基于Gabor变换的GIS设备典型放电缺陷识别

气体绝缘组合开关设备(Gas Insulated Switchgear,GIS)是电力系统中的关键设备,通过局部放电信号获取GIS设备内部绝缘缺陷的放电类型对于故障诊断和预警至关重要.通过试验提出了一种GIS设备不同放电缺陷类型的识别方法,首先搭建了GIS内典型缺陷模型并使用特高频传感器获取局部放电信号,随后对GIS局...     

基于支持向量机的GIS超高频局部放电模式识别

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于保证GIS安全可靠运行、评估GIS的绝缘状况和制定合理的维修策略具有十分重要的意义。为了研究GIS中不同缺陷所激发的局放信号的特征,设计了4种典型放电缺陷模型来模拟GIS中可能存在的绝缘缺陷,通过试验从超高频(UHF)信号中提取出8个统计特征参数来描述放电的典型特征。基于支持向量机(SVM)算法设计构造了4分类SVM模型,采取投票的方式识别放电类型。实验结果表明,该方法识别率高,能有效识别4种GIS中的典型放电。     

基于 EEMD 能量矩与 ISSA-SVM 算法的 GIS 局部放电类型识别方法

为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电(partial discharge, PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。     

基于深度森林模型的GIS局部放电模式识别

气体绝缘组合开关电器(GIS)不同类型的局部放电(PD)对GIS绝缘造成的破坏程度不同,正确识别局部放电类型对于评价GIS绝缘状况非常重要.为简化特征提取过程、提高局部放电类型识别率,将深度森林算法引入GIS局部放电模式识别,提出一种应用于局放模式识别的深度森林模型.搭建252 kV GIS局部放电检测实验平台并设计典...     

GIS设备局部放电类型表观相似性及模式识别准确性的探讨

为了减少气体绝缘全封闭组合电器(GIS)设备局部放电识别中误判现象的发生、提高模式识别准确度,基于分层式识别方法,采用两种常见的分类器分别对GIS典型故障类型进行诊断,探讨了局部放电类型的表观相似性,并归纳了存在误判现象的局放类型,其中自由金属颗粒跳动的不稳定性是其产生误判的原因,而传感器距放电源的位置决定了悬浮放电误判现象是否发生。同时研究了GIS传统局放类型划分的合理性,并对其进行修正。最后,通过识别率和决策可信度对比了两种分类器模式识别的准确性,研究表明:尖刺放电的识别可信度高,绝缘子气隙放电的识别率高,且支持向量机的识别效果优于BP神经网络。该研究成果为电气设备局放模式识别及严重程度分析等后续工作的有效进行奠定了基础。     

基于快速独立分量分析算法的气体绝缘开关设备局部放电混合信号分离与缺陷类型辨识

为解决气体绝缘开关设备(GIS)内多种绝缘缺陷并存时的混合局部放电(简称局放)的信号分离和缺陷类型辨识问题,提出了基于快速独立分量分析(FastICA)算法的GIS局放混合信号分离与模式识别方法。该方法具体包括:采用FastICA算法从局放混合信号中分离出单一局放信号,针对各单一局放信号,提出的模式识别策略是通过增添相反符号和幅值归一化的单一局放信号用于分类器训练或者使用对信号符号不敏感的特征(如分形特征等)作为分类特征。算例分析结果表明,提出的方法能够实现GIS多绝缘缺陷局放信号的有效分离,并能对分离出的单一局放信号进行准确缺陷类型辨识,且具有抗噪能力强、计算速度快、robust性好等优点。     

基于小波变换和HOG特征的变压器局部放电类型识别方法

不同类型的电力变压器局部放电对变压器绝缘造成的破坏程度不同,正确识别变压器局放类型对于评价变压器的绝缘状况至关重要.提出一种基于小波变换和梯度直方图(HOG)特征的变压器局放模式识别方法,首先根据变压器绝缘缺陷结构特点,设计制作了3种典型的局放缺陷模型,在实验室搭建测试平台并采用脉冲电流法获取变压器局放数据;其次对局放信号进行小波时频变换,获取局放信号的时频谱图并对该时频谱图进行灰度化和归一化处理;最后利用HOG算法提取局放时频谱图上的特征参量并送入分类器,实现变压器不同类型局部放电的模式识别.识别结果表明,该方法的平均识别准确率高达98％,能够有效识别变压器放电类型.     

采用分形和支持向量机的气体绝缘组合电器局部放电类型识别

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,正确识别GIS的放电类型具有重要意义。放电信号特征量的提取和模式识别器的设计对最终判别结果影响较大,因此有必要将分形理论和支持向量机应用到局部放电类型识别中以提高识别效果。在简单介绍了分形理论和支持向量机后,采集了4种绝缘缺陷的放电数据,应用分形理论从φ-q-n灰度图中提取放电特征,并构造6个二分类支持向量机识别器,采取投票法识别放电类型。实验结果表明,该方法与反向传播网络方法相比具有识别率高、稳定性好的优点,能有效识别GIS放电类型。     

基于雷达谱图的交直流复合电压下油纸针板模型局放阶段识别

交直流复合电压下油纸绝缘局放发展阶段的划分与识别是换流变压器绝缘故障诊断的基础。文中研究了1:1交直流复合电压下油纸绝缘针板电极模型的局放特性与雷达谱图特性。基于模糊聚类分析,运用6个局放特征量(最大视在放电量、平均视在放电量、放电重复率、放电最大时间间隔、局放脉冲等效时间及等效频率)将放电发展过程划分为5个阶段,并对每个阶段进行了物理描述,发现放电阶段与绝缘状态和放电形式有关。根据6个放电特征量建立的局放雷达谱图在不同放电阶段呈现不同的形状,雷达谱图的重心坐标比与长宽比作为谱图形状的量化特征量,可在其二维特征域内有效区分不同的局放阶段。最后基于雷达谱图形状特征,运用粒子群优化的最小二乘支持向量机,设计了油纸绝缘针板模型局放发展阶段识别器,其识别率达92.9%。     

GIS局部放电重症监测系统及其应用

GIS局部放电重症监测系统综合了应用特高频(UHF)、超声波(AE)和高频电流(HFCT)检测原理,应用该系统对运行中的GIS设备进行短期实时局部放电信号采集、分析,可及早发现GIS内部存在的各种绝缘缺陷。利用该系统对某变电站GIS异常局放信号进行监测,判断出异常信号具有绝缘早期或悬浮放电特征,并及时掌握了局放信号的变化趋势,确保了GIS设备安全稳定运行。