CN112327115A - 采用时频域波形主分量的局部放电脉冲特征参数提取方法 - Google Patents
采用时频域波形主分量的局部放电脉冲特征参数提取方法 Download PDFInfo
- Publication number
- CN112327115A CN112327115A CN202011200046.XA CN202011200046A CN112327115A CN 112327115 A CN112327115 A CN 112327115A CN 202011200046 A CN202011200046 A CN 202011200046A CN 112327115 A CN112327115 A CN 112327115A
- Authority
- CN
- China
- Prior art keywords
- pulse
- pca
- waveform
- time
- frequency domain
- 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
- 238000000605 extraction Methods 0.000 title abstract description 17
- 238000000513 principal component analysis Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 30
- 101100353526 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) pca-2 gene Proteins 0.000 claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 108091033411 PCA3 Proteins 0.000 claims abstract description 14
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
Abstract
本发明涉及一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，该方法采用脉冲电流宽带检测法采集获取的脉冲波形‑时间序列数据，基于主成分分析算法PCA对脉冲电流波形‑时间序列对应的脉冲或脉冲群时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图(PCA‑1,PCA‑2)和3D空间(PCA‑1,PCA‑2,PCA‑3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。与现有技术相比，本发明具有计算方法简单，计算效率高等优点。
Description
技术领域
本发明涉及一种局部放电脉冲特征参数提取方法，尤其是涉及一种采用时频域波形主分量的局部放电脉冲特征参数提取方法。
背景技术
对电力设备比如高压电缆、变压器类设备绝缘的局部放电(partial discharge,PD)进行在线监测、带电检测或离线耐压诊断试验时，基于PD脉冲峰值-时间序列的传统检测系统对于存在多PD源(包含两个)或异常干扰噪声源时，若信号源频谱重叠，其获取的数据将是随机混叠的峰值-时间/相位序列，相应的放电谱图也是随机混叠的，使得利用单一缺陷模型数据库构造的诊断系统无法给出准确分析和判断结果。针对上述工况，国外意大利Bologna大学于2002年开始、国内西安交通大学则于2008年开始，相继提出了基于宽带检测的多PD源检测技术。即将传统的脉冲峰值-时间序列检测改为脉冲波形-时间序列检测，即记录单个PD脉冲波形及其获取时间点(相位)；使用某种“方法”将获取的混合原始脉冲群进行快速分类，并将具有相似性脉冲组成的各子类脉冲群转换成峰值-时间序列，然后再按传统的PRPD放电谱图进行数据处理。这样，该系统不仅解决了峰值-时间序列的混叠问题，而且可以对存在干扰的多PD源进行检测和识别。
上述使用某种“方法”将获取的混合原始脉冲群进行快速分类是该技术实施的关键，其分为2部分：1)是脉冲波形特征参数提取方法；2)是被检测的脉冲群基于1)提取结果在2D平面或3D空间中甚至高维空间中分布显示，利用无监督聚类分析等手段实现混合原始脉冲群分离形成各自具有相似特征即“自聚类”的子脉冲群，从而实现多PD源以及噪声源的分离。可见，第1)部分即脉冲波形特征参数提取方法是核心，也是后续能否聚类分析实施的基础。目前，常见的用于PD检测的脉冲特征参数提取方法是等效时频法。但是等效时频法的主要工作参数等效时长T和等效频率F，当脉冲波形由于受传输路径调制，在较为相似的工况下，在等效时频面(T，F)在可能无法有效分离两个脉冲群，无法实现多PD源以及噪声源的分离。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种采用时频域波形主分量的局部放电脉冲特征参数提取方法。
本发明的目的可以通过以下技术方案来实现：
一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，该方法采用脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据，基于主成分分析算法PCA对脉冲电流波形-时间序列对应的脉冲或脉冲群时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。
优选地，所述的方法具体包括以下步骤：
步骤1，基于PD脉冲电流宽带检测系统，对试品进行试验获取脉冲电流波形-时间序列数据，即脉冲或脉冲群时域波形；
步骤2，对脉冲或脉冲群包含的所有时域波形进行离散快速傅里叶变换，形成对应的脉冲或脉冲群频域波形；
步骤3，对脉冲或脉冲群包含的所有时域波形进行主成分分析，提取特征向量最大值作为主分量a1；
步骤4，对脉冲或脉冲群对应的所有频域波形进行主成分分析，提取特征向量最大值作为主分量a2；
步骤5，脉冲或脉冲群时域波形的特征参数主分量a1和脉冲或脉冲群频域波形的特征参数主分量a2组成特征参数显示的2D平面(PCA-1,PCA-2)，a1、a2和a3组成特征参数显示的3D空间(PCA-1,PCA-2,PCA-3)，其中a3＝a2*a1。
优选地，基于脉冲波形触发技术记录单个时域波形和对应触发时刻的脉冲波形-时间序列Pt(i,j)定义如下：
式中：j为第j个脉冲波形；
tj为第j个脉冲波形出现时间；
k为每个脉冲波形由k个点组成；
pi为脉冲波形第i个点对应的幅值；
Δt(i-1)为脉冲波形第i个点对应的时间。
优选地，所述的离散快速傅里叶变换，具体为：
式中：X(m)——第m个DFT输出值，m＝0,1,...,i/2；
x(i)——第i个采样输入点。
优选地，所述的频域波形Pf(i,j)定义如下：
Pf(i,j)＝DFT(Pt(i,j)) (3)。
优选地，所述的主成分分析具体如下：
式中：x为由k个点组成波形，即数据序列；
x'为数据序列x的幅值归一化；
X为数据序列x的k阶协方差矩阵；
v为矩阵X的特征向量；
λ为矩阵X的特征值；
a为特征值λ的最大值。
优选地，所述的数据序列为时域波形或频域波形
优选地，所述的a对x进行主成分分析后的主分量。
优选地，所述的a1具体计算如下：
a1＝PCA(Pt) (5)。
优选地，所述的a2和a3具体计算如下：
a2＝PCA(Pf) (6)
a3＝PCA(Pt)*PCA(Pf) (7)。
与现有技术相比，本发明具有以下优点：
1)本发明使用脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据，基于主成分分析(PCA)算法对脉冲电流波形-时间序列对应的脉冲(群)时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图和3D空间，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。
2)本发明利用主分量作为参数不依赖于波形时频特性。
3)本发明采用时频域波形主分量的局部放电脉冲特征参数提取方法，计算方法简单，计算效率高，能够用于脉冲群的快速特征提取。
附图说明
图1为本发明一较佳实施例的主要模块方框图；
图2为本发明方法应用对象即宽频检测获取的4种典型脉冲波形时域和频域图，其中a1为P1脉冲(PD)源对应的典型时域波形图，a2为P1脉冲(PD)源对应的典型频域波形图，b1为P2脉冲(PD)源对应的典型时域波形图，b2为P2脉冲(PD)源对应的典型频域波形图，c1为P3脉冲(随机噪声)源对应的典型时域波形图，c2为P3脉冲(随机噪声)源对应的典型频域波形图，d1为P4脉冲(随机噪声)源对应的典型时域波形图，d2为P4脉冲(随机噪声)源对应的典型频域波形图。
图3为本发明方法对图2对应脉冲群进行处理形成的特征参数主分量分布2D平面(PCA-1,PCA-2)。
图4为本发明方法对图2对应脉冲群进行处理形成的特征参数主分量分布3D空间(PCA-1,PCA-2,PCA-3)。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
本发明力图从实际应用出发，提出一种采用时频域波形主分量的局部放电脉冲特征参数提取方法。即对使用脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据，基于主成分分析(PCA)算法对脉冲电流波形-时间序列对应的脉冲(群)时域和频域波形进行主分量特征参数提取，形成特征参数2D平图(PCA-1,PCA-2)或特征参数3D空间(PCA-1,PCA-2,PCA-3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。图1为本发明一较佳实施例的主要模块方框图。宽带测量数据的典型脉冲波形时域和频域图见附图2。采用时频域波形主分量的局部放电脉冲特征参数提取方法对含有附图2典型波形组成的混合脉冲群进行特征参数提取，形成特征参数分布2D平面(PCA-1,PCA-2)和特征参数分布3D空间(PCA-1,PCA-2,PCA-3)，见图3和图4。由于同一PD源或同一干扰源产生的脉冲群在时域和频域波形上具有自相似性，特征参数分布2D平面(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)具有类聚性质，使用无监督聚类分析即可实现原始混合脉冲群的快速分类，从而实现多PD源以及噪声源的分离。
本发明提供了一种采用时频域波形主分量的局部放电脉冲特征参数提取方法。即对使用脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据，基于主成分分析(PCA)算法对脉冲电流波形-时间序列对应的脉冲(群)时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。
如图1所示，包括：脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据即脉冲(群)时域波形、离散快速傅里叶变换(DFT)模块、对脉冲(群)时域波形开展DFT形成对应的脉冲(群)频域波形、主成分分析(PCA)算法模块、PCA算法模块对脉冲(群)时域和频域波形进行变换形成的3个主分量参数a1、a2和a3＝a1*a2、由2D平面(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)组成的特征参数显示模块组成。
所述的脉冲(群)时域波形，脉冲电流宽带检测法(100MS/s及以上采样率)采集获取的脉冲波形-时间序列数据，由基于脉冲波形触发技术记录单个时域波形和对应触发时刻的脉冲波形-时间序列Pt(i,j)定义如下：
式中：j——第j个脉冲波形；
tj——第j个脉冲波形出现时间(μs,采集时刻)；
k——每个脉冲波形由k个点组成；
pi——脉冲波形第i个点对应的幅值(mV)；
Δt(i-1)——脉冲波形第i个点对应的时间(ns，Δt为采样时间间隔)。
所述的离散快速傅里叶变换(DFT)，算法定义如下：
式中：X(m)——第m个DFT输出值，m＝0,1,...,i/2；
x(i)——第i个采样输入点。
所述的脉冲(群)频域波形Pf(i,j)，波形定义如下：
Pf(m,j)＝DFT(Pt(i,j))
所述的主成分分析(PCA)，算法定义如下：
a1＝PCA(Pt)
a2＝PCA(Pf)
a3＝PCA(Pt)*PCA(Pf)
式中：x——由k个点组成波形即数据序列(可以是时域波形，也可以是频域波形)；
x'——数据序列x的幅值归一化；
X——数据序列x的k阶协方差矩阵；
v——矩阵X的特征向量；
λ——矩阵X的特征值；
a——特征值λ的最大值，即对x进行主成分分析(PCA)后的的主分量。
模块之间联接关系：离散快速傅里叶变换模块(DFT)对脉冲(群)时域波形进行变换形成对应的脉冲(群)频域波形，主成分分析(PCA)模块对脉冲(群)时域和频域波形进行变换形成的2个主分量参数a1和a2，脉冲(群)时域波形的主分量参数a1和脉冲(群)频域波形的主分量参数a2组成特征参数显示模块的2D平面(PCA-1,PCA-2)，a1、a2和a3组成特征参数显示模块的3D空间(PCA-1,PCA-2,PCA-3)，其中a3＝a2*a1。
本发明采用时频域波形主分量的局部放电脉冲特征参数提取方法，包括以下步骤：
步骤1，基于PD脉冲电流宽带检测系统，对试品进行试验获取脉冲电流波形-时间序列数据，即脉冲(群)时域波形；
步骤2，对脉冲(群)包含的所有时域波形进行离散快速傅里叶变换，形成对应的脉冲(群)频域波形；
步骤3，对脉冲(群)包含的所有时域波形进行主成分分析，提取特征向量最大值作为主分量a1；
步骤4，对脉冲(群)对应的所有频域波形进行主成分分析，提取特征向量最大值作为主分量a2；
步骤5，脉冲(群)时域波形的特征参数主分量a1和脉冲(群)频域波形的特征参数主分量a2组成特征参数显示的2D平面(PCA-1,PCA-2)，a1、a2和a3组成特征参数显示的3D空间(PCA-1,PCA-2,PCA-3)，其中a3＝a2*a1。
对图2所示4种典型脉冲组成的混合脉冲群，采用时频域波形主分量的局部放电脉冲特征参数提取方法，形成的主分量特征参数2D平面(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)如图3和图4所示，不同脉冲群的聚类性表征明显，为后续原始混合脉冲群进行快速分类提供了可执行数据源。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，该方法采用脉冲电流宽带检测法采集获取的脉冲波形-时间序列数据，基于主成分分析算法PCA对脉冲电流波形-时间序列对应的脉冲或脉冲群时域和频域波形进行主分量特征参数提取，形成主分量分布2D平图(PCA-1,PCA-2)和3D空间(PCA-1,PCA-2,PCA-3)，从而为脉冲群进行快速分类提供直观数据展示和可执行数据源。
2.根据权利要求1所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的方法具体包括以下步骤：
步骤1，基于PD脉冲电流宽带检测系统，对试品进行试验获取脉冲电流波形-时间序列数据，即脉冲或脉冲群时域波形；
步骤2，对脉冲或脉冲群包含的所有时域波形进行离散快速傅里叶变换，形成对应的脉冲或脉冲群频域波形；
步骤3，对脉冲或脉冲群包含的所有时域波形进行主成分分析，提取特征向量最大值作为主分量a1；
步骤4，对脉冲或脉冲群对应的所有频域波形进行主成分分析，提取特征向量最大值作为主分量a2；
步骤5，脉冲或脉冲群时域波形的特征参数主分量a1和脉冲或脉冲群频域波形的特征参数主分量a2组成特征参数显示的2D平面(PCA-1,PCA-2)，a1、a2和a3组成特征参数显示的3D空间(PCA-1,PCA-2,PCA-3)，其中a3＝a2*a1。
3.根据权利要求2所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，基于脉冲波形触发技术记录单个时域波形和对应触发时刻的脉冲波形-时间序列Pt(i,j)定义如下：
式中：j为第j个脉冲波形；
tj为第j个脉冲波形出现时间；
k为每个脉冲波形由k个点组成；
pi为脉冲波形第i个点对应的幅值；
Δt(i-1)为脉冲波形第i个点对应的时间。
4.根据权利要求3所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的离散快速傅里叶变换，具体为：
式中：X(m)——第m个DFT输出值，m＝0,1,...,i/2；
x(i)——第i个采样输入点。
5.根据权利要求3所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的频域波形Pf(i,j)定义如下：
Pf(i,j)＝DFT(Pt(i,j)) (3)。
6.根据权利要求3所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的主成分分析具体如下：
式中：x为由k个点组成波形，即数据序列；
x'为数据序列x的幅值归一化；
X为数据序列x的k阶协方差矩阵；
v为矩阵X的特征向量；
λ为矩阵X的特征值；
a为特征值λ的最大值。
7.根据权利要求6所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的数据序列为时域波形或频域波形。
8.根据权利要求6所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的a对x进行主成分分析后的主分量。
9.根据权利要求6所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的a1具体计算如下：
a1＝PCA(Pt) (5)。
10.根据权利要求6所述的一种采用时频域波形主分量的局部放电脉冲特征参数提取方法，其特征在于，所述的a2和a3具体计算如下：
a2＝PCA(Pf) (6)
a3＝PCA(Pt)*PCA(Pf) (7)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011200046.XA CN112327115A (zh) | 2020-10-30 | 2020-10-30 | 采用时频域波形主分量的局部放电脉冲特征参数提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011200046.XA CN112327115A (zh) | 2020-10-30 | 2020-10-30 | 采用时频域波形主分量的局部放电脉冲特征参数提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112327115A true CN112327115A (zh) | 2021-02-05 |
Family
ID=74323973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011200046.XA Pending CN112327115A (zh) | 2020-10-30 | 2020-10-30 | 采用时频域波形主分量的局部放电脉冲特征参数提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112327115A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628917A (zh) * | 2012-04-25 | 2012-08-08 | 广州供电局有限公司 | 局部放电识别方法和系统 |
| CN106443379A (zh) * | 2016-09-22 | 2017-02-22 | 广州供电局有限公司 | 变压器局部放电故障类型的识别方法和装置 |
| CN110045236A (zh) * | 2019-04-08 | 2019-07-23 | 国网上海市电力公司 | 基于核主元分析优化的变压器状态参量数据预测方法及系统 |
| CN110533064A (zh) * | 2019-07-17 | 2019-12-03 | 西安西电开关电气有限公司 | 一种gis设备的局部放电图谱模式识别方法和系统 |
-
2020
- 2020-10-30 CN CN202011200046.XA patent/CN112327115A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102628917A (zh) * | 2012-04-25 | 2012-08-08 | 广州供电局有限公司 | 局部放电识别方法和系统 |
| CN106443379A (zh) * | 2016-09-22 | 2017-02-22 | 广州供电局有限公司 | 变压器局部放电故障类型的识别方法和装置 |
| CN110045236A (zh) * | 2019-04-08 | 2019-07-23 | 国网上海市电力公司 | 基于核主元分析优化的变压器状态参量数据预测方法及系统 |
| CN110533064A (zh) * | 2019-07-17 | 2019-12-03 | 西安西电开关电气有限公司 | 一种gis设备的局部放电图谱模式识别方法和系统 |
Non-Patent Citations (6)
| Title |
|---|
| HAIKUN SHANG等: "PD feature extraction based on cross-wavelet transform and PCA", 《2017 3RD IEEE INTERNATIONAL CONFERENCE ON CONTROL SCIENCE AND SYSTEMS ENGINEERING (ICCSSE)》 * |
| 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》 * |
| 廖瑞金等: "基于S变换和双向二维主成分分析的局部放电模式识别", 《重庆大学学报》 * |
| 王世强等: "基于特征参量优选与多算法联合的局部放电模式识别方法", 《高压电器》 * |
| 王绥瑜等: "超高频PD时频域幅值三维矢量相关谱图构建和应用", 《高压电器》 * |
| 田妍等: "基于时频分布图像纹理特征的局部放电特高频信号的特征参数提取方法", 《高压电器》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pinpart et al. | Differentiating between partial discharge sources using envelope comparison of ultra-high-frequency signals | |
| Contin et al. | Classification and separation of partial discharge signals by means of their auto-correlation function evaluation | |
| Firuzi et al. | A novel method for differentiating and clustering multiple partial discharge sources using S transform and bag of words feature | |
| CN105044566B (zh) | 一种基于特征超高频信号的gis局部放电故障检测方法 | |
| Allahbakhshi et al. | A method for discriminating original pulses in online partial discharge measurement | |
| CN108693448B (zh) | 一种应用于电力设备局部放电模式识别系统 | |
| WO2016065959A1 (zh) | 中性点不接地的10kV系统中铁磁谐振的诊断方法 | |
| Mor et al. | Automatic partial discharge recognition using the cross wavelet transform in high voltage cable joint measuring systems using two opposite polarity sensors | |
| Chan et al. | Automatic blind equalization and thresholding for partial discharge measurement in power transformer | |
| Jing et al. | An intelligent recognition method of a short-gap arc in aviation cables based on feature weight enhancement | |
| CN110764027B (zh) | 基于频谱特征变化的电连接器发生间歇故障诊断方法 | |
| CN113988130A (zh) | 一种脉冲电流波形双时双频参数提取方法及系统 | |
| CN112327115A (zh) | 采用时频域波形主分量的局部放电脉冲特征参数提取方法 | |
| Boettcher et al. | Algorithms for a multi-sensor partial discharge expert system applied to medium voltage cable connectors | |
| Álvarez et al. | Classification of partial discharge sources by the characterization of the pulses waveform | |
| Kumar et al. | Classification of PD faults using features extraction and K-means clustering techniques | |
| CN112257640A (zh) | 基于Hibert变换和信息熵的脉冲特征参数提取方法 | |
| Asman et al. | Fault signature analysis for medium voltage overhead line based on new characteristic indices | |
| CN114091593A (zh) | 一种基于多尺度特征融合的网络级电弧故障诊断方法 | |
| Hao et al. | Identification of multiple partial discharge sources | |
| CN110703080A (zh) | 一种gis尖刺放电诊断方法、放电程度识别方法及装置 | |
| Piccin et al. | Partial discharge analysis and monitoring in HVDC gas insulated substations | |
| Uriel et al. | A new feature space for partial discharge signal separation based on DWT coefficient variance | |
| Wang et al. | Partial Discharge Pattern Recognition Based on Multiscale Features of Original Time Domain Signals | |
| Happe et al. | Real-time suppression of stochastic pulse shaped noise for on-site PD measurements |
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: 20210205 |