时频分析在局部放电信号分析中的应用

局部放电信号是非平稳性信号,具有时变频率。时频分析是分析和处理非平稳时变信号的有力工具,将时频分析技术应用于局部放电信号的分析与处理,能清楚地揭示信号的时变频谱特性,有利于对信号的特征提取,为局部放电信号的模式识别提供了一个更为准确、可靠的新方法。     

EMD以及类EMD方法

经验模态分解(Empirical Mode Decomposition, EMD)是一种处理非线性、非平稳信号的时频分析方法。该方法依据输入信号自身的特点,自适应地将信号分解成若干个本征模态函数( Intrinsic Mode Function, IMF)之和。EMD被认为是对以线性和平稳假设为基础的傅立叶分析和小波变换等传统时频分析方法的重大突破。随着EMD的发展,很多类EMD方法逐渐出现。总结归纳了EMD以及类EMD方法的应用。     

神经网络在局部放电模式识别中的应用

高压电器绝缘缺陷容易引起局部放电,对局部放电属性进行模式识别,可以找出产生局部放电的原因,从而可以预防事故的发生,本文结合以上内容分析小波神经网络在局部放电模式识别中的应用,结果表明它能对局部放电模式进行有效识别.     

基于遗传模拟退火的小波去噪算法在局部放电信号检测中的应用

提出一种基于遗传模拟退火的小波去噪算法,用于变压器局部放电脉冲信号去噪.对局部放电信号进行分解,采用基于SURE的最优阈值法则,结合遗传算法搜索最优阈值.仿真结果表明,该方法与传统阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值.     

EMD与随机减量技术在飞机颤振模态辨识中的应用

紊流激励技术广泛应用在新研飞机的颤振试飞与模型风洞试验中,采用该方法可以有效地降低数据信噪比。为了更加准确地识别结构的关键动力学参数,提出了Empirical Mode Decomposition (EMD)技术结合随机减量技术的颤振测试数据分析方法。利用该方法对某飞机机翼低速模型风洞试验测试数据进行处理,采用Ibrahim Time Domain (ITD)时域模态辨识方法对处理后的数据进行模态辨识。通过数据分析,证明了该方法能够有效地处理颤振试验测试数据,并具有较强的抗噪性。     

基于遗传算法的BP神经网络在变压器超高频局部放电模式识别中的应用

本文针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法（Genetic Algorithms．GA）具有全局寻优的特点,将二者结合起来提出了一种混合算法：GA—BP算法,并将该算法成功应用于变压器超高频局部放电模式识别。将变压器油中局部放电超高频测量系统所得到的局部放电的特征量作为输入,分别用BP算法和混合算法进行模式识别。实验结果表明GA—BP算法具有收敛速度快、全局最优的优点．并且这种算法可以推广应用于其他实际系统中。     

一起35kV开关柜局部放电故障分析

开关柜是变电站内常见的电力设备之一,电压等级通常为35kV及以下,承担着将电能输送至用户侧的重担,关系着用户供电的可靠性和稳定性.开关柜一旦发生事故停电,会大大降低供电的可靠性,甚至影响用户的正常用电.开关柜带电检测方法可以在不停电的情况下对开关柜进行诊断性检测,判断开关柜是否存在内部故障,并提出合理的运行建议.通过带电检测技术,发现并处置了一起35kV开关柜局部放电故障,经停电解体后验证了分析结果的正确性.     

高压开关柜局部放电分析方法

高压开关柜运行状态对电力系统供电可靠性具有重大影响,其绝缘缺陷和潜在故障检测尤为重要。通过基于暂态地电压和超声波的局部放电检测技术在开关柜局部放电检测中的分析应用,可有效的发现开关柜的放电故障,了解设备运行状态,为保证电网安全可靠运行奠定基础。     

分析DSP电力设备局部放电监测用智能化采集

局部放电检测是高压电力设备绝缘状态检测的重要手段,本文重点设计了智能化数据采集模块,实现局部放电信号的本地化测量、分析和诊断等内容,对提高电力系统的可靠性具有较高实用价值.     

油浸式电流互感器局部放电故障实例分析

结合辽宁电力有限公司某变电站油浸式电流互感器局部放电的故障实例,对该设备结构、故障情况、试验数据和解体检查等方面进行阐述和分析,得出导致此次局部放电的原因是绝缘受潮的结论。最后,对电流互感器的制造工艺和检测方法提出了具体建议。     

循环平稳信号EMD去噪分解的局限性研究

利用matlab软件进行仿真分析,探讨各类循环平稳信号EMD去噪分解算法的局限性。总结了单独调幅信号、单独调频信号、单独调频调幅信号EMD去噪分解的局限性。     

GIS局部放电在线监测信号检出方法初探

气体绝缘封闭组合电器 (GIS)的局部放电前期征兆的信号通常极为微弱 ,而运行条件下现场又存在强烈的电磁干扰。因此 ,在线监测系统中的信号检出方法信噪比高且操作方便是非常重要的     

融合Elman神经网络与EMD的交通拥堵指数预测

为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。     

超声回弹综合法的工程应用

应用超声回弹综合法，对某建筑工程框架结构现浇混凝土的强度进行了抽样检测，取得了该结构混凝土强度的质量特征和指标，为建设工程的竣工验收和质量评价提供了科学依据。     

空心莲子草多糖的提取和确证性实验

采用超声辅助法提取空心莲子草中的多糖,用多糖确证实验验证其中多糖,以葡萄糖为对照,采用分光光度法在610 nm处测定其中的多糖.回归方程为:A=27.718C+0.001 82,R=0.999 0.空心莲子草中含有多糖,多糖含量为21.1 mg/g.     

超声波辅助提取丹桂粗多糖的工艺研究

以丹桂为原料,通过单因素和正交试验研究超声波提取多糖的工艺条件。结果表明,最佳提取工艺条件为：超声波功率480W、液料比1：25（g/mL）、提取时间25min。此条件下丹桂多糖的提取率为10.39%。提取效果影响大小的先后顺序为提取功率﹥料液比﹥提取时间。     

超声提取水杉叶总黄酮的工艺研究

目的:研究水杉中总黄酮的超声提取工艺,并优化其提取工艺.方法:以总黄酮含量为考察指标,采用正交试验法,考察加醇量、提取次数、提取时同、乙醇浓度4个因素对提取工艺的影响.结果:最佳提取工艺为A3B1C1D3,即药材加乙醇20倍量,提取1次,提取时问15min,乙醇浓度85％.结论:超声提取法是一种 理想的提取水杉总黄酮的方法.