开关柜局部放电信号降噪与缺陷识别研究

• 作者: 杨寅明 韩志
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: TEV 局部放电检测系统 Mallat算法 最优分解层数 缺陷识别
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 应用技术
• 页码范围: 155-159,164
• 页数: 6页
• 分类号: TM76
• 字数: 2694字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.05.033

摘要

文中采用暂态地电压法(TEV)进行检测,设计了四种典型的缺陷模型并搭建试验平台,分别对局部放电缺陷模型进行了实验.由于变电站现场环境复杂,需要对采集的信号进行信号降噪.针对以往小波降噪都是按照经验采取固定的分解层数的问题,提出一种Mallat算法结合最优分解层数自适应算法对含噪信号进行分离与重构,结果显示该算法可以很好地滤除噪声.对重构后的局放信号提取八种时域特征参数,并采用BP神经网络对开关柜局部放电的类型进行识别,当误差准确率δ=0.002时,放电类型的识别正确率最高,能够达到97％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨寅明		1	0	0.0	0.0
2	韩志		2	0	0.0	0.0