基于声发射技术的绝缘子污秽放电监测

在绝缘子污秽放电存在声发射现象的基础上,提出了一种基于声发射技术监测绝缘子污秽放电的方法,并研制出绝缘子污秽放电监测装置。进行了大量污秽试验,试验结果表明．随着绝缘子污秽放电强度的加强,放电产生的声波信号也随之加强,信号脉冲的幅值增大,脉冲出现的频率也增大。绝缘子污秽放电产生的声波信号可以真实反映绝缘子污秽放电过程．通过监测声波信号可以判断放电的发展趋势及对电力系统的危害性。     

声发射技术在绝缘子污秽放电监测中的应用

通过分析现行绝缘子污秽监测方法的一些弊端,在这个基础上,研究了绝缘子污秽放电存在的声发射现象,提出了一种基于声发射技术监测绝缘子污秽放电的方法。研制了污秽放电监测装置并进行了大量试验。通过分析绝缘子污秽放电过程以及伴随放电出现的声发射现象,揭示出污秽放电的严重程度和声信号之间的关系,证明了通过监测绝缘子污秽放电发出的声信号可以实现对绝缘子污秽的在线监测。     

污秽绝缘子放电声发射信号的实验研究

污闪威胁到电力系统的安全运行。文章根据污秽放电伴随的超声信号，提出用声发射信号来反映绝缘子的污闪过程。进行了大量污秽试验，采集了绝缘子污秽放电时的声发射信号波形。分析结果表明声发射信号可以反映绝缘子污秽放电的强弱，因而可以实现绝缘子的污闪监测。     

电晕放电对声发射式绝缘子污秽放电监测影响的研究

对电晕放电和污秽放电声发射信号的特征进行了分析研究。利用两者放电声发射在相位与强度上的差别,提出了识别电晕放电和污秽放电声发射信号的新方法,消除了电晕放电对污秽放电声发射信号的干扰,解决了基于声发射技术的绝缘子污闪在线监测受电晕放电影响的技术难题。     

绝缘子污秽放电的声发射核主成分诊断法

为了提高污秽绝缘子外绝缘状态的诊断准确度,利用绝缘子污秽放电时产生的声发射信号评定其外绝缘状态。通过绝缘子污秽试验,由高灵敏度声信号监测装置检测绝缘子的污秽放电声发射信号;对提取的声发射信号进行核主成分分析,将样本从低维的状态空间非线性的映射到高维核空间,在核空间采用随机森林方法训练得到分类器群,根据分类器群的分类结果对每个测试样本进行投票表决决定其最终分类。分析和诊断试验结果表明,声发射信号的3个原始特征量经核主成分分析后,变换为65个核特征量,有效地提高了分类器群之间的差异性。基于核主成分分析的随机森林模型的状态诊断结果具有很高的准确性。利用污秽放电声发射信号可进行污秽放电阶段的划分,以达到监测绝缘子的外绝缘状态的目的。     

绝缘子放电声发射的传播特性研究

试验研究了绝缘子放电声发射波的产生及传播的基本规律,探讨了各种绝缘子放电声发射波的传播路径,讨论了声发射波在绝缘子本体和空气中的传播速度、反射和折射规律。试验研究了绝缘子放电声发射波的方向性及其在空气中的衰减特性,发现声发射波具有明显的方向性,并且呈快速下降的指数规律衰减。     

悬式绝缘子污秽放电声发射试验研究与分析

为了获取悬式绝缘子污秽放电强度与声发射信号强度之间的关系,系统研究了不同材质悬式绝缘子污秽放电声发射现象。介绍了绝缘子污秽放电声发射监测原理、声信号监测装置以及污秽试验方法,进行了多组悬式绝缘子的污秽放电声发射试验。试验和分析结果表明:整个绝缘子污秽放电过程中,即从放电起始、发展、强烈至闪络,放电强度与声发射信号之间存在着对应关系;且污秽放电过程可粗略的划分为几个阶段,各个阶段各有不同的典型放电现象,均与一定的声发射信号相对应。并在大量污秽试验基础上,总结绝缘子污秽放电声发射波的共有特征。     

染污玻璃绝缘子泄漏电流特性及其闪络电压预测

有效预测绝缘子闪络电压是防止发生污闪事故的重要手段,泄漏电流是分析检测绝缘子闪络电压的重要方法。在人工污秽实验室进行大量的试验,模拟运行电压下污秽度与相对湿度对泄漏电流的影响,从不同角度提取了能够反映绝缘子表面污秽度及相对湿度的4个泄漏电流特征量:泄漏电流脉冲幅值熵S、脉冲幅值Ih、能量比K及能量E,并得到它们之间的变化规律。提出基于广义回归神经网络(generalized regression neural network,GRNN)的绝缘子闪络电压预测模型,将4个特征量S、Ih、K、E及相对湿度作为GRNN模型的输入量,闪络电压作为GRNN模型的输出量。预测结果与试验结果对比分析可知,相对误差小于7.33%,表明提出的绝缘子闪络电压预测GRNN模型的预测结果与试验结果基本一致,能够有效地对绝缘子闪络电压进行预测。     

基于声发射技术的绝缘子放电识别用特征量研究

在进行绝缘子内部放电、污秽放电和电晕放电声发射试验的基础上,研究和寻找能够识别不同类型放电声发射波的特征量。根据不同类型的放电声发射波的差别,初选了15个特征量,分别反映了波形之间的差别和声发射波的变化及发展趋势。为减少初选特征量的信息重叠和冗余,在保证信息量的基础上,利用主成分分析法,把初选的15个特征量降维到3个互不相关的主成分指标,以减少识别计算量,加快识别速度。利用主成分分析后得到的新的主成分指标,可快速地进行放电类型识别和放电状态评价。     

绝缘子放电声发射试验研究

为了解决绝缘子放电源的定位和识别等问题,研究了用两只特制的声发射传感器检测绝缘子的放电声发射波。检测到的信号经自制前置放大器放大滤波显示在示波器上。试验发现该声发射波呈规则的周期性,对应每个工频周期出现两次,信号宽度μs级,不同型式放电声发射信号波形差别显著。     

喷涂PRTV涂料玻璃绝缘子串染污外绝缘特性研究

PRTV涂料因其憎水性能良好,在输电线路外绝缘的建设和维护上得到了广泛应用。通过大量人工污秽试验,研究了220 k V和500 k V电压等级输电线路玻璃绝缘子串在PRTV涂料不同喷涂方式下的染污外绝缘性能。研究表明,PRTV涂料对提高绝缘子串污闪电压,降低表面泄漏电流效果明显;不完全喷涂PRTV涂料玻璃绝缘子串的污闪电压比普通绝缘子串有很大提高,甚至与完全喷涂效果相差不大,可大大节省涂料用量。提出了适合于220 k V电压等级绝缘子串的PRTV涂料喷涂方式,为输电线路外绝缘的设计和性能维护提供了支持和参考。     

温度对GIS绝缘子表面金属异物局部放电及闪络特性的影响

表面金属异物是造成气体绝缘全封闭组合电器(gas-insulated switchgear,GIS)绝缘子故障失效的重要原因。运行中的绝缘子不仅承受强电场作用,还承受温度场的作用,研究电–热耦合下绝缘子表面金属异物的局部放电和闪络特性,具有重要的实际意义。鉴于此,该文建立GIS绝缘子电场和温度场耦合试验平台,开展不同温度作用下绝缘子表面金属异物缺陷的局部放电和闪络特性研究。结果发现,绝缘子表面最高温度从25℃升高至75℃时,绝缘子表面2.5cm长金属异物缺陷的局部放电起始电压降低约16%;平均放电量从0.55pC增加至1.45pC;最大放电量从9.1pC增加至11.5pC;放电频次也从不足200次/s增加至近400次/s。不同电压下,不同尺寸金属异物局部放电特性随温度变化的规律基本一致;而温度对绝缘子表面金属异物缺陷的工频闪络电压的影响不显著。研究结果有助于进一步认识实际运行中在电–热耦合作用下,温度变化对绝缘子表面金属异物缺陷的局部放电和闪络特性的影响规律。     

染污方法对瓷绝缘子直流污闪特性的影响

在人工污秽试验中,IEC标准推荐了几种染污方法,但未给出不同方法试验结果差异的相关说明。为此,采用大吨位瓷绝缘子XZP-300为试品,研究了定量涂刷法、浸污法2种染污方法获得的瓷绝缘子试品在不同盐密条件下的直流污闪特性,比较了2种染污方法试验结果的概率分布特性,同时分析了2种试验方法试验结果的差异,并基于污闪平板模型从原理上解释了差异的原因。结果表明,定量涂刷法和浸污法的试验结果均近似呈正态分布,可以采用2种方法均值计算50%耐受电压;定量涂刷法获得的污闪电压高出浸污法的污闪电压约2%～6%;通过基于平板模型的公式推导可证明,均匀染污表面的污闪电压低于不均匀染污表面的,由于浸污法染污绝缘子表面盐密分布比定量涂刷法的更均匀,因此浸污法的污闪电压低于定量涂刷法的。     

基于因果时序网络的FOA-GRNN电网故障诊断方法

针对电网故障诊断过程常受到警报信息畸变以及保护设备误动或拒动等不确定因素的影响而导致误诊断的问题,提出了基于时序网络的果蝇优化算法-广义回归神经网络电网故障诊断方法。利用系统保护与设备之间存在的时序逻辑关系,对获得的电网故障警报信息甄别后再进行故障诊断。算例分析及测试结果说明,所提方法能够准确地实现电网的故障诊断,并适应电网拓扑结构的变化。     

最小二乘支持向量机预测绝缘子等值附盐密度

考虑到气象因子条件对绝缘子的等值附盐密度影响复杂,难以建立精确数学模型等问题,提出了一种最小二乘支持向量机的绝缘子在一定的气象因子条件下的等值附盐密度预测新模型。以温度、湿度、风速等主要气象因子为输入,绝缘子等值附盐密度为输出,通过最小二乘支持向量机模型,拟合输入与输出之间的复杂非线性函数关系。以现场采集的气候数据为样本对模型进行学习训练,用训练好模型预测绝缘子在一定气候条件下的等值附盐密度。实践表明该方法具有建模速度快、预测精度高、操作简便等优点,不仅克服了常规的BP预测模型的不足,而且性能优于标准支持向量机预测模型。     

基于小波软阈值的中长期电力负荷预测研究

由于中长期电力系统负荷数据相对较少，影响因素广泛，常用的负荷预测方法很难达到满意的精度，所以提出一种结合小波软阈值和广义回归神经网络的综合预测模型，该模型充分考虑了长期负荷数据相对较少和影响因素广泛的特点，把负荷预测看作一个信号序列，应用小波去噪原理，将信号与噪声分离，然后利用广义回归神经网络进行预测。实际应用证明，预测结果是令人满意的。     

基于灵敏度特征决策的GRNN短路容量智能辨识

针对当前局部地区短路容量水平已接近现有设备额定值的情况,提出一种短路容量智能辨识方法。利用基于潮流的短路计算法计算系统各母线的最大短路容量,通过对典型潮流下灵敏度的计算,选择对短路容量贡献程度较大的发电机、负荷的有功出力作为输入特征向量,建立训练样本,对广义回归神经网络（GRNN）进行训练,构成该电网结构下的短路容量辨识的人工神经网络。应用该模型对运行中电网的母线短路容量水平进行快速扫描,为智能电网与智能调度中的故障识别快速仿真建模（FSM）提供了一种新思路。通过IEEE 30节点系统验证了该方法的可行性与有效性。     

大气压下同轴圆柱反应器DBD等效电路模型参数预测

大气压下同轴圆柱反应器介质阻挡放电在气体处理领域应用广泛。反应器等效电路模型是高性能介质阻挡放电电源设计的关键。然而,反应器等效电路模型参数随工作状况而非线性变化,这增加了复杂工况下系统精准设计的难度。针对这一问题,在非线性钳位等效模型的基础上采用遗传算法优化的神经网络对反应器等效模型参数进行预测。以系统的电压幅值、工作频率、气体流速和气体温度作为模型输入,以非线性钳位模型的钳位电压、介质等效电容和气隙等效电容作为模型输出。实验结果表明,在较宽的预测范围内,该方法保持较高的预测精度。利用该方法在全局范围内对反应器介质阻挡放电等效模型参数进行预测,可以为复杂工况下的电源设计提供更准确的反应器等效模型。     

基于数据融合IGA-RGRNN低阶煤制甲烷产量预测模型

为了提高智能系统的准确性与快速性,针对多传感器网络,提出了一种以融合技术为数据基础与改进遗传算法-广义旋转回归神经网络IGA-RGRNN(improved genetic algorithm and rotated generalized regression neural network)算法相结合的预测模型。利用RGRNN强大的非线性随机变量的处理能力,把预测理论引入改进遗传算法循环中,将该模型应用于低阶煤制甲烷产量预测过程,并对预测模型效果进行实验验证。实验结果表明,基于数据融合IGA-RGRNN低阶煤制甲烷产量预测模型的相对误差最大值为2.99%,相对误差最小值为0.25%,相对误差平均值为1.76%,相较其他预测模型具有泛化能力更强和预测精度更高的优势,为低阶煤制甲烷产量预测提供一种新的途径。     

基于BP人工神经网络的绝缘子等值附盐密度预测

等值附盐密度是确定污秽等级和绘制电网污区分布图的主要依据,但是,它易受测量用水量的影响,且测量只能在停电状态下进行.通过对3种常用悬式绝缘子进行人工污秽试验,采用BP人工神经网络的方法,建立了以泄漏电流最大值、泄漏电流5个脉冲主成分、环境湿度、温度等8个变量作为输入参数,等值附盐密度作为输出参数的智能预测模型.使用Levenberg-Marquardt快速学习算法对建立的神经网络进行训练.其试验数据验证了该方法的可行性.