• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊简介
    • 历史沿革
    • 历任主编
    • 期刊荣誉
    • 二级学会
  • 编委会
    • 编委介绍
    • 编委会通讯
  • 学术动态
  • 投稿指南
    • 投稿须知
    • 投稿方法
    • 标准列表
    • 范文下载
    • 写作指南
    • 常见问题
  • 订阅指南
    • 期刊订阅
    • 文集订阅
    • 手册订阅
    • 发展报告
  • 广告服务
  • 历年目次
  • 过刊浏览
  • 联系我们
  • English
站内检索    
 
尹璇,邓祥力,贡鹏浩.基于MODWT的变压器绕组轻微故障检测及分类研究[J].电测与仪表,2019,56(14):103-109.
yinxuan,dengxiangli,gongpenghao.Study on the detection and classification transformer winding slight fault based on MODWT[J].Electrical Measurement & Instrumentation,2019,56(14):103-109.
基于MODWT的变压器绕组轻微故障检测及分类研究
Study on the detection and classification transformer winding slight fault based on MODWT
投稿时间:2018-05-07  修订日期:2018-05-07
DOI:10.19753/j.issn1001-1390.2019.014.017
中文关键词:  变压器  绕组轻微故障  匝间电弧放电  等效瞬时励磁电感  MODWT
英文关键词:transformer, winding slight failure, partial arc discharge fault, equivalent instantaneous magnetizing inductance, MODWT
基金项目:国家自然科学基金项目( 面上项目)
        
作者中文名作者英文名单位
尹璇yinxuan上海电力学院
邓祥力dengxiangli上海电力学院
贡鹏浩gongpenghao上海电力学院
摘要点击次数: 170
中文摘要:
      本文基于变压器在不同运行工况下的等效瞬时励磁电感的差异,利用最大重叠离散小波变换 (MODWT) 提取有效故障特征参数,实现对变压器绕组轻微匝间故障以及匝间电弧放电故障的检测。首先提取变压器在各种工况下的电气量,求取等效瞬时励磁电感,选取基于db4小波函数的最大重叠离散小波变换进行分析,提取特征量。将故障特征量作为决策树的训练集和测试集,从而实现变压器绕组轻微故障的识别以及分类。最后通过仿真证明,所提出的算法能够准确检测以及区分励磁涌流、轻微匝间短路故障以及匝间电弧放电故障。
英文摘要:
      Based on the difference of the equivalent instantaneous magnetizing inductance of transformer under different operating conditions of transformer, this paper proposes to used the maximal overlapping discrete wavelet transform (MODWT) to extract effective fault characteristic parameters, and realize the detection of transformer windings with slight inter-turn short circuit faults and partial arc discharge faults. Firstly, the electric quantity of the transformer under various working conditions is extracted to obtain the equivalent instantaneous magnetizing inductance. The maximal overlapping discrete wavelet transform based on db4 wavelet function is selected for analysis, and feature quantities are extracted. The fault feature quantity is used as the training set and test set of the decision tree to realize the identification and classification of slight transformer winding faults. Finally, the simulation results show that the proposed algorithm can accurately detect and distinguish between magnetizing inrush currents, slight inter-turn short circuit faults and partial arc discharge faults.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 自动化仪表网
  • 哈尔滨电工仪表研究所
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 环球表计
  • 网站首页
  • 期刊简介
    • 历史沿革
    • 历任主编
    • 期刊荣誉
    • 二级学会
  • 编委会
    • 编委介绍
    • 编委会通讯
  • 学术动态
  • 投稿指南
    • 投稿须知
    • 投稿方法
    • 标准列表
    • 范文下载
    • 写作指南
    • 常见问题
  • 订阅指南
    • 期刊订阅
    • 文集订阅
    • 手册订阅
    • 发展报告
  • 广告服务
  • 历年目次
  • 过刊浏览
  • 联系我们
2010-2015 电测与仪表 版权所有 EMIMAG.COM ALL Rights Reseved.《电测与仪表》杂志社 | 黑ICP备11006624号 哈公网监备2301003445号
地址:哈尔滨市松北区创新路2000号 2号楼 邮编:150028 电话 0451-86611021(传真)
技术支持:北京勤云科技发展有限公司