3、自动采样，采样发生的时间为随机的，采样以故障时信号突变为手段。

4、特殊采样，采样方式根据所诊断的故障的要求不同而不同，例如转速跟踪采样、峰值采样
等。

第二、数据传送

信号处理系统通常距监测设备较远，因此，数据在传输过程中易受干扰、易损失及相移

(受

环境因素影响较大

)，需先对数据进行模数转换、预处理和压缩打包，再经通信路径传输到

处理控制中心。通信设备现已广泛应用于电力领域，光纤传输数字信号可较好地抑制干扰，
保证信号质量。

第三、数据处理

工控数据处理中心收到通信线路传输来的状态量数据包后，利用各种不同数学方法对数据
解包处理。例如，频谱分析将时域连续时间信号转变为频域不同频率信号进行分析

;在时域

中由

2 个信号之间相关性采用相关分析搜索另一个信号的处理数据;小波分析;神经网络;人

工智能。数字信息技术和智能技术应用到电力设备监测系统的数据处理使电力设备在线监测
更加实时准确。

三、故障诊断的建议

第一、利用多传感技术和信息融合处理技术诊断某种故障不同的故障表象。多传感技术利用
多个传感器从多侧面、多角度观测同一对象，即针对同一故障的多种故障表征，多层次多领
域

(时域、空间域、频域)采集不同的特征量，选择故障反映灵敏度高的状态信息量，从而较

全面的分析诊断故障。

信息融合技术是将来自多传感器的数据按照一定的准则加以分析和综合的数据处理过程。因
同一设备故障在不同特征空间的不同反映之间存在着内在的关联关系，利用融合技术

“求同

去异

”可提高电力设备状态检测和故障诊断的准确性。但信息融合基本理论尚不完善，该诊

断方法还有待研究。

第二、基于特征空间矢量的故障诊断方法，可通过对故障误差的学习实时修正故障特征量。
这种诊断方法具有一定的自适应能力，适合于具有不确定性和慢时变性的复杂对象的故障
诊断。其实质是将每次的故障征兆矢量作为原先验征兆矢量集中的一个新的先验征兆矢量，
并根据自适应算法修正故障特征矢量。故障先验征兆矢量不确定时，则需要人工判断第一次
故障。

第三、针对电力设备的固有特性以及在线监测状态信息量不足导致的不确定性，可考虑采用
模糊理论中的最大隶属度原则诊断故障原因，判断故障类型，将状态信号与模糊数学方法
结合起来分析故障的随机性和模糊性问题。

除了上述方法外，还可以结合人工智能、专家系统、神经网络等方法诊断故障。