一种城市轨道供电环网终端缺陷的智能识别方法

为实现城市轨道供电环网终端缺陷的智能化有效识别,提出了一种融合随机森林和堆叠自编码器的识别方法. 首先,基于实际制作四种典型缺陷的终端样本,对其进行局部放电测试,获取用于分类识别的原始数据;然后,基于随机森林提取特征,基于堆叠自编码器压缩特征空间,使用Softmax分类器进行放电类型识别;最终达到智能化识别终端 缺陷类型的目的.对比单一分类算法的识别结果表明,针对４种典型的３５kV供电环网终端缺陷,所提方法的识别精度优于其他对比方法,该方法更适用于城市轨道供电环网终端缺陷的识别,能为检修工作提供有效支持和依据.     

基于图像特征和深度森林的乙丙橡胶电缆绝缘

为了更准确地对乙丙橡胶电缆绝缘老化状态进行识别,提出了一种基于局部放电图像特征和深度森林的识别方法。文中制备了不同老化状态的乙丙橡胶试样,搭建了局部放电试验平台,通过试验获得了不同老化状态的乙丙橡胶试样局部放电谱图,并从局部放电谱图中提取了19个特征参量,结合深度森林网络对不同老化程度的试样进行识别。结果表明：通过结合局部放电谱图特征和深度森林网络能够准确的识别电缆老化状态,且识别率优于其他传统分类算法。将局部放电图像特征与深度森林结合应用于电缆的绝缘老化诊断具有较好地工程应用前景。     

高压交联聚乙烯电缆附件典型缺陷局部放电特性分析

为研究高压交联聚乙烯电缆附件存在缺陷时的局部放电现象,制作了接头与电缆界面存在气隙、本体外屏蔽层存在导电尖端、接头内表面划伤、接头外表面破损、终端应力锥错位及终端内部存在导电微粒6种典型缺陷模型,分别对其进行了高频局部放电带电检测,对比分析了放电起始电压与PRPD(局部放电相位分离)谱图。结果表明,各典型缺陷模型的放电起始电压、放电量特性等均存在明显区别,为局部放电模式识别研究提供参考。     

XLPE电力电缆附件局部放电测量与分析

为研究XLPE电力电缆附件现场常见典型缺陷的放电特征,在3根电缆实体上分别设计制作了中间接头尖刺、主绝缘划伤和终端头应力锥错位3种放电模型,建立了基于PDBase的局部放电测量分析系统。对比研究了3种典型缺陷的局部放电特征,分析了放电次数相位分布谱图H_n(φ)、放电最大幅值相位分布谱图H_(qmax)(φ)和放电幅值分布谱图H(q)3种统计特征。试验结果表明,不同缺陷类型其放电发展过程不尽相同,呈现的PRPD谱图、单个脉冲波形、相位分布趋势及统计特征区别明显;而同一缺陷在相同条件下其放电特征呈现出相似规律且重复性好;这些特征为进一步开展电缆附件放电机理研究及放电类型的模式识别提供了有力的试验依据。     

基于统计特征与概率神经网络的变压器局部放电类型识别

针对变压器局部放电类型识别问题,提出了基于统计特征参数与概率神经网络的局部放电模式分类方法。所提方法首先在局部放电类型三维谱图中构建二维分布图谱,然后在二维分布谱图上提取统计特征参数,接着将统计特征参数以特征向量的形式作为概率神经网络的输入量,最后利用概率神经网络对放电类型进行识别。在试验中,利用电晕放电、沿面放电、气隙放电三种放电类型的数据,将所提分类方法与典型局部放电类型分类方法进行比较。实验结果表明,所提分类方法的识别准确率较高、识别时间开销较少。     

油浸式变压器内多源局部放电谱图类型识别方法研究

电力变压器内的局部放电现象既是造成绝缘劣化的主要诱因，也是表征绝缘状况的特征量，准确识别局部放电的类型对于变压器绝缘状况诊断具有重要意义。本文提出一种基于Faster-RCNN算法的多源局放谱图类型识别方法，可以从多源谱图中检测到不同类别的局部放电信息簇。结果表明：将该算法运用到35 kV变压器测试获得的局放谱图中，多源放电的平均识别准确率达到72.1%，其中气隙缺陷放电点数量密集，谱图特征也较为明显，其漏检率和错检率相较于其他缺陷较低，具有较好的可分辨性。尖端缺陷由于间断性放电的特点和起始放电电压较高，导致漏检率较高。     

交流XLPE电缆典型绝缘缺陷的PD特性与类型识别

针对交联聚乙烯(XLPE)电缆及其附件常见的9种绝缘缺陷类型,制作了相应的缺陷模型,研究了9种缺陷在不同电压下的局部放电特性。发现不同缺陷的谱图形状、放电的相位分布等表现出不同特点,每种缺陷的放电重复率与平均放电量均随着电压的升高而增大,其中气隙缺陷的最大放电量和放电重复率高于其他缺陷,电树枝缺陷的放电重复率最低。对不同缺陷的局部放电谱图进行了特征量提取,并利用基于L-M算法的BP神经网络,实现了故障类型的识别,最低识别率达到89.17%,取得了较好的识别效果。     

信息融合在变压器油纸绝缘局部放电识别中的应用

局部放电会引起变压器绝缘的老化和破坏,而变压器局部放电特性的研究能够很好反应变压器潜伏性缺陷,对其安全可靠运行具有重要意义,因而设计制作了模拟变压器沿面放电、气隙放电和电晕放电的3种缺陷模型,采用升压法进行相应的放电试验,通过分析油中溶解气体在局部放电发展过程中的变化规律,寻找出油中产生气体与不同局部放电的对应关系。引入局部放电的最大放电量相位特征谱图Hqmax(φ)和放电次数相位特征谱图Hn(φ),并提取基于谱图的统计特征参量,构建反向传播(back propagation,BP)神经网络和径向基函数(radical ba-sis function,RBF)神经网络对局部放电的放电类型进行初级识别,在此基础上,应用信息融合方法将初级识别结果融合油中产气特征以综合识别局部放电类型。实验结果表明,同一种溶解气体在不同放电模型中发展变化趋势是不一样的,根据统计特征参量和油中溶解气体变化规律,应用信息融合方法对变压器局部放电模式具有足够的识别能力。     

基于遗传编程的绝缘内部局部放电缺陷模式识别

采用新的模拟进化技术——遗传编程，进行局部放电模式识别以区分不同的绝缘内部缺陷类型。制作了4种结构的人工缺陷模型以模拟发电机定子中典型的绝缘内部放电，从局部放电试验中获得二维和三维谱图特征，计算局放信号的矩特征值。首先用模糊方法将局部放电信号的矩特征表示为关于对象不确定知识的模糊特征，作为放电数据的预处理。再由遗传编程分类表达式进化生成局部放电缺陷类型判别函数，并采用递增式学习规则以提高最佳特征对局部放电缺陷分类的效果。另外，将Bootstrap统计模拟技术与遗传编程结合，以克服从小样本数据中进行知识获取的“瓶颈”。人工缺陷模型试验数据的测试结果表明，该方法在局部放电缺陷类型识别中得到了良好的识别效果。     

基于改进残差网络的电缆终端缺陷识别方法

针对动车组乙丙橡胶电缆终端缺陷局部放电识别准确率低的问题,提出一种基于改进残差网络的车载电缆终端缺陷识别方法。首先制作了含4种典型绝缘缺陷的电缆终端,搭建局部放电检测平台获取不同缺陷状态的局部放电信号、建立数据集;然后利用特征变换将局部放电一维时序信号转换为二维拓扑特征图像,从而增强缺陷类别的可区分性;最后,在残差网络ResNet101模型中加入注意力机制,同时融合Center和Softmax损失函数进行训练和识别分类,进一步提升准确率。测试结果表明,该诊断方法对电缆终端局部放电的识别准确率高达97.3%,相比于其他传统缺陷诊断方法,模型的识别精度更高、均衡性更好。     

变压器内单一局放PRPD谱图统计参量的主成分分析

设计了4类由变压器油纸绝缘缺陷引起的"单一局放模式"模型:气隙放电模型、针板放电模型、介质表面金属杂质放电模型、油隙放电模型。通过标准化试验方法得到了不同模型局部放电相位分布模式(phase resolved partial discharge,PRPD模式)的二维谱图,并对谱图进行分析得到25个局部放电统计参量。采用主成分分析对统计参量的有效性进行了分析,得到了25个统计参量对不同类型放电信息表达的新特征参量组,以及对不同放电类型识别的贡献率。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

灰度纹理与油气特征融合的油纸绝缘老化状态评估

针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明：基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。     

灰度纹理与油气特征融合的油纸绝缘老化状态评估

针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明：基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。     

局部放电灰度图象数学形态谱的研究

局部放电模式识别是判断电气设备绝缘状况和区分外部脉冲干扰的有效手段之一。数学形态学颗粒分析是一种十分有效的图像处理工具，主要用来处理灰度图像的粒度和形状特征，或者说通过数学形态谱以分析图像的纹理特征。提出了一种适用于局部放电模式识别的局部放电数学形态谱提取方法。该方法基于形态学颗粒分析理论，采用多尺度形态学“开”运算提取局部放电灰度图象的数学形态谱，并以此作为局部放电模式的特征向量。通过双隐层人工神经网络分类器实现放电模式识别。针对电力变压器内部放电和空气中放电设计了6种典型的放电模型，计算其形态谱，输入双隐层人工神经网络实现放电模式识别，识别结果表明了该方法的有效性。     

温度对车载高压电缆终端局部放电特性的影响研究

电缆终端作为高速列车的一个重要设备,在接触网与列车之间的能量传递中起着重要作用。然而由电缆终端界面缺陷引起的局部放电,严重影响着电缆终端的绝缘性能与列车的行车安全。通过实验的方法,制作了含有不同长度气隙的电缆终端试验品,并在27.5 kV的电压条件下进行了实验,探究了不同缺陷长度的电缆终端在不同环境温度下的局部放电特性。结果表明,相同气隙长度的电缆终端在27.5 kV的电压条件下,其局部放电量随着环境温度呈现出先上升后下降的趋势。根据这一特性可以知道在一定的电压等级之下,电缆终端的放电量主要受温度影响,当超过某一温度后,由于温升导致的电缆终端内部压力变化成为影响局部放电量的主要因素,并且随着气隙长度的增加,同一温度下的局部放电起始电压呈现增加的趋势。     

油纸绝缘气隙模型局部放电特性试验研究

为了研究直流输电系统中换流变压器油纸绝缘的局部放电特性,设计构造了典型的油纸局部放电模型———气隙放电模型。针对同一模型分别施以交流电压、直流电压以及冲击衰减振荡电压,采用IEC 60270-2000推荐的脉冲电流法分别检测与分析该模型局部放电的不同特征参数。对比研究了在交流、直流及振荡冲击电压下油纸绝缘气隙放电模型的局部放电脉冲特征参量包括局部放电起始电压、熄灭电压、放电波形、放电水平、放电重复率等,对实现换流变压器的局部放电在线监测与绝缘状态综合评估有一定的指导意义。     

基于GK模糊聚类和LS-SVC的GIS局部放电类型识别

局部放电可以反映气体绝缘组合电器(Gas Insulated Switchgear,GIS)内部的绝缘缺陷,对正确识别GIS的放电类型具有重要意义。在GIS重症监护系统研究平台上人工设置4种GIS的典型缺陷。基于4种缺陷不同电压等级下的局部放电样本数据,提取局部放电灰度图像的分析特性作为识别特征量。同时考虑到现场干扰对局部放电信号的影响,利用GK模糊聚类算法对分形特征量进一步处理,以提取隔离干扰后的分析特征量。最后设计了基于LS-SVC的局部放电模式识别器。试验结果表明所提方法能有效识别GIS放电类型,比人工神经网络方法具有识别率高、稳定性好的优点。     

无机纳米颗粒抑制中压电缆终端气隙缺陷局部放电的有效性

针对中压电缆终端气隙缺陷中的局部放电(PD)导致终端绝缘迅速劣化的问题,提出了一种在气隙缺陷处填充TiO_2复合涂料抑制终端PD的方法,从终端PD特征及缺陷表面的微观形貌特征两方面研究了TiO_2复合涂料填充对缺陷处绝缘的影响。通过在10k V电缆终端中设计典型的气隙缺陷,并在缺陷处填充复合涂料进行电热老化对比试验,测试分析了不同老化时刻下终端的PD特征,并对老化后期缺陷的表面形貌特征进行分析。通过建立气隙缺陷的有限元模型,结合电场仿真进一步阐述复合涂料填充对终端PD及缺陷表面形貌特征的影响机制。研究结果表明:填充TiO_2复合涂料后终端PD放电能量得到大幅减小,随着老化时间的增加,终端放电重复率及放电相位分布差异较小;气隙缺陷表面较平整,填充后团聚物中碳含量降低了31%,验证了气隙缺陷处填充TiO_2复合涂料可以抑制终端PD发展,并减缓终端绝缘的劣化。