论文部分内容阅读
变压器的绝缘介质会因其表面或内部局部场强过高而产生局部击穿,即发生局部放电现象。局部放电在线监测技术对变压器内部绝缘状态进行及时诊断,对电力系统安全稳定运行具有重要意义,消除测量现场的各种干扰是该技术的难题之一。在国内外局部放电信号干扰抑制技术发展基础上,分析了测量现场不同类型、不同噪声强度下的干扰信号特性后,本文对小波(包)变换、变分模态分解等抑制噪声干扰技术以及变压器的寿命状态识别进行了系统研究。(1)不同方法的局部放电信号干扰抑制。本文采用4种去噪算法进行超高频局部放电信号预处理。算法一:基于熵阈值法的小波变换局部放电信号去噪;算法二:基于熵阈值法的小波包变换局部放电信号去噪;算法三:提出基于熵阈值法的变分模态分解(VMD)局放信号去噪方法;算法四:提出基于峭度-近似熵的变分模态分解(VMD)局放信号去噪。在不同强度的白噪、周期性窄带以及两者混合型噪声下,设计实验评估四种算法去噪效果。利用输出信噪比(SNR)、均方根误差(RMSE)、信号失真率(SDR)以及噪声抑制比(NRR)作为算法性能评价指标。仿真和实测处理结果发现,4种算法去噪效果均优于传统EMD方法;算法一和算法二的去噪效果均优于传统的小波(包)阈值去噪结果;相比于算法一和算法二,本文提出的算法三和算法四的去噪效果略差,但其运行时间短、参数少且能实现自适应调节,算法更具鲁棒性。此外,算法三和算法四的去噪效果相似,但算法三的运行时间更短。(2)基于SVM的变压器寿命状态识别。现场采集不同时间段的局放数据,基于算法三进行预处理。对局部放电信号进行多模态分解,计算不同分量对应的样本熵,并构造了特征向量集。在Libsvm3 21环境中构造一对一的SVM分类器,采用遗传算法优化SVM的两个参数,实现了 3类状态识别,准确率为79.1667%。