局部放电在线监测中基于小波的消噪方法及模式识别研究

摘要

近年来迅速发展起来的小波变换分析法,具有很强的时频局部化特性和信号特征提取能力,特别适用于局部放电这类脉冲信号的处理.本文研究了局部放电在线监测的小波消噪方法,然后针对消噪过程中的阀值取法,提出了一种自动阀值规则来选取阀值,并对小波系数采用综合门限的处理方法,以获得最优的消噪效果.仿真信号和现场信号的小波消噪结果表明了该方法的有效性,从而为局部放电的模式识别创造了条件.对局部放电进行模式识别,可以了解局部放电的类型和发展程度,防止发生事故.文中用二维谱图的统计参数法提取局部放电的特征向量,首次提出采用支持向量机对局部放电进行模式识别.识别结果令人满意,表明了支持向量机适于局部放电的识别.上述研究工作的完成,对改善局部放电在线监测系统的性能以及该项技术的实用化会起到一定的作用.

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第一章绪论

1.1课题概述

1.2文献综述

1.2.1在线监测的发展及研究现状

1.2.2小波分析在局放在线监测抗干扰技术中的研究现状及展望

1.3电机中局部放电的基本理论

1.3.1局部放电的形成及放电过程

1.3.2局部放电及其分类

1.3.3局部放电对绝缘的破坏机理

1.4研究目标和工作内容

第二章小波分析方法及其特点

2.1标准傅里叶变换、短时傅里叶变换和小波变换

2.2连续小波变换

2.2.1连续小波的重构

2.2.2小波的时间—频率特性

2.3二进小波

2.4离散小波和框架

2.5多分辨率分析

2.5.1两尺度关系

2.5.2分解算法和重构算法

2.6小结

第三章用小波分析原理抑制局放在线监测中的干扰

3.1小波变换的去干扰适用范围

3.1.1局放信号的小波分解特性

3.1.2白噪声信号的小波分解特性

3.1.3窄带周期信号的小波分解特性

3.2小波分析用于局部放电的消噪

3.2.1消噪方法

3.3仿真与实验结果分析

3.3.1小波消噪对仿真信号的处理结果

3.3.2现场实测数据的处理结果

3.4小结

第四章基于支持向量机的局部放电模式识别

4.1局部放电模式识别综述

4.2支持向量机（SVM）模式识别法

4.2.1支持向量机的统计学习理论基础

4.2.2 SVM的基本理论

4.2.3 SVM多分类方法

4.2.4 SVM的结构与参数选择

4.2.5 SVM分解算法

4.2.6 SVM的特点与优势

4.3实验室局部放电的模式识别

4.3.1绝缘线棒放电模型

4.3.2局部放电特征向量

4.3.3支持向量机在局部放电识别中的应用

4.4小结

第五章结论

参考文献

致谢

主要符号表

攻读硕士学位期间发表的论文目录