基于混合放电模型的变压器内部放电联合检测方法研究

随着电力设备运行检测及监测技术的发展,变压器作为关键主设备其设备内部绝缘缺陷的检测成为研究的重点和方向,但是由于变压器内部结构的复杂性、不同绝缘缺陷复现的难度、局部放电信号干扰信号难以辨识等问题,造成目前对于变压器内部不同绝缘缺陷检测、分析及辨识的水平仍然不高。为了探索有效的检测方法,文中开展了针对性的研究工作,基于变压器故障仿真模型,对变压器内部绝缘缺陷的模拟技术开展研究,实现变压器内部缺陷的真实环境下的准确复现,设计了两类变压器故障混合模型,通过基于HFCT、UHF、AE、光学四种传感器的复合信号采集系统,进行变压器局放过程中基于不同信号原理的信号特性研究。同时基于采集信号对不同放电信号特征进行关联性分析,实现多信号特征的综合分析,进一步提高局放信号辨识真确度,研究表明文中所设置的局放复合信号采集系统能准确测量变压器中的局部放电信号,并反映其各类信号的信号特征;通过对比单一局放模型和混合局放模型下局部放电发生时的信号特征、能量分布特征等,为今后的变压器混合局部放电模式识别研究奠定了基础。     

基于LabVIEW的三相共筒式GIS局部放电故障类型识别系统的研究

气体绝缘组合电器（Gas Insulated Switchgear,GIS）局部放电在线检测对于保证其安全运行至关重要。为了有效地识别出故障类型,对三相共筒式GIS进行典型缺陷局放试验,获得局放信号数据。设计了基于LabVIEW平台的局部放电故障诊断识别系统,通过对局放信号数据进行分析,能有效的识别出三相共筒式GIS内的典型缺陷故障类型。     

基于多源感知的开关柜绝缘缺陷检测技术

绝缘故障在电气设备故障中占很大比例,在缺陷潜伏阶段将其检测并消除是防止故障发生的重要策略。绝缘缺陷通常伴随温升或局部放电现象,因此可将其作为判断设备绝缘状态的重要依据。红外光电传感器可检测设备的温度,紫外光电传感器可检测设备局放产生的紫外脉冲信号。以开关柜内电缆终端缺陷为例,构建了一个红外和紫外光电传感同步采集装置,基于自适应模糊神经网络,探索了一种融合了温升与局部放电2种信息源的智能检测手段。试验结果表明,相比于单传感器下的信息检测,基于多源感知的诊断算法,对设备缺陷诊断的准确性得到了显著提高。该检测技术为开关柜绝缘缺陷的识别和诊断提供了新的研究思路。     

直流电压下油纸绝缘中局部放电的超高频特性

为研究直流电压下油纸绝缘中局部放电的超高频特性,组建了一套直流电压下局部放电试验系统以及由局放超高频检测和超宽带检测组成的测量系统,其中脉冲电流超宽带检测的作用是确保超高频检测获取的信号来自于试品自身的局部放电。试验设计了6种油纸绝缘局放模型以模拟换流变压器的典型缺陷,并引入毫瓦分贝(DBM)频谱分析对超高频信号进行了统一化处理,以比较不同缺陷模型对应的超高频信号。直流下试验结果表明:局部放电电流脉冲具有极快的上升沿,能激励起大于300MHz的超高频电磁波,它可以通过超高频传感器加以耦合接收。各种缺陷模型局部放电的DBM频谱分布各异,超高频段能量幅值最大处也不一样。因此若想以高信噪比实现直流下局部放电超高频信号的在线监测,需要使用中心频率可调的窄带滤波器。这些特性为直流输电系统中使用油纸绝缘的电工设备进行局部放电超高频信号在线监测提供了试验依据。     

基于电容传感器技术的电力电缆局部放电电路模型仿真分析

局部放电(局放)试验是交联聚乙烯电力电缆绝缘状况评价的有效方法。为了研究电力电缆局放电磁波传输特性,建立了电力电缆和电容传感器的等效电路模型,进而建立了电力电缆的局放电路模型。在此基础上,分析了不同检测位置下局放电磁波的传输特性,同时讨论了不同局放脉冲参数对检测信号的影响,最后通过仿真试验验证了模型的准确性,为局放检测系统应用于现场检测提供了理论依据。     

GK模糊分类算法在GIS局部放电模式识别中的应用

为了分析不同绝缘缺陷所激发的局部放电类型,在GIS内模拟了四种典型缺陷模型,根据局放信号与相位之间的关系,提取脉冲序列、幅值和相位信息,得到Hqmax～Phi、Hqmean～Phi及Hn～Phi等二维相位分布,然后利用统计参数偏斜度Sk、陡峭度Ku、峰值数量Pe及互相关因数CC等获取二维分布正负半周期的特征指纹。介绍一种新型Gustafson-Kessel （GK）模糊分类方法,根据特征指纹对四种缺陷进行分类,最后根据聚类有效性分析,验证了GK分类算法与模糊C-均值（FCM）分类方法都可达到较好的分类效果     

机床热误差建模及检测系统模块设计

提出了基于模糊神经网络的数控机床温度与热变形的数学模型,该模型根据输入输出样本自动设计和调整模糊系统的参数,并使传统神经网络中没有明确物理含义的权值被赋予模糊逻辑中推理参数的物理含义。将模糊逻辑理论和神经网络结合,提高了网络的泛化能力。文中给出了模糊神经网络结构、算法的具体实现过程。并通过一个仿真实例说明模型可以将20μm内的热变形补偿到1．7μm内,补偿效果明显。针对补偿技术研究与应用中需要快速采集大量的温度及热变形信号问题,以MSC1210微控制器为核心进行模块化设计,温度采集模块通过SPI接口与上位机DSP连接组成数据采集系统。可以方便、灵活的完成数据采集任务。     

恒压下GIS盆式绝缘子表面缺陷的长间歇性放电特性研究

局部放电检测是当前评估GIS状态和绝缘完整性的重要手段。实践表明,现场局放检测到的缺陷多为自由金属颗粒或悬浮放电,鲜有固体绝缘缺陷案例发现,涉及GIS绝缘盆子的突发性击穿或闪络故障时有发生,局放监测能否发现此类缺陷是该领域内亟待解决的重要问题。为此,设计了GIS绝缘子表面附着金属异物的缺陷模型,通过长时间施加恒定电压的方式,采用全实时检测系统对该模型放电的特高频信号进行了长时间记录,深入分析了此类放电的时序统计特性和PRPS、PRPD图谱特征,揭示了此种类型缺陷在运行电压下的长间歇放电现象和特点。基于固体绝缘材料的电化学击穿理论和空间电荷效应,对固体绝缘缺陷放电的间歇性特征进行了理论解释。所做研究对固体绝缘长间歇放电的检测和固体绝缘突发性闪络故障的预警具有重要的指导意义。     

多缺陷绝缘局部放电信号的识别与分类

绝缘设备中可能存在多种不同的缺陷,若其同时引发局部放电则给局放信号的检测判断增加了难度。作者介绍了国外用混合weibull函数法和小波分析法识别与分离多缺陷局放信号的技术,他们的实践表明:二者均有较好的识别与分类性能,采用于局放高度分布分析技术的混合,weibull函数法适用于处理两缺陷局放信号,采用多分辨信号分解技术的小波分析法则能更准确地处理多缺陷局放信号。     

电缆局放检测振荡波测试系统仿真与开发

针对目前用于电力电缆绝缘检测的振荡波测试系统,大部分文献只对其简要的工作原理及其现场测试情况进行了阐述。基于已有的工作基础,分析了系统的组成结构、参数设置及具体工作原理,并在仿真平台中搭建了系统模型,模拟局放发生及检测过程;在仿真的基础上,研究出了一套小型振荡波测试系统,通过人为设置电缆尖端缺陷,对系统进行了试验。从试验结果来看,所研制系统成功模拟了振荡波测试系统的工作过程,并且采集到了局放信号,且局放信号的分布特性符合尖端放电的特性,证明了该系统的有效性。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统（ANFIS）在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量．建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异．但总体识别率达90％以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

Bootstrap方法在局部放电特征提取中的应用

介绍了用Bootstrap方法对局部放电特征的小样本原始数据集重复再采样 ,提取其特征参量的统计信息 ,建立绝缘缺陷特征隶属函数 ,并应用遗传编程分类方法对缺陷模型进行模式识别的方法。试验结果表明该方法有效、可行。     

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。     

基于自适应神经模糊推理系统(ANFIS)的变压器超高频局部放电模式识别

对于变压器油中局部放电超高频测量系统所得到的局部放电的特征量,首先,选择优先权较高的6个特征量作为自适应神经模糊推理系统(ANFIS)的输入量,其次,构建6输入单输出的ANFIS,它采用了Takagi-Sugeno模糊系统的if-then规则,利用梯度下降和最优平方估计相结合的混合学习算法进行训练.最后,对于模型的有效性进行了检验,检验结果表明利用ANFIS系统进行局部放电的模式识别是可行的.     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号。然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法。首先利用小波变换对局部放电信号获取能量的时频分布图;然后运用差分盒计数法(DBC)对能量分布图进行分形维数的特征提取,并采用线性判别分析(LDA)对特征向量进行降维处理;最后利用支持向量机(SVM)对局部放电缺陷类型进行分类。为验证所提出算法的有效性,在实验室252 kV GIS局部放电仿真实验平台的模型气室内设置了尖端放电、自由微粒放电、沿面放电和悬浮电极放电4种典型缺陷类型,由特高频传感器采集各类缺陷的局部放电信号,后由该文算法进行分类。实验结果表明,采用该文所提特征提取方法对4种典型缺陷类型的识别准确率超过96%,显著优于传统的基于统计参数的信号特征提取方法。     

直流下局部放电序列信号检测与特性分析

介绍了用于分析直流下局部放电序列信号的时间等待恢复模型及其假设,总结了基于基本参数放电幅值q和放电时间点t用于分析直流局部放电序列信号的多种放电谱图。利用自行研制的直流局部放电宽带检测系统获取了缺陷模型(空气中电晕、油纸绝缘的尖板、内部缺陷和沿面放电)在直流电压下的大量局部放电脉冲波形-时间序列。并对获取的脉冲波形-时间序列,使用脉冲群快速分类技术进行随机干扰脉冲剔除。在上述工作基础之上,进行了直流局部放电幅值-时间序列信号的相关性统计分析,给出了各缺陷模型对应的典型q-t、n-q、n-Δt和qsuc-q等多种直流局放谱图。试验结果分析表明,四种典型缺陷具有各自的放电特性,直流下局部放电发展过程符合时间等待恢复模型及其假设。这为基于幅值-时间序列的直流局放检测、识别提供了理论和试验依据。     

几种特征选择方法在局部放电模式识别中的应用

局部放电模式识别的输入特征量选择是非常关键的步骤。针对油纸绝缘中5种典型局部放电类型,从其相间局部放电（PRPD）谱图中提取出31个统计算子。分别运用K-W检验、类内类间距离比、顺序前进法以及遗传算法等4种方法对这些算子进行了选择优化。分别用这些选取的特征量组合作为输入向量,通过BP神经网络这个统一的模式识别技术来比较研究这4种特征选择方法,结果表明,顺序前进法和遗传算法由于考虑了特征量之间的相关性,所选择的特征量优于另外2种方法。     

由UHF信号估算油中尖-板电极局放脉冲波形

从电磁辐射理论出发,建立了局部放电脉冲电流的电磁辐射模型,讨论了变压器油箱外壳对局部放电辐射的影响。在此基础上提出了利用UHF信号估算油中尖-板电极局部放电脉冲电流波形的方法。仿真及模拟实验表明,该法能有效估算油中尖-板电极局部放电脉冲电流波形,可供变压器局放模式识别和绝缘诊断参考。