希尔伯特—黄变换在变压器局部放电信号去噪与模式识别中的应用研究

摘要

作为电力系统中最重要的电气设备之一，电力变压器的安全以及稳定决定着供电系统的可靠性，而对电力变压器的局部放电进行在线监测则是保障其安全稳定运行的一种重要手段。变压器局部放电在线监测与模式识别系统通过对局部放电过程中局部放电特征参量的分析，能提前发现异常征兆，有效防止高压电气设备事故的发生。
　　通过对电力变压器局部放电在线监测所需技术现状的深入分析，本文结合国内外局部放电在线监测技术，详细研究了各种局部放电在线检测技术和模式识别技术。根据实验所得的局部放电在线监测的结果，重点研究局部放电在线监测系统中的局放信号的处理和放电类型的判别，主要的研究工作如下：
　　在深入研究小波变换及希尔伯特-黄变换基本理论的基础上，通过实验研究，本文采用了希尔伯特-黄变换作为滤波方法，它对非平稳信号反应敏感且具有良好的自适应性，能够有效检测出非平稳信号的不同类型的奇异点。在试验中也验证了该方法的有效性和稳定性，即使在外界存在强电磁干扰的情况下，该方法的去噪效果也比较理想。并将其应用于强干扰下电力变压器局部放电信号的采集与提取中，试验结果表明该方法可以有效且完整的提取局部放电脉冲信号的特征。这为局部放电信号的模式识别奠定了良好的基础，从而为最终实现变压器绝缘状况的在线监测提供了保障。
　　深入研究学习了BP神经网络的相关知识，并构建三层的反向传播神经网络，利用去噪后得到有效的局部放电信号，提取到表征变压器局部放电信号的特征量，并将其作为神经网络的输入，对变压器的局部放电类型进行模式识别，并建立了放电类型数据库。
　　通过对LabVIEW2010的深入学习和扎实掌握，并结合MATLAB7.0，本文设计开发了一套基于ARM与LabVIEW的变压器局部放电在线监测的软件系统。本系统包括局部放电信号的采集、干扰抑制、图谱分析、特征提取、模式识别等主要部分组成。通过对现场采集数据及试验数据的分析处理，验证了本系统的实用性和有效性。