采用小波包树能量矩阵奇异值分解的局部放电模式识别

赵煦 1; 刘晓航 2; 孟永鹏 3; 刘圣冠 1; 柴琦 1; 兀鹏越 1; 孟国栋 3

doi:10.7652/xjtuxb201708019

您当前的位置：

首页 >

文章列表页 >

采用小波包树能量矩阵奇异值分解的局部放电模式识别

更新时间：2025-07-09

- 采用小波包树能量矩阵奇异值分解的局部放电模式识别
- Partial Discharge Pattern Classification by Singular Value Decomposition of Wavelet Packet Energy Features
- 西安交通大学学报 2017年51卷第8期页码：116-121
- 作者机构：
  
  西安热工研究院有限公司,西安,710054
- 作者简介：
- 基金信息：
  
  : 2016-12-25。作者简介: 赵煦(1982—),男,博士,工程师。基金项目: 国家自然科学基金资助项目(51677143, 51607138)
- DOI：10.7652/xjtuxb201708019
  中图分类号： TM855
- 网络首发：2017-08-10，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
赵煦 1, 刘晓航 2, 孟永鹏 3, 等. 采用小波包树能量矩阵奇异值分解的局部放电模式识别[J]. 西安交通大学学报, 2017,51(8):116-121.

Partial Discharge Pattern Classification by Singular Value Decomposition of Wavelet Packet Energy Features[J]. 2017, 51(8): 116-121.
赵煦 1, 刘晓航 2, 孟永鹏 3, 等. 采用小波包树能量矩阵奇异值分解的局部放电模式识别[J]. 西安交通大学学报, 2017,51(8):116-121. DOI： 10.7652/xjtuxb201708019.

Partial Discharge Pattern Classification by Singular Value Decomposition of Wavelet Packet Energy Features[J]. 2017, 51(8): 116-121. DOI： 10.7652/xjtuxb201708019.

摘要

为了从局部放电信号电磁波大量冗余的频率信息中提取有效的局部放电特征参量

提出了采用小波包和奇异值分解相结合的能量特征提取方法。该方法从大量小波包树节点的能量信息中提取了一组能量特征参量用于局部放电类型识别

首先对4种放电类型的电磁波信号进行小波包分解

计算每个小波包节点系数的能量

接着采用奇异值分解法从小波包树所有节点的能量信息中提取奇异值较大的一组参量

利用这组参量建立识别模型

最后使用支持向量机对4种变压器典型放电类型进行识别。结果表明

小波包树能量矩阵奇异值分解可以从包含有大量无效和冗余频率信息的电磁波信号中提取能量特征参量

从而进行局部放电识别。研究内容可为局部放电类型识别提供一种有效的特征提取方法。

Abstract

To extract the effective partial discharge(PD)characteristic parameters from a large amount of redundant frequency information

an energy feature extraction scheme combining wavelet packet decomposition(WPD)with singular value decomposition(SVD)is proposed. A set of energy features is selected from vast energy information to represent the energy of each WPD node

by which PD pattern can be classified. The EM signals from four PD patterns are decomposed by WPD and the energy for each WPD node is calculated

then SVD is introduced to select the energy features among the whole WPD tree

and classification model based on these features is used to identify PD pattern. It is shown that SVD of the wavelet packet energy features selected from the information with full of invalid and redundant signals is an effective way to classify partial discharge patterns.

关键词

Keywords

references

OKAMOTO T, TANAKA T. Novel partial discharge measurement computer-aided measurement systems [J]. IEEE Transactions on Electrical Insulation, 1986, 21(6): 1015-1019.

GULSKI E, KREUGER F H. Computer-aided recognition of discharge sources [J]. IEEE Transactions on Electrical Insulation, 1992, 27(1): 82-92.

STONE G C. Partial discharge and electrical equipment insulation condition assessment [J]. IEEE Transactions on Dielectrics Electrical Insulation, 2005, 12(5): 891-904.

JUDD M D, YANG L, HUNTER I B B. Partial discharge monitoring of power transformers using UHF sensors: part 1 Sensors and signal interpretation [J]. IEEE Electrical Insulation Magazine, 2005, 21(2): 5-14.

JUDD M D, LI Y, HUNTER I B B. Partial discharge monitoring for power transformer using UHF sensors: part 2 Field experience [J]. IEEE Electrical Insulation Magazine, 2005, 21(3): 5-13.

CAMPBELL S R, STONE G C, SEDDING H G. Application of pulse width analysis to partial discharge detection [C]∥Conference Record of the 1992 IEEE International Symposium on Electrical Insulation. Piscataway, NJ, USA: IEEE, 1992: 345-348.

YU Q, CAVALLINI A, MONTANARI G C. Frequency and time-domain analysis of partial discharge measurements in PWM inverter-fed induction motors [C]∥Power Electronics and Motion Control Conference. Piscataway, NJ, USA: IEEE, 2004: 661-663.

李信, 李成榕, 丁立健, 等. 基于超高频信号检测GIS局放模式识别 [J]. 高电压技术, 2003, 29(11): 26-30.

LI Xin, LI Chengrong, DING Lijian, et al. Identification of PD patterns in gas insulated switchgear(GIS)based on UHF signals [J]. High Voltage Engineering, 2003, 29(11): 26-30.

成永红, 谢小军, 蒋雁, 等. 基于小波提取的超宽频带局部放电信号分形分析 [J]. 西安交通大学学报, 2002, 36(6): 551-554.

CHENG Yonghong, XIE Xiaojun, JIANG Yan. Study on the fractal characteristics of ultra-wideband partial discharge signals based on wavelet analysis [J]. Journal of Xi'an Jiaotong University, 2002, 36(6): 551-554.

成永红, 谢小军, 陈玉, 等. 气体绝缘系统中典型缺陷的超宽频带放电信号的分形分析 [J]. 中国电机工程学报, 2004, 24(8): 99-102.

CHEGN Yonghong, XIE Xiaojun, CHEN Yu, et al. Study on the fractal characteristics of ultra-wideband partial discharge in gas-insulated system(GIS)with typical defects [J]. Proceedings of the CSEE, 2004, 24(8): 99-102.

孙才新, 李新, 李俭, 等. 小波与分形理论的互补性及其在局部放电模式识别中的应用研究 [J]. 中国电机工程学报, 2001, 21(12): 73-76.

SUN Caixin, LI Xin, LI Jian, et al. Research on complementarity between wavelet and fractal theory and relevant application in PD pattern recognition [J]. Proceedings of the CSEE, 2001, 21(12): 73-76.

唐炬, 李伟, 欧阳有鹏. 采用小波变换奇异值分解方法的局部放电模式识别 [J]. 高电压技术, 2010, 36(7): 1686-1691.

TANG Ju, LI Wei, OUYANG Youpeng. Partial discharge pattern recognition using discrete wavelet transform and singular value decomposition [J]. High Voltage Engineering, 2010, 36(7): 1686-1691.

崔彦捷,彭平,曹沛,等.针板电极下局部放电对油浸绝缘纸板表面的影响.2017,51(4):37-44.[doi:10.7652/xjtuxb 201704006]

李威,鲁华祥,陈天翔,等.采用荧光光纤检测局部放电的自适应阈值方法.2017,51(4):59-66.[doi:10。7652/xjtuxb 201704009]

邵先军,何文林,刘石,等.电力设备局部放电特高频电磁波数值计算技术研究.2016,50(12):24-31.[doi:10.7652/xjtuxb201612005]

张亮,车斌,韩旭涛,等.负极性振荡雷电冲击电压下SF6尖板模型局部放电特性.2016,50(4):108-116.[doi:10.7652/xjtuxb201604017]

钟理鹏,汲胜昌,刘凯,等.低微水的体积分数对SF6局部放电及分解特性的影响.2016,50(3):112-119.[doi:10.7652/xjtuxb201603018]

赵煦,孟永鹏,成永红,等.变压器绕组对局部放电电磁波传播特性的影响.2015,49(4):6-11.[doi:10.7652/xjtuxb 201504002]

钟理鹏,汲胜昌,李金宇,等.吸附剂对SF6典型分解产物含量及变化规律的影响.2015,49(2):86-92.[doi:10.7652/xjtuxb201502015]

任重,董明,任明,等.冲击电压下SF6气体在极不均匀场中局部放电的时频特征.2013,47(8):115-120.[doi:10.7652/xjtuxb201308020]

柯春俊,潘成,吴锴,等.人工气隙面积对局部放电特性的影响.2013,47(6):103-108.[doi:10.7652/xjtuxb201306018]

赵煦,孟永鹏,成永红,等.变压器现场超高频局部放电信号的时域特征分析.2011,45(12):82-86.[doi:10.7652/xjtuxb 201112015]

李继胜,李军浩,罗勇芬,等.用于电力变压器局部放电定位的超声波相控阵传感器的研制.2011,45(4):93-99.[doi:10.7652/xjtuxb201104017]

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种采用矩阵分解的正交4抽头多小波无损压缩算法

椭球状态定界的数值稳定算法

加入用户对项目属性偏好的奇异值分解推荐算法

采用改进的希尔伯特黄变换的损伤检测特征提取方法

采用试验设计方法的第三代CO2气体箔轴承箔片几何参数敏感性分析