CN107491412A (zh) * | 2017-07-10 | 2017-12-19 | 华北电力大学 | 一种基于经验小波变换的用户用电负荷特征提取方法 |
CN107451557A (zh) * | 2017-07-29 | 2017-12-08 | 吉林化工学院 | 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 |
CN107944199A (zh) * | 2017-12-22 | 2018-04-20 | 浙江工业大学 | 一种基于频谱趋势和变分模态分解的齿轮箱故障识别方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109932053A (zh) * | 2019-03-19 | 2019-06-25 | 国网江苏省电力有限公司检修分公司 | 一种用于高压并联电抗器的状态监测装置及方法 |
CN109932053B (zh) * | 2019-03-19 | 2021-10-08 | 国网江苏省电力有限公司检修分公司 | 一种用于高压并联电抗器的状态监测装置及方法 |
CN110174167A (zh) * | 2019-05-21 | 2019-08-27 | 国网江苏省电力有限公司检修分公司 | 电抗器振动信号采集系统及振动信号特征频率提取方法 |
CN110186557A (zh) * | 2019-06-05 | 2019-08-30 | 国网江苏省电力有限公司检修分公司 | 一种电抗器故障诊断方法 |
CN111666892A (zh) * | 2020-06-08 | 2020-09-15 | 西南交通大学 | 一种基于经验小波希尔伯特变换的电力机车空转识别方法 |
CN112446329A (zh) * | 2020-11-30 | 2021-03-05 | 广州大学 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
CN112446329B (zh) * | 2020-11-30 | 2023-08-08 | 广州大学 | 一种时变结构瞬时频率确定方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109269629A (zh) | 基于经验小波变换的特高压并联电抗器振动信号分析方法 | |
CN102721465B (zh) | 电力变压器铁芯松动故障诊断与故障初步定位系统及方法 | |
CN114019309B (zh) | 一种基于频域反射技术的电缆缺陷定位方法 | |
Xie et al. | Improved synchrophasor measurement to capture sub/super‐synchronous dynamics in power systems with renewable generation | |
Zeng et al. | Parameter estimation of power system signals based on cosine self-convolution window with desirable side-lobe behaviors | |
CN110095650A (zh) | 基于五项Rife-Vincent(I)窗的四谱线插值FFT的复杂谐波检测分析方法 | |
CN101980451A (zh) | 基于时段自适应的电力线工频通信系统及方法 | |
CN202734953U (zh) | 电力变压器铁芯松动故障诊断装置 | |
CN108169540A (zh) | 一种风力发电机组电压闪变的测量方法 | |
CN105137181A (zh) | 基于Nuttall-Kaiser组合窗双谱线插值的谐波分析方法 | |
CN112630527A (zh) | 基于经验小波变换的畸变信号电量计量方法 | |
CN115639500B (zh) | 基于变频脉冲频率调制激励的电缆检测系统及识别方法 | |
Shuyou et al. | Extracting power transformer vibration features by a time-scale-frequency analysis method | |
Huang et al. | Upper sweeping frequency selection for cable defect location based on STFT | |
CN110646669A (zh) | 一种基于变频带聚合的超高次谐波量化方法及装置 | |
Huang et al. | Detection and location of power quality disturbances based on mathematical morphology and Hilbert-Huang transform | |
Gu | Wavelet threshold de-noising of power quality signals | |
CN105044457B (zh) | 一种抗噪声的电力系统谐波检测方法 | |
Tang et al. | Investigation of suppressing PD white noise by compound information of complex wavelet transform | |
Hongtu et al. | Compression and realization of power quality disturbance data based on wavelet analysis | |
Yu et al. | Energy efficiency design for generator slot wedge inspection based on compressive sensing | |
CN105300585B (zh) | 一种基于励磁电流的电力变压器绕组轴向预紧力监测方法 | |
Wu et al. | Vibration features extraction of power transformer using an time-scale-frequency analysis method based on WPT and HHT | |
Zhao et al. | Analysis of Real-time Noise Signal Characteristics of Power Transformer Based on All-phase Fast Fourier Transform | |
CN114924157B (zh) | 一种基于5g传输的并联电抗器状态监测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190125 |