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。     

基于软打分机制——多模态融合的真实开关柜局部放电模式识别方法

局部放电类型与开关柜早期绝缘劣化程度密切相关,准确识别开关柜局部放电类型是改善开关柜运行状态,保障电网安全的重要手段。文中设计了真实开关柜中易产生的尖端放电、悬浮电位放电、强垂直分量沿面和弱垂直分量沿面放电4种局部放电类型。利用特高频传感器、暂态地电波传感器、超声传感器和高频电流线圈对开关柜的局部放电进行多模态融合检测,分析了同一缺陷下不同传感器的检测灵敏度以及不同缺陷类型的谱图特性。提取谱图的放电密度分布特征参量为正负峰值差Dpn、边沿积分差值Dei、前端均值差Dav、前端放电数占比Pfd和相位横向跨度Tr。提取谱图的轮廓特征参量为与缺陷标准轮廓的相关系数r。将所提取的特征参量融合得到表征开关柜局部放电模式的新特征体系,并提出了一种基于软打分机制的开关柜局部放电模式识别方法。该方法解决了传统识别方法谱图特征单一、识别准确率低、识别类型不精准的问题,为开关柜设备的在线监测和故障诊断提供了理论依据。     

基于特高频谱图统计参量的局部放电定位方法研究

针对基于时间差的特高频局部放电定位中时间差求解困难的问题,引入了一种新的不基于时间差的特高频局部放电定位方法.通过建立变压器局部放电模型和实验系统,在获得了不同检测距离下两种典型局部放电特高频谱图数据的基础上,根据特高频谱图统计参量与传播距离间的关系,采用多元非线性回归的方法,建立了检测距离与统计参量间的函数关系,从而可以将在未知距离测量得到统计参量代入函数计算得到检测距离.通过实验数据检验,该方法计算得到的检测距离精度小于40 cm.     

基于ARMA模型的GIS局部放电发展趋势预测

气体绝缘组合电器(gas insulated switchgear,GIS)设备局部放电存在安全隐患,不容忽视。文中采用特高频法研究GIS中典型局部放电过程,建立局部放电缺陷模型,进行大量试验获得数据。提取数据得到局部放电特征量,并采用局部放电特征谱图研究局部放电的特征。对特征量进行筛选、分类,选取不同类型特征量代入自回归移动平均模型中对GIS局部放电发展趋势的预测情况进行分析研究。结果表明:①对于局部放电线性参量,ARMA预测模型可以对其发展趋势进行准确预测,整体预测误差值均在10%以下;②对于局部放电阶跃参量,ARMA预测模型可以对其发展趋势进行预测,但难以较为精确地预测其具体数值;③对于局部放电非线性参量,ARMA预测模型难以对其发展趋势进行预测,但所预测参量的极值和峰值有一定的参考价值。     

典型GIS局部放电超声波信号特征研究

利用超声波法对4种GIS中的典型局部放电进行实验研究,包括GIS内金属颗粒群、高电位接触不良、地电位接触不良和高压尖刺.首先建立GIS局部放电模拟测试平台,其中包括局部放电模拟系统、超声波测量系统和常规脉冲电流法测量系统.然后在此平台基础上,得到不同类型局部放电超声波信号的发生发展规律,给出信号的统计谱图,包括N-ф谱图(放电次数与放电相位关系谱图)和Umax-ф谱图(放电幅值与放电相位关系谱图).实验结果表明,低频超声波传感器可以监测到这4种局部放电信号,信号统计谱图可以显示出故障模型的不同特征.     

基于概率神经网络的油纸绝缘局部放电发展阶段识别北大核心CSCD

采用阶梯升压法进行油纸绝缘沿面放电与气隙放电实验,根据放电发展过程的差异将局部放电划分成4个阶段:放电初始阶段、放电发展阶段、放电稳定阶段和临近击穿阶段,分析两种模式下放电特征参量的发展规律。提取放电相位分布(PRPD)图谱的29个统计特征参量,通过局部线性嵌入算法降维得到新的六维特征参量,采用概率神经网络(PNN)算法对两种放电模式下油纸绝缘放电发展阶段进行识别,并与广义回归神经网络(GRNN)模型以及反向传播神经网络(BPNN)模型进行比较,发现其识别结果更加准确。     

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。     

基于3D打印建模的变压器典型局部放电模型研究

局部放电是造成电力变压器绝缘劣化、沿面闪络或绝缘击穿的重要原因。为了对变压器内部局部放电类型进行模式识别,基于3D打印技术设计加工了4种典型变压器内部局部放电绝缘缺陷模型,并搭建局部放电模拟试验平台对各模型进行测量,通过对比分析各模型的n-q-φ谱图,总结出不同谱图的特点,对变压器的局部放电类型识别具有一定的指导意义。     

基于局部放电能量的油纸绝缘典型缺陷放电严重程度评估方法

变压器内部缺陷引发的局部放电会导致油纸绝缘老化与损伤,甚至造成威胁变压器安全运行的绝缘故障。为探究基于局部放电信号的变压器缺陷严重程度评估方法,文中搭建了球—板、柱—板、针—板3种典型缺陷模型,得到局部放电相位谱图、放电次数和放电量等特征参量随时间的变化规律,发现球—板和柱—板模型下放电次数、针—板模型下平均放电量由上升到下降这一变化趋势的改变,可作为放电后期的判断依据。在此基础上,引入放电能量对放电强度进行量化表征,分析了缺陷类型和放电发展阶段对放电能量的影响规律,据此可将放电严重程度划分为起始、发展和危险3个等级。研究成果可为不同缺陷类型下的局部放电严重程度评估提供参考依据。     

基于特征参量优选与多算法联合的局部放电模式识别方法

电力设备中,不同类型的放电因放电功率、能量的差异对设备绝缘的损害能力存在差异,即对绝缘的危害程度不同,确定局部放电类型是放电危险度评估的基础。文中对典型缺陷条件下的局部放电谱图提取了基本参量及统计参量等多种特征指纹;为了降低识别参量的维度,定义了特征向量可分性评估准则,并使用浮动前向搜索算法选取了可分性最优的9组特征参量;分别使用主成分分析、线性可分性分析、核主成分分析及通用可分性分析4种方法将特征向量降为2维,结果表明,使用通用可分性分析降维后特征参量可分性最优。之后,提出了多算法联合的模式识别分类器,通过对比最小距离法、人工神经网络及支持向量机,3种方法确定最终识别结果,实验结果表明,该分类器识别准确率达95.8%。最后将所提出模式识别方法应用于现场局部放电缺陷类型识别,通过设备实验结果对比验证了识别结果的准确性。     

直流局部放电试验系统的研制及应用

随着中国特高压直流输电工程的发展,换流变压器等电力设备的安全可靠性问题显得尤为重要。由于直流局部放电试验能够提早发现绝缘缺陷、有效预防直流输电设备绝缘击穿事故的发生,根据直流局部放电机理,研制出一套可用于换流变压器直流耐压过程的局部放电检测的试验系统。该系统具有抗干扰能力强,高速、持续、实时采集的特点,能够保证系统检测的直流局部放电信号的有效性和完整性,并通过典型油纸复合绝缘模型验证了其性能。实践结果表明,它能有效、便捷地测量油纸绝缘直流局部放电的时域信号。对时域信号进行的时频分析和统计分析结果表明：同一电极模型中,统计特征参量的数值上随加压时间变化明显,可实现局部放电发展严重程度的预测;不同电极模型中,统计特征参量分布规律一致,可有效判断缺陷类型,该系统有望广泛地应用于直流输电设备检测。     

基于局部放电统计参量的脉冲电压下绝缘老化分析

主要针对匝间和对地绝缘电磁线在脉冲电压下老化后的局部放电特征进行了研究.通过不同老化时间的局部放电相位相关分析,在高频脉冲电压下老化后放电次数相位分布出现明显的"放电丛"现象,并通过工频老化后的局部放电结果对此加以证实.通过两种不同电磁线老化特征对比,匝间绝缘和对地绝缘呈现不同的放电特征,匝间主要以内部气隙放电为主,而对地绝缘电磁线则以槽放电为主.此外,测量和分析了局部放电统计参量(如偏斜度、峭度、不对称度等)随老化时间的变化,结果表明平均放电量的偏斜度和老化时间有着一定联系.为更深入地研究脉冲电压下绝缘老化机理打下了坚实的基础.     

X射线激励下局部放电的研究进展

X射线具有较大的能量,能使电介质发生电离,进而可以影响局部放电的发生与发展过程。首先介绍X射线激励固体绝缘内部气隙、油纸绝缘内部气隙和油隙等典型缺陷局部放电的宏观现象,综述X射线能够为绝缘体中的气隙放电提供给初始电子,减小放电统计时延,降低局部放电起始电压的机理。其次,阐述近年来X射线激励下GIS绝缘子中气隙缺陷、环氧树脂浸渍绝缘中气隙缺陷和油纸绝缘系统等绝缘结构中的局部放电现象和特性。最后,总结现有X射线激励下局部放电检测技术的应用场景,给出该技术的发展和应用前景。     

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...     

灭弧室内真空度与局部放电关系的研究

为研究真空断路器灭弧室内真空度与局部放电状态的关系,设计了一套模拟断路器运行的试验平台,采用特高频方法测量了灭弧室内不同真空度下的局部放电信号,并利用统计参数法统计出不同压强下的局放信号特征参数。试验结果表明随着灭弧室内真空度在0.5～300Pa之间变化,灭弧室局部放电量和次数有明显区别,压强在15～20Pa之间局部放电强度最大、次数最多,同时易发生间隙击穿。在此基础上通过对局部放电数据处理分析,得到不同压强下局部放电PRPD谱图,作为间接诊断断路器灭弧室真空度的依据。     

基于VPMCD的变压器局部放电模式识别

识别局部放电的类型对变压器状态评估十分重要。文中构造了四种变压器局部放电实物模型,从放电信号中提取18个统计特征量,使用基于变量预测模型的模式识别方法(Variable Predictive Model based Class Discriminate method,VPMCD)完成局部放电信号的分类。对比实验结果表明,VPMCD方法在识别率和计算效率均高于BP神经网络。     

局部放电故障类型智能识别技术的研究

研究了局部放电故障类型的智能识别方法和其识别效果。基于超高频法研究了局部放电的信号特征,分析了不同放电类型的信号特征差异。构造了局部放电的二维谱图,提取了6个统计特征参数作为神经网络的输入,用以识别放电类型。通过对设计的三种放电类型的试验分析,发现放电样本选取对识别正确率有很大的影响,合理选取可提高识别效果。     

电力变压器局部放电检测技术应用分析

介绍脉冲电流法、高频法、超声波法和油色谱分析法等变压器局部放电检测技术的原理,结合这几种检测技术在变压器局部放电故障诊断中的应用,分析每种检测技术在判断不同类型变压器不同位置放电时的有效性,为局部放电检测方法的选择提供借鉴。     

温度对油纸绝缘扁平气隙缺陷局部放电特性的影响

Partial discharge based risk assessment method has rapidly developed as an effective diagnosis method in oil/pressboard insulation system.The temperature in field power transformer is variable according to loading and the PD properties in insulation are also variable in different temperature.In order to assess the influence of temperature on partial discharge properties in oil/pressboard insulation system,a partial discharge testing system with temperature adjusting function was adopted in this paper.The partial discharge data obtained from the experimental work were presented in phase-resolved PD(PRPD) pattern analysis and pulse sequence analysis(PSA).The single pulse in time domain at different temperature is also analysed in this paper.