基于局部放电相位图谱和油中溶解气体信息融合的油纸绝缘缺陷识别方法 |
| |
引用本文: | 周远翔,李永印,陈健宁,白正.基于局部放电相位图谱和油中溶解气体信息融合的油纸绝缘缺陷识别方法[J].绝缘材料,2023(12):43-53. |
| |
作者姓名: | 周远翔 李永印 陈健宁 白正 |
| |
作者单位: | 1. 新疆大学电气工程学院电力系统及大型发电设备安全控制和仿真国家重点实验室风光储分室;2. 清华大学电机工程与应用电子技术系电力系统及发电设备控制和仿真国家重点实验室 |
| |
基金项目: | 国家自然科学基金重点项目(52037009);;国家重点研发项目(2021YFB2402102); |
| |
摘 要: | 基于单一检测手段的变压器故障诊断方法难以对油纸绝缘的同一类型缺陷进行细化识别,无法满足深远海风电快速发展背景下电力系统对设备运行可靠性的要求。因此,本文提出了一种基于局部放电相位(PRPD)图谱和油中溶解气体分析(DGA)信息融合的油纸绝缘缺陷识别方法,设计并制作了6种电极模型,模拟变压器中不同电场不均匀系数的沿面放电典型缺陷,并采集其PRPD及DGA数据;分别采用卷积神经网络(CNN)和反向传播神经网络(BPNN)对6类缺陷的PRPD图谱和DGA特征向量进行模式识别;提出基于D-S证据理论的CNN-BPNN信息融合模型,实现基于PRPD图谱与DGA数据的联合诊断。结果表明:基于D-S证据理论的CNN-BPNN模型可有效纠正单一判据模型的错误输出,并降低分类结果的不确定度,当PRPD图谱输入维度为8×8、16×16、32×32时,融入DGA特征向量的模型识别准确率分别为93.21%、97.53%、99.17%,较PRPD图谱单一判据模型的识别准确率分别提升了4.81%、2.78%、0.84%,该模型可有效融合局部放电的电气物理信息和化学产物信息,既提高了缺陷识别准确率,又增强了输出结果...
|
关 键 词: | 沿面放电 PRPD图谱 油中溶解气体 神经网络 D-S证据理论 |
|