gis局部放电频随机窄带干扰抑制及特征提取方法研究.pdf

The Study on Suppression of the Random Narrow-band Noise With Mixed Frequencies and Feature Extraction Method in GIS Partial Discharge On-line Monitoring A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Master’s Degree of Engineering By Lei Fan Supervised by Prof. Ju Tang Specialty: Electrical Engineering College of Electrical Engineering of Chongqing University, Chongqing, China April, 2014 中文摘要 摘 要 超高频(Ultra High Frequency，简称UHF)法凭借抗干扰能力强等突出优点，在 气体绝缘组合电器(Gas Insulated Substation，简称GIS)局部放电(Partial Discharge， 简称PD)在线监测中得到了广泛应用。虽然UHF 法能避开大多数低频干扰，但当 多个频率位于传感器监测频段内部的随机周期性窄带干扰侵入监测系统时，会严 重影响监测的可信性和准确性，目前缺乏有效抑制此类干扰的方法。UHF PD 信号 包含着丰富的信息，其特征信息提取对准确识别 GIS 内部绝缘缺陷类型和指导检 修工作具有重要意义，亟需探索有效的特征提取方法，为后续故障诊断奠定基础。 本文利用谐波小波具有严格盒形频谱特性的优点，提出一种基于最优谐波小 波包变换(Harmonic Wavelet Packet Transform ，简称HWPT)抑制PD 信号中混频随 机窄带干扰的新方法。通过最优谐波小波包分解，将不同频率窄带干扰的能量分 别集中在单一的子带内，用分解后子带香农熵比值的大小来确定包含各窄带干扰 的子带，只要将对应的子带置零后重构就能得到去除窄带干扰的PD 信号，克服了 实小波包变换子带间存在频谱混叠和能量泄漏的缺点，实现了对PD 监测信号的自 适应优化分解。通过对仿真和实测PD 信号频带范围内含有的混频随机窄带干扰进 行去噪处理，并与实小波包变换去噪结果进行对比分析后表明，最优HWPT 对PD 信号去噪后的能量损失和波形畸变较小，有利于后续对PD 信号的模式识别，可以 解决干扰频率位于监测频段内难于抑制的难题。 在实验室设计了四种GIS 典型绝缘缺陷模型，利用实验室的UHF 检测系统获 取了大量不同物理条件下的 UHF PD 信号样本，提出一种基于HWPT 的特征提取 方法。采用HWPT 对实验室获取的UHF PD 信号进行多尺度分解，以克服实小波 包分解得到的子带信号存在虚假信息的缺陷，利用UHF PD 信号在不同尺度能量 和复杂度的差异，从重构得到的各子带信号中提取多尺度能量和多尺度样本熵参 数作为模式识别的特征量，更加精确地描述了UHF PD 信号的时频域信息。然后 通过 Fisher 线性判别分析对原始特征集进行特征优选，保留了有利于正确分类的 关键特征量，冗余特征量被剔除，有效降低了原始特征空间维数。 最后，利用支持向量机分类识别的结果表明，基于HWPT 的多尺度能量和多 尺度样本熵特征参数均能有效识别 4 种绝缘缺陷，平均识别准确率高于 90%，明 显优于基于实小波包变换的特征提取方法。通过特征选择操作可以在提高分类识 别效率的同时，有效提升绝缘缺陷的平均识别准确率，具有良好的应用前景。 关键词：局部放电，超高频法，谐波小波，混频随机窄带干扰，特征提取