GIS局部放电小波去噪与模式识别的研究

GIS是电力系统重要设备之一，其主要故障是内部绝缘劣化。局部放电信号的测量为GIS内部绝缘的整体情况提供了重要的信息。局部放电检测包括局放信号的测量、外界干扰的抑制、谱图分析、特征提取、识别分类等几部分。 本文采用超声波方法，利用外置传感器检测从GIS内部泄漏出来的超声信号并进行处理以判断其内部是否有放电发生。文中给出了传感器的选取、无源滤波器的设计、DSP使用流程和串口通信设置等。 信号中噪音的存在局限了故障诊断的准确性。这一局限性会导致不能及时采取适当的补救措施，从而致使GIS的绝缘状况进一步恶化甚至击穿。针对小信号检测中出现的背景噪声问题，本文使用小波分析阈值法对信号进行处理。与传统方法相比，小波分析是一种时一频域分析方法，具有多分辨特性。这种特性对非平稳信号反应敏感，易检测出奇异信号。该方法实用有效，且比较通用，即使在强干扰的环境下，通过选用适当的阈值也能取得很好的滤波效果。 本文讨论了了φ-q-n参数与小波变换提取的特征参数两种方法特征参数选择方法，使用后者进行模式识别的研究。通过对基于BP神经网络的多层感知机进行建模、样本训练和实际测试，对局部放电和电晕信号进行识别。实验结果表明，利用小波变换提取单个放电脉冲和放电特征参数进行的模式识别方法优于传统方法，显著地减少了信号特征向量的维数，不但简化了神经网络的设计，而且提高了识别精度。