×
暂无评论
图文详情
  • ISBN:9787518983162
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:16开
  • 页数:126
  • 出版时间:2021-08-01
  • 条形码:9787518983162 ; 978-7-5189-8316-2

本书特色

在众多的PD检测方法中,超高频(UltraHigh Frequency,UHF)法被广泛用于PD的在线监测,化学法被广泛用于PD的离线检测。虽然有关这两种检测方法的研究在近些年取得了大量的研究成果,但是由于PD信号的随机性以及PD机理的复杂性,目前仍然无法接近满足工程现场的应用需求。有鉴于此,为进一步提高PD检测的准确性与可靠性,本书对UHF法和化学法在PD检测与诊断中的若干问题展开深入研究。

内容简介

本书所取得的主要成果有 : ①设计了 GIS内部 4种典型绝缘缺陷的物理模型 ,在小型实验平台上分别进行了基于 UHF法和化学法的 PD模拟实验 ,从实验中获取了 4种 PD的 UHF波形数据和 SF6分解组分信息 ,初步建立了两种检测方法的信息数据库。 ②尽管 UHF法避免了大量低频噪声的干扰 ,但是变电站现场的周期性窄带噪声、脉冲型噪声及随机白噪声仍然会对检测系统造成严重干扰。本书在分析 UHF PD信号频谱特性的基础上 ,发现 PD脉冲具有以某一频率为中心 ,向左右两侧衰减的特征 ,并且中心频率位于谱图上的局部极大值点处。为此 ,本文提出了基于改进 Protrugram和小波变换的 UHF PD信号噪声抑制算法。首先,依次通过数学形态学滤波、包络提取及阈值设定获取谱图上的局部极大值点 ,作为 PD脉冲的候选中心频率。其次 ,依据峭度值这一指标对所有候选中心频率进行高斯测试 ,排除虚假中心频率 ,并计算真实中心频率对应的频宽,实现 PD脉冲的频谱定位。*后 ,通过小波去噪法去除与 PD脉冲同频段的白噪声。仿真和实测数据分析表明 :同单纯的小波去噪算法和基于集合经验模态分解 (Ensemble Empirical Mode Decomposition, EEMD)的自适应阈值算法相比 ,本书所提算法不仅具有更好的噪声抑制能力 ,而且能更好地保留信号中的 PD信息成分。 ③针对 UHF PD模式识别算法在 UHF PD信号受到噪声干扰后分类准确率下降的问题 ,本书提出了基于 S变换 (Stockwell Transform, ST)结合奇异值分解的 UHF PD信号分类算法。首先 ,对 UHF PD波形进行 S变换 ,获取信号的时频幅值矩阵。其次 ,依据信号中有效信息的分布区域将时频幅值矩阵划分成 12个子矩阵 ,并对每个子矩阵进行奇异值分解 ,提取每个子矩阵的奇异值占比和奇异熵组成一个 24维的特征参量。*后 ,采用基于粒子群算法 (Particle Swarm Optimization, PSO)优化的支持向量机 ( Support Vector Machine, SVM)为分类器实现 PD的分类识别。研究结果表明 :在不去噪的情况下 ,所提分类算法能够达到 98. 3%的分类准确率 ;对信号加噪后 ,即使信号的信噪比低至 -10 dB,所提分类算法依然能够达到 88. 3%的分类准确率。 ④本书综合已有研究成果 ,选择 SOF2、 SO2F2、 CF4、 CO2及 SO2为观测组分。在分析 PD下 SF6分解机制 ,观测组分的生成特性及电力行业相关标准的基础上 ,提出选取 SO2作为 PD判别的特征分解组分。针对现有分解物现场检测技术的不足 ,提出采用紫外光谱法对 SO2进行现场检测。 SF6及其主要分解产物的紫外光谱吸收特性研究表明 :只有 SO2在 290~310 nm波段存在类正弦的周期性峰谷波动特征 ,适合在该波段对 SO2进行定量检测。 ⑤针对光谱信号受随机噪声干扰后 SO2定量精度下降的问题 ,本书首先采用一阶导数法对光谱信号进行基线校正 ,随后提出了基于奇异谱分析的自适应光谱信号去噪算法 ,实现了自适应的谱线平滑和微量 SO2特征识别。针对奇异谱分析技术中有效奇异值选取的问题 ,该算法从模糊数学的角度将奇异值分成三个部分 ,分别对应信号、噪声及信号和噪声的混合区域 ,并通过模糊 C均值聚类得到混合区域内奇异值对信号部分的隶属度。*后 ,采用偏小二乘回归 (Partial Least Squares Regression, PLSR)模型对 SO2进行定量检测。结果表明 :采用所提去噪方法后 ,紫外检测系统能够识别低至 0. 5 μL /L的 SO2。

目录

**章 绪论

第二章 局部放电模拟实验 21

第三章  UHF PD信号的噪声抑制 40

第四章  UHF PD信号的模式识别 67

第五章  SF6特征分解组分的选取与检测 88 5.1 现有分解物检测技术对比 88 5.2 特征组分选取 91 5.3 基于紫外光谱检测技术的 GIS内 SO2识别 92   5. 3.1 紫外吸收光谱

第六章 总结与展望 113 6.1 主要结论 113 6.2 后续研究展望 114

参考文献 116


展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航