,而前面已指出,噪声是一个Lipschitz--ε的分布,ε>0,其Lipschitz指数是负的。由这一点区别,便可通过小波变换,将白噪声信号与劣化信号的模极大值在不同尺度上的不同特性清楚地表现出来,从而可区别这两种信号;而且由于小波变换具有良好的时域与频域同时局部化性质,还可较为精确地判断突变信号的位置(通常这一突起位于全电流信号的范围内,以利于故障诊断。
图3 MOA劣化时泄漏电流波形示意图
(2)局部放电的在线监测。小波变换的优越性在于分析短时瞬态信号、非平稳过程信号、含宽带噪声信号等,而局部放电信号在时域内可表示为脉冲信号[5],适合于小波分析,而且由于小波分析在时频域同时具有良好的局部化性质,因而可省去文[5]中提到的“开窗”法,结合时域的脉冲定位与频域的小波谱特征,在理论上运用小波变换分析局放脉冲是可行的,具体应用尚待进一步研究,但其前景是很乐观的。 (3)小波分析与神经元网络和专家系统等结合使用[1],可使智能化诊断不断完善。例如小波变换的模极大值能描述一个信号的奇异性,将某些典型信号加以特征提取,可形成某方面专家系统的知识库(如利用变压器不同性质的局部放电信号出现的相位不同,可进行故障诊断)。
4 结论 (1)将噪声的特殊小波变换特征用于监测信号中白噪声的分离是有效的,从仿真结果上可以看出除噪后信噪比(SNR)有很大程度的提高。这种算法对于白噪声有很强的抑制能力,可克服传统模拟滤波器在这方面的弱点。 (2)电力系统在线监测中的监测信号含有大量的现场背景噪声,给传统方式的数据采集与故障诊断带来很大的困难,将以处理瞬态信号、含宽带噪声信号等见长的小波分析应用于在线监测是大有前途的。 5 参考文献 1 任震,黄雯莹et al.小波分析及其在电力系统中的应用(概论).电力系统自动化,1997,21(1) 2 陈继东et al.适用于MOA在线监测中的并行同步采集法.电瓷避雷器,1997(4) 3 Mallat S,Hwang W L.Singularity detection and processing with wavelets.IEEE Trans on Information Theory,1992,38(2):617~643 4 崔锦泰(美).小波分析导论.西安:西安交通大学出版社,1995 5 严璋.电气绝缘在线监测技术.北京:水利电力出版社,1995
上一页 [1] [2]
|