gaf处理一维故障信号_湖南大学 孙秋芹 等:考虑电磁模特性的GIS特高频局放信号识别方法...

本文介绍了一种考虑电磁模特性的GIS特高频局部放电(PD)信号识别方法。通过引入TEm1模截止频率分割时频分布图,提取矩特征参数,使用PSO-ELM分类器实现高识别准确率。研究显示,这种方法能有效提高四类放电类型的识别效果。
摘要由CSDN通过智能技术生成
关注高电压技术,关注学科发展READING文章导读

《Identification of ultra-high-frequency PD signals in gas-insulated switchgear based on moment features considering electromagnetic mode》

题目:考虑电磁模特性的GIS特高频局放信号识别方法

作者:宾峰、汪沨、孙秋芹*、陈赦、范竞敏、叶会生


内容整理自《High Voltage》2020年第5卷第6期

bce4fc0e2f878963c07a38194eac7f50.png研究背景

已有大量文献研究了电磁波在GIS内传播时幅值和能量等参数的变化特点。例如,TEM模的所有频率成分都能在GIS中传播,但高阶模有相应的截止频率,只有大于该截止频率的成分才能传播;当电磁波通过支撑绝缘子时,信号幅值的衰减主要归因于叠加的TE模和TM模成分减少了。可以发现,UHF信号在GIS中的传播特性与电磁模密切相关。基于此,本文引入TEm1模截止频率作为PD UHF信号时频分布图的分割依据,这种分割方法既考虑了UHF信号在GIS内的特殊传播环境又增强了图像特征的空间分布信息,可以提高GIS绝缘缺陷类型的识别准确率。

bce4fc0e2f878963c07a38194eac7f50.pngPD UHF信号识别流程

本文对单一绝缘缺陷激发的PD UHF信号进行信号预处理、特征参数提取和选择、分类器分类等操作,最终判断出PD信号类型。该过程包括:小波阈值去噪、S变换、时频分布图分割、灰度图矩特征参数提取、基于J准则的特征参数选择和PSO-ELM识别,其流程图如图1所示。

1337e7919623e7eadae44f2eef90a598.png

图1 PD UHF信号识别流程图

bce4fc0e2f878963c07a38194eac7f50.pngPD UHF信号时频分析

     PD UHF信号属于非平稳信号,单一的时域或者频域描述不能完整表征放电波形信息,而信号的时频分布可以将时域和频域有机结合起来。S变换将一维的时域信号映射至二维时频域内,反映出UHF信号频率随时间变化的局部特征。四种UHF信号时频分布图如图2所示。

881ce5fdc431f7183e3761924ba35a25.png

(a)尖端放电       (b)悬浮放电

9520b437e0cd954d0f8eb451f5114584.png

(c)自由金属微粒放电       (d)气隙放电

图2 时频分布图

bce4fc0e2f878963c07a38194eac7f50.pngPD UHF信号时频分布图分割

根据TEm1模的截止频率将图2的时频分布图分割为5个矩形区域,分割点分别在纵坐标的479MHz,891MHz,1249MHz,1586MHz和2GHz,如图3所示。在0~479MHz区域范围内,只存在TEM模;在479~891MHz区域范围内,存在TEM模和TE11模;在891~1249MHz区域范围内,存在TEM模、TE11模和TE21模;在1249~1586MHz区域范围内,存在TEM模、TE11模、TE21模和TE31模;在1586MHz~2GHz区域范围内,主要存在TEM模、TE11模、TE21模、TE31模和TE41模。

4a3a9c60770ff4adcc83a55978164fd8.png

图3 基于TE模截止频率的图像分割

bce4fc0e2f878963c07a38194eac7f50.pngPD UHF信号特征选择和分类

    图4显示了所有矩特征参数的值。值大于0.2的前6个特征分别是371ee6db95bf07c972cb578ea33fc923.pngeb1f7e637d32331b45e6d29407ccf850.png07df583559e4fb34f73bc5e11fe5ad48.png,其散点图绘制在图5。经反复试验,选择该6个矩特征作为后续分类器的输入为最佳。

8e4c2794f47fe5bb4a60bd2ead538021.png

图4 15个矩特征的J

6944d98eeb295c4b0463c44db6656ed0.png

(a) σ 2 ,σ 4σ       (b) s 2 ,s 4s 5

图5 被选择的六个矩特征散点图

表1对比了三种分类器的性能,包括训练准确率、测试准确率和计算时间。所有的计算均基于Windows 7系统中MATLAB 2018a软件版本,计算机的中央处理器型号为i5-6500,主频为3.2GHz,内存为16GB。图6绘制了基于整幅灰度图的三个低阶矩的散点图,可以明显看到,该图不同类型的散点更加混淆,不易区分。

表1 三种分类器的性能对比

f9ae2760ebaa5cd244a76b99609fd9c7.png

8fa87ba645e9396510ccd70dc86f6402.png

图6 基于整幅灰度图的三个低阶矩的散点图

bce4fc0e2f878963c07a38194eac7f50.png结论

    以具有最大类间类内散度比的六个矩特征作为ELM、SVM和KNN的输入量,三个分类器的测试准确率分别高达95%、92.5%和88%;另外,与基于整幅灰度图的三个低阶矩的测试准确率相比,三个分类器基于灰度图分割后的矩特征的准确率分别提高了27%、28%和37%。结果表明本文计及电磁模的六个矩特征对提高四类放电的识别率有明显的优越性。

引用格式:

Feng Bin,Feng Wang, Qiuqin Sun,She Che,Jingmin Fan, Huisheng Ye.Identification of ultra-high-frequency PD signals in gas-insulated switchgear based on moment features considering electromagnetic mode,High Volt.,vol. 5.no 6,Dec.2020: 688-696.

8e755935c83d0cb1df388a5039769167.gif作者及团队简介

cfb50fa363fe97222b401ff1913aab91.png

    本文通讯作者:孙秋芹,湖南大学电气与信息工程学院副教授,博士生导师。主要从事电力系统过电压、气体放电等领域的研究工作。累计发表高水平期刊论文约六十篇,其中国际SCI期刊论文近40篇,申请专利20余项。担任IEEE T. DEI等近二十个国内外权威期刊审稿人。近年来主持国家自然科学基金,湖南省自然科学基金、企业委托项目等十余项,曾获得中国电工技术学会、新疆乌鲁木齐自治区科技进步奖;获得国内外学会会议优秀论文奖3次。

79a17ad94f0bcec7a579386a288e5e06.png

    第一作者:宾峰,湖南通大学电气与信息工程学院博士研究生,研究方向为电力设备在线监测与故障诊断。发表SCI论文5篇。

    湖南大学汪沨教授带领的高电压与气体放电团队,现有教授1人、副教授3人、助理教授1人。长期致力于气体电介质绝缘特性、电力设备在线监测与故障诊断、气体放电理论及应用、智能配电网等领域的技术研究。在国内率先开展了GIS绝缘子表面电荷积聚方面的分析,建立了直流及冲击电压下绝缘子表面电荷积聚动态模型。近3年来团队主持国家级科研项目4项,多项研究成果应用于湖南电网、新疆电网和南方电网工程。

- 【 END 】 -

编辑:张奥佳

传播知识 · 分享成果 · 交流经验

声明:本文为原创作品,所涉文字及图片版权均属《高电压技术》编辑部所有,根据国家版权局最新规定,纸媒、网站、微信公众号转载、摘编我编辑部的作品,务必请提前联系我编辑部。个人请按本微信原文转发、分享。

联系我们

9bbde63887de5f981d65b5723d0bfc4a.png

d6f7b08802e2d50bbf47e1941fa83847.png

点击关注了解更多精彩内容!!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值