本文選題：局部放電　切入點(diǎn)：去噪　出處：《中國(guó)礦業(yè)大學(xué)》2014年碩士論文

【摘要】：堅(jiān)強(qiáng)智能電網(wǎng)的快速發(fā)展對(duì)電力變壓器等電氣設(shè)備安全可靠性提出更高要求。局部放電（PD）是電力變壓器絕緣劣化的主要原因和早期表現(xiàn)形式，PD在線監(jiān)測(cè)對(duì)變壓器故障診斷和實(shí)時(shí)狀態(tài)評(píng)估有重要意義。數(shù)字去噪和特征量提取是PD在線監(jiān)測(cè)的兩個(gè)關(guān)鍵環(huán)節(jié)。本文圍繞PD信號(hào)去噪和特征量提取方法主要做了如下工作： 首先，，根據(jù)CIGRE MethodⅡ標(biāo)準(zhǔn)和電力變壓器絕緣結(jié)構(gòu)常見缺陷制作了針板放電、固體氣隙放電和沿面放電三種缺陷模型。在實(shí)驗(yàn)室完成了空氣中電暈放電、沿面放電、氣隙放電和油中氣隙放電四種PD類型實(shí)驗(yàn)，采用脈沖電流法測(cè)得大量實(shí)驗(yàn)數(shù)據(jù)。 其次，在詳細(xì)分析經(jīng)驗(yàn)?zāi)B(tài)分解（EMD）和自相關(guān)函數(shù)基礎(chǔ)上，利用PD信號(hào)和白噪聲在自相關(guān)函數(shù)上的顯著差異，提出了一種基于自相關(guān)函數(shù)的時(shí)空去噪方法，并在此基礎(chǔ)上結(jié)合閾值去噪方法，設(shè)計(jì)了一種EMD去噪方法。由仿真結(jié)果和評(píng)價(jià)參數(shù)可知：該去噪方法較小波去噪方法去噪更徹底，波形畸變更小。對(duì)實(shí)測(cè)PD信號(hào)做EMD去噪處理，結(jié)果顯示該去噪方法的去噪效果良好。 最后，在分析奇異值分解（SVD）理論的基礎(chǔ)上，提出了EMD-SVD的PD信號(hào)特征量提取方法。利用BP神經(jīng)網(wǎng)絡(luò)作為分類器，分別用奇異值和三維表列數(shù)據(jù)兩種特征量對(duì)4種典型PD信號(hào)做模式識(shí)別。通過(guò)比較可知：兩種特征量識(shí)別效果良好且可靠率相當(dāng)，但奇異值特征量個(gè)數(shù)少且分類時(shí)間短，說(shuō)明奇異值特征量在減輕分類器復(fù)雜程度和識(shí)別實(shí)時(shí)性方面有更加突出優(yōu)勢(shì)。
[Abstract]:The rapid development of strong smart grid demands higher safety and reliability of electrical equipment such as power transformer.Partial discharge PD (PD) is the main cause and early manifestation of insulation deterioration of power transformer. PD on-line monitoring is of great significance for transformer fault diagnosis and real-time state evaluation.Digital denoising and feature extraction are two key links of PD online monitoring.In this paper, the main work of PD signal denoising and feature extraction methods is as follows:Firstly, according to the CIGRE Method 鈪

本文編號(hào)：1726051