欢迎来到天天文库
浏览记录
ID:33227571
大小:1.84 MB
页数:53页
时间:2019-02-22
《介质损耗因数在线监测数据分析与绝缘诊断的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、东北电力大学硕士学位论文介质损耗因数在线监测数据分析与绝缘诊断的研究姓名:王静申请学位级别:硕士专业:电力系统及其自动化指导教师:李天云20080301摘要为了了解电力设备的绝缘状态,避免或减少因绝缘故障引起电力设备损坏和非计划停电,进行绝缘检测和诊断是十分必要的。本文对设备的tan8高精度测量、在线监测数据趋势提取、数据规律性分析以及绝缘诊断等方面进行了深入的研究,主要工作如下:1.针对正弦波参数法不能有效消除在线监测数据脉冲干扰致使tan6测量不准确等方面的内容进行了分析,本文提出了基于经验模态分解(EMD)时空滤波的正弦波参数法的改进算法。利用EMD对强噪声背景下的采样信号进行
2、分解,根据所得固有模态分量(IMF)的频谱特性进行选择性滤波,提取其基波分量并结合正弦波参数法计算介损角。2.针对介质损耗因数在线监测数据波动幅度大很难直接看出其变化趋势的问题,提出了基于EMD的tan6数据趋势提取方法。利用EMD能有效逐次分离信号中的不同频率成分和直流成分的特性进行了趋势提取,并与小波变换和数学形态学滤波两种方法的结果进行了对比。初步确立了tan6趋势的表达式,为绝缘诊断提供了充足的依据。3.针对设备绝缘特性受许多外界因素的影响,且绝缘状况变化后相应各因素影响的程度也会发生变化的问题,将小波熵理论应用到绝缘故障诊断之中。该方法利用小波分析具有时频局部化的特性和信息
3、熵对系统状态表征的特性,将小波分析与熵结合起来对信号进行特征挖掘。计算小波能谱熵作为系统的特征参数来识别不同信号的变化趋势并将与tan6变化最接近的因素作为主导因素来进行故障诊断。关键词:在线监测;介质损耗因数;绝缘诊断;经验模态分解;小波能谱熵东北电力大学硕J:学位论文AbstractInordertorealizeinsulationstateofelectricpowerequipmentsandavoidorreduceelectricequipmentsbreakageandnon-planpowercutduetoinsulationfault,itisessential
4、tocarryoutinsulationdetectanddiagnosis.Inthisdissertation,approachesforthehi29haccuracymeasurementofrand,trendextractingoftheon-linedata,analysisofthedataregularityanddiagnosisequipmentsareinvestigated,themainachievementsareasfollows:1.Assinewaveparametermethodcouldnoteliminatetheon-linemonitor
5、datapulsedisturbanceeffectivelyandhenceleadstodielectriclossangleinaccurate,anoveltime—spacefilteringmethodbasedonempiricalmodedecomposition(EMD)forthemeasurementofdielectriclossangleisapplied.UseEMDtodecomposesamplesignalsunderstrongnoisebackground;andaccordingtothespectrumcharacteristicsofobt
6、ainedintrinsicmodecomponentstheselectivefilteringisconducted,thenthefundamentalcomponentisextractedandtocalculatethedielectriclossanglecombiningwithsinewaveparametermethod.2.Dielectriclossfactoron—linemonitoringdatafluctuationscopeisquitewide,SOitisverydifficulttomakeoutthechangetrend.Thispaper
7、advancesthetrendextractingmethodbasedonempiricalmodedecomposition.EMDapproachCanseparatesignalswhichcontainfrequenciesfromhightolowanddirectcurrentcomponentefficientlybythricestripfunction.Bycomparingtheresultswithwavelettransform
此文档下载收益归作者所有