基于随机决策森林的高压电缆局部放电模式识别北大核心CSCD

不同类型的高压电缆局部放电(简称局放)模式识别是该领域的难题。部分电缆局放类型之间相似度较大,识别困难。针对该问题,文中提出了一种基于随机决策森林(RF)的高压电缆局放模式识别方法。首先,制作了5种高压电缆人工缺陷,结合IEC 60270—2015系统和高频电流互感器(HFCT)进行实验,获取局放数据,并进行局放特征提取。其次,介绍了随机森林算法的原理和基于随机森林的高压电缆局放模式识别流程。最后,基于实验所得数据开展了局放模式识别方法有效性验证,确定了随机森林每个节点处特征子集中特征个数、节点分裂规则、树的棵数3个参数,并与传统的决策树、BP神经网络和支持向量机(SVM)3种方法进行比较。结果显示,与上述3种方法相比,随机森林算法对高相似度局放识别能力更强。     

基于WOA-BP和D-S证据的高压电机局部放电模式识别方法

针对单一信号源特征无法准确识别局部放电(PD)类型的问题,提出了一种基于改进BP神经网络(BPNN)和D-S证据的高压电机PD模式识别方法。对不同类型PD的脉冲相位信息、特高频信号和超声波信号进行采集,提取不同信号的特征向参数,再分别构造基于鲸鱼优化算法(WOA)改进的BPNN识别模型对PD类型识别,将3个识别模型的识别结果作为证据体采用D-S证据组合规则进行融合,最后对融合结果进行决策。研究结果表明：基于3类单一信号源独立识别各类PD类型的准确度存在差异性和不确定性,识别率分别为83.3%、90.0%、83.3%,但3类信号源的共性和差异性可以融合互补,有各自优势,可以解决故障诊断中的不确定性问题。在此基础上,基于D-S证据融合的高压电机PD类型的整体识别率提升至96.6%,实现了3种信号源的优势互补,与单一模型对比,所提方法可以稳定、准确地识别PD模式,具有更高准确率和可靠性,验证了所提方法的有效性与正确性。     

用于局部放电模式识别的深度置信网络方法

气体绝缘电器(gas insulated switchgear,GIS)内部绝缘缺陷产生的局部放电(partial discharge,PD),特征表现较复杂,分散性大,易受运行环境影响,而基于PD统计特征模式识别的传统方法,特征量选取主观性较强,且容易丢失部分特征信息,尤其对自由金属微粒类型缺陷识别率较低。因此,提出了一种基于深度置信网络(deep belief nets,DBN)的GIS设备内部PD模式识别方法,DBN能从数据中自主学习出高阶特征,避免了特征量选取的主观影响,能较好识别自由金属微粒类型缺陷,且识别用时远低于支持向量机(support vector machine,SVM)和BP神经网络(back propagation neural networks,BPNN)算法,作为对GIS设备PD模式识别的新方法具有一定的实用价值。     

基于深度学习的变压器局部放电模式识别研究

针对传统PD模式识别用统计特征量需要依赖专家经验而缺乏一定的泛化性问题和卷积神经网络(CNN)模式识别算法缺乏PD图谱时序特征信息的问题,文中构建了基于CNN-LSTM深度学习的PD PRPD图谱模式识别模型,该模型综合了CNN善于挖掘PRPD图谱局部空间信息的优点和长短时记忆网络(LSTM)善于挖掘PD图谱时序特征信息的优点,可同时提取PRPD图谱的局部空间特征和时序特征,利用变压器典型绝缘缺陷放电图谱对构建的网络进行性能测试,并与CNN和LSTM对比,结果表明,对于PD图谱稳定的悬浮电位缺陷,CNN-LSTM和CNN的识别能力均为100%,但是对于金属突出物缺陷、油纸气隙缺陷和沿面放电缺陷,CNN-LSTM的识别能力优于CNN,CNN-LSTM网络的整体识别性能优于CNN和LSTM。     

基于随机森林的高压电缆局部放电特征寻优

高压电缆局部放电(简称局放)新特征的构建与优化选择是提升识别精度、优化识别效率、增强监测参数可视化效果的重要手段。提出了一种基于随机森林的局放特征优选新方法。在实验室构建了5种类型的电缆人工缺陷,通过加压测试获取局放原始数据,并提取了3500个局放脉冲和3500个典型干扰信号脉冲,构建了1235个局放特征。基于上述样本,开展了基于随机森林的特征寻优,分别获得了局放和干扰信号特征排序结果和不同类型局放信号的特征排序结果,并通过反向传播神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)对优选排序结果进行了验证。结果表明,局放和干扰识别的有效特征参数主要是表征信号快慢的特征和小波组合特征;不同类型局放识别的有效特征参数主要是小波组合特征。结果证明,随机森林算法是一种有效的电缆局放特征优选方法,并有望推广到其他电力设备局放的特征寻优。     

高压交联聚乙烯电缆局部放电脉冲的时频特性识别方法

高压电力电缆局部放电（PD）测量中,进行绝缘诊断和状态评估的一个重要方面是局部放电信号（PDs）的识别和放电源分离。传统的基于局部放电幅值大小检测的相位统计分析,不足以实现有效的诊断、风险评估和基于状态的维护。为此,从理论上研究了频率（即等效带宽∫eq）一时间（即等效时间长度teq）分离技术,通过∫eq-teq。平面的簇脉冲来识别局部放电脉冲,并求解出局部放电脉冲信号在∫eq-teq。平面形成紧凑的簇所需要的相似属性参数。Xi。PE绝缘样片缺陷实验将气隙放电、沿面放电和电晕放电不同类型脉冲映射到∫eq-teq。平面;XI。PE电缆缺陷实验将不同位置的相同缺陷放电脉冲映射到∫eq-teq平面。结果表明,不同类型的缺陷产生的PD脉冲信号能有效形成自己的簇,电缆不同位置的缺陷产生的PD信号也能形成不同的簇。可见,∫eq-teq识别技术可为高压XI。PE电缆的缺陷类型及放电源分离提供判断依据。     

基于OS-ELM的变压器局部放电模式识别

传统的变压器局部放电模式识别算法由于需调整的参数多且难以确定最佳参数、学习速度慢等缺点,在实际工程应用中识别正确率低,识别速度慢。因此,提出了一种基于在线序列极限学习机(OS-ELM)算法的变压器局部放电模式识别方法,该算法是传统极限学习机(ELM)的在线学习改进算法,是一种新型的单隐含层前馈神经网络(SLFN)。本文基于特高频检测法在真型变压器上进行局部放电实验,并获得大量实验数据。将本文所提方法与ELM、支持向量机(SVM)以及BP神经网络(BPNN)的模式识别效果和性能进行了比较分析。结果表明OS-ELM算法识别正确率比SVM和BPNN分别高出5.2%和23.2%;逐渐减小训练样本集大小,OS-ELM识别结果的波动明显小于SVM和BPNN,表现出更好的泛化能力;OS-ELM的训练时间仅为0.031 2 s,远远小于SVM和BPNN。因此,OS-ELM更适用于大数据量样本的工程应用。     

基于卷积神经网络的直流XLPE电缆局部放电模式识别技术

针对现有的直流交联聚乙烯(XLPE)电缆局部放电模式识别对强随机性信号的特征提取缺乏一定自适应能力的问题,该文提出基于卷积神经网络(CNN)的模式识别算法,采用卷积神经网络框架CAFFE进行网络训练和识别检测。首先采集四种典型绝缘缺陷电缆的局部放电信号作为样本,再利用自适应的卷积核进行特征提取,池化层进行特征映射,非线性多分类器进行回归分类,最终得到训练完成的CAFFE网络。通过设置不同求解器参数、网络结构和训练样本数量对缺陷识别结果进行对比分析,发现利用改进的Alexnet网络,采用衰减学习率方式的模式识别框架的平均识别正确率最高,达到了91.32%,相比于传统模式识别算法至少提高了8.97%。该方法具有强大的自适应学习能力,为应用于直流电缆故障诊断的模式识别提供了新的思路。     

基于参数优化SVM算法的交联电缆局部放电模式识别

为避免传统模式识别中神经网络收敛速度慢、过学习等不足或因支持向量机(Support Vector Machine,SVM)参数选择不当而导致识别准确度低,在引入M-ary分类理论将泛化及学习能力更强的SVM算法扩展为多类分类器的同时,利用改进遗传算法(Genetic Algorithm,GA)优化各子分类器的惩罚因子、松弛变量及核函数参数,从而构造出最优参数SVM分类模型。开展交联电缆局部放电模拟试验并提取了表征灰度图象内在分形特征的4个分形维数作为局部放电模式识别的放电指纹,分别采用优化SVM、未优化SVM及径向基函数(Radial Basis Function,RBF)神经网络作为模式分类器完成缺陷分类,并通过对比三者识别效果验证了优化模型的正确性。结果表明,以优化SVM作为分类器时各缺陷识别率均大于95%,且无论是否优化参数,SVM总体识别能力要优于RBF神经网络。     

粒子群优化自适应小波神经网络在带电局放信号识别中的应用

XLPE中压电缆局部放电(PD)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号的来源进行识别。本文提出一种基于自适应小波神经网络的XLPE电缆PD识别方法,构建了一个4层自适应小波神经网络模型,对实验室获得的PD波形进行识别;提出使用粒子群算法先进行一次优化,后使用BP算法进行二次优化的训练方法;讨论了不同网络结构及小波函数对网络性能的影响。研究结果表明PSO-BP组合优化的自适应小波神经网络的训练效果明显优于单独使用BP算法,能够准确、可靠的对PD信号进行识别。     

高压XLPE电力电缆绝缘老化状态评价研究进展

高压交联聚乙烯（XLPE）电力电缆的绝缘老化状态关系到供电可靠性,故电缆绝缘老化状态检测及评价方法的研究意义重大。对于高压电缆的绝缘老化状态检测及评价,国内外已有相关研究成果,文中总结了目前常用的高压电缆绝缘状态离线、在线检测及评价方法。离线检测手段准确性高,但不适于对在役电缆进行大面积取样检测;在线监测的环境干扰因素太多,存在的干扰会对监测结果产生影响,有一定检测局限性,且缺乏大量的实验数据支撑;而对于电缆绝缘老化状态评价方法,尚未有广泛认可的评价标准和体系。文中在总结概述现有方法的基础上,提出了目前电缆老化绝缘状态综合评价方法存在的难点及未来电缆绝缘老化评价研究可提升的方向。     

基于ARTNN的GIS绝缘故障识别新方法

为根据局部放电信号识别早期的GIS绝缘故障缺陷类型,提出了一种利用ART神经网络在线识别GIS绝缘故障类型的新方法。较之常用BP神经网络,该法训练时间短、所需样本少、权值稳定、不存在局部收敛,故更适于在线识别。网络的输入量为一个工频周期内局部放电脉冲重复率、主频率、阻尼系数、放电量、放电相位分布。利用5种GIS绝缘缺陷类型的实验所得数据对ART神经网络进行训练及验证,证明该法的缺陷类型正确识别率可>98%,在GIS绝缘故障类型的在线模式识别中具有广泛的前景。     

改进的Faster R-CNN方法及其在电缆隧道积水定位识别中的应用

针对电缆隧道内积水的问题,提出了一种改进的基于区域建议的卷积神经网络(Faster R-CNN)方法,并将其应用在电缆隧道积水定位识别中。考虑到Softmax分类方法的正则化参数选取会引起概率计算产生问题,改用支持向量机(SVM)进行图像分类,以增强分类的置信度。使用区域建议网络(RPN)提取隧道积水原图中的区域建议,然后用Fast R-CNN检测网络在建议框中进行图像识别、SVM分类和位置精修。实验结果表明,所提方法计算速度快、识别精度高,在实际工程中表现出较高的效率。     

Cost-effective on-line partial discharge of measurements for cables

On-line partial discharge (PD) measurements are an efficient method for detecting certain insulation defects of cables. These include defects in cable joints and terminations, and defects due to mechanical impact. Noninvasive, efficient, and widely applicable, portable on-line PD measurement techniques are strongly favored by the electricity industry. Three on-site PD measurements for cables are described in this article to illustrate how the techniques achieve cost-effective insulation diagnosis to protect the main assets.     

Research on influence of high-voltage cable un-homogeneities on process of short waves distribution

The partial discharges (PDs) inside of high-voltage cable insulation negatively influence cable service lifespan. Therefore timely detection and localization of affected areas with the weakened electric insulation is a vital question, in particular—according to measured values of PD parameters before they reach the dangerous stage of their development. Electrical cable is a circuit with the distributed parameters for current and voltage waves, initiated by local PD which changes their starting values with time. These changes can be taken as informative parameters for solving problems of localization of the defect and evaluation of dangers to cable's performance. Clear and detailed understanding of PD pulse distribution features in power cables is the basis for correctly solving cable diagnostics tasks with non-destructive approaches. This article uses the mathematical model of a power cable on the premises of cable equations. The model allows for modeling of wave processes in a non-uniform electric circuit (at sudden change of longitudinal parameters) in view of repeated reflection of PD waves from the ends and un-homogeneities of an electric cable. Results of mathematical modeling were compared to the data received from physical model of 110 kV XLPE electric cable. The cable physical model is realized with the help of the chained circuit consisting of 15 quad-poles. This document shows results of measurements and modeling of wave process caused by PD. Also, details of the wave process as dependent on time and frequency, and practical use of measurements of PD for cable insulation control, are discussed. Practical measurements show high degree of accuracy with regards to the data generated by theoretical model analysis.     

场强的提高对局部放电测试的影响

局部放电 (PD)是检测 XL PE电缆缺陷的一种重要手段 ,缺陷会造成电缆的局部场强的不均匀 ,在施加外部电压后引起局部放电的现象。本文提出 :在 XL PE电缆承受耐压的过程中 ,采用提高场强的方法 ,能更有效地发现 PD缺陷 ,从而降低 XL PE电缆在运行中的击穿事故。     

Application of dielectric response measurement on power cable systems

Water treeing is one of the factors leading to failure of medium voltage XLPE cables in long-term service. Increased moisture content inside oil-paper insulated cable is not desirable. To identify water tree degraded XLPE cables or oil-paper cables with high moisture content, diagnostic tests based on dielectric response (DR) measurement in time and frequency domain are used. Review of individual DR measurement techniques in the time and frequency domains indicates that measurement of one parameter in either domain may not be sufficient to reveal the status of the cable insulation. But a combination of several DR parameters can improve diagnostic results with respect to water trees present in XLPE cables or increased moisture content in oil-paper cables. DR measurement is a very useful tool that reveals average condition of cable systems. However, it is unlikely that DR measurement will detect few, but long water trees. In addition, DR cannot locate the defect or water tree site within the cable system. Combination of DR and partial discharge (PD) measurements can improve diagnostic results with respect to global and local defects. However, it is doubtful whether PD test can identify the presence of water trees inside a cable in a nondestructive manner. Further research is needed for more detailed conclusions regarding the status of a particular insulation and for predicting the remaining life of the insulation system.     

交联聚乙烯电缆局部放电在线监测系统研制

监测局部放电是评价电力电缆绝缘状况的重要手段,而目前国内对电力电缆局部放电进行测量所用的系统频率较低,为此文中研究了用宽频带电磁耦合法来检测交联聚乙烯(XLPE)电力电缆的局部放电.它由Rogowski线圈型电流传感器、放大器、滤波器和数字示波器组成,带宽为1 MHz～20 MHz,符合宽频带检测的要求.对不同模拟缺陷和电缆上人为缺陷的检测表明,该方法与IEC 60270的方法相比具有一定的灵敏度,可以有效检测到局部放电信号,并且可以很好地识别出不同典型缺陷的局部放电.     

A new partial discharge detection method for live UHV/EHV cable joints

Partial discharge (PD) detection on live UHVEHV power cables and accessories is one of the most important techniques to prevent cable systems from serious difficulties caused by slight errors in joining the cables. A new PD detecting method is proposed in this paper. A resonance-type partial discharge (REDI) sensor is developed for detecting PD occurring inside the joints of live XLPE insulated cables. This sensor picks up the high-frequency components of PD current pulses on the surface of live cables, hence the output signals can clearly be observed at the noiseless area (for example, 10-60 MHZ). This new method was applied to the initial ac breakdown tests with three different types of joints of UHV/EHV power cables. The PD pulse sequence was detected before their breakdown in all cases. The charge quantity and the number of pulses increased tremendously just before the breakdown. In addition, the phase of PD pulse against the applied voltage (?-q characteristics) changes with time or with the progress of deterioration. According to these experimental results, the REDI sensor can be applied to the insulation diagnosis of live power cable joints.     

Partial discharge. VII. Practical techniques for measuring PD inoperating equipment

For pt.VI see ibid., vol.7, no.3, p.9 (1991) Online partial-discharge (PD) tests for monitoring the condition of the solid dielectric insulation in high-voltage equipment are discussed. Sources of external electrical noise are identified, as are attributes of PD and noise that are helpful in drawing distinctions between them. Methods for distinguishing between PD and noise are described. They are based on pattern recognition, time and frequency domain characteristics, or pulse time-of-flight analysis. Several online PD measuring systems for rotating machines, substation equipment, and high-voltage cables are presented