宽带脉冲电流法局部放电检测中的脉冲定量

与传统的脉冲电流法相比,宽带测量方法可以获取更多的局部放电信息,有助于提高测量的灵敏度和抗干扰能力。研究了基于宽带脉冲电流法的局部放电检测中的脉冲定量技术,介绍了脉冲校准器的设计原理,分析了校准脉冲的波形特征和频谱特征,实测了定量的准确性和线性度。同时在局部放电的实际测量中对两种方法进行了对比,证明了两种方法的等效性。     

直流及复合电压作用下油纸绝缘局部放电研究综述

总结了直流和复合电压下油纸绝缘的局部放电检测技术,包括传统的基于脉冲峰值-时间序列的局部放电检测技术,以及能够检测直流下局部放电的基于脉冲电流波形的宽带/超宽带检测技术。深入分析了直流下油纸绝缘的局部放电机理和影响因素,介绍了目前直流局部放电检测与分析技术的研究现状。还分析了±500 k V直流输电系统中整流变压器阀侧绕组绝缘承受的电压波形,讨论了复合电压作用下局部放电呈现出的特性。     

高压电力电缆试验方法与检测技术探讨

为保障高压电力电缆安全运行,文章对高压电力电缆绝缘试验方法与检测技术展开探讨。利用宽带高频脉冲电流法采集电缆的局部放电脉冲信号,并设计相应的绝缘检测试验装置.基于自适应无监督聚类方法对采集的脉冲信号聚类,聚类完成后求取脉冲在工频上的分布规律,进而识别被检测电缆是否属于局部放电,判断高压电缆的绝缘劣化状态。     

基于甚宽带脉冲电流法的局部放电检测系统

局部放电的检测与分析是评价电力设备绝缘状况,发现早期故障的一种有效方法.与传统的脉冲电流法相比,甚宽带测量方法可以获取更多的局部放电信息,有助于提高测量的灵敏度和抗干扰能力.本文介绍了基于甚宽带脉冲电流法的局部放电检测系统,研究了传感器特性、脉冲分离技术和定量方法.并在实验室和现场对该系统的性能进行了测试,结果表明该系统具有灵敏度高和抗干扰能力强等优点,可以有效地应用于局部放电的现场检测和在线监测.     

基于波形非线性映射的多局部放电脉冲群快速分类

简单分析了目前基于脉冲峰值-时间序列的局部放电检测系统在模式识别功能上存在的缺陷.提出利用基于单个脉冲波形的宽带检测技术研制多局放检测与模式识别系统,并给出了研制交流下该系统的数据处理方案.重点对研制该系统需要解决的脉冲群快速分类技术进行了阐述:即通过基于局放脉冲时域波形的非线性映射进行参数提取,形成2D或3D的波形特征参数空间,再使用非监督的模糊聚类分析实现局放脉冲群的快速分类.基于2D特征参数平面的仿真试验和3D特征参数空间的GIS污秽试验数据处理结果均表明该分类技术的可行性和实用性.这为多局放电检测与模式识别系统的研制提供了试验和理论依据.     

基于脉冲电流波形的GIS局部放电检测抗干扰技术研究

介绍了基于脉冲电流波形用于GIS局部放电检测的新型抗干扰技术。该抗干扰技术由脉冲电流波形的特征提取以及基于波形特征的聚类分析实现。其中,脉冲电流波形的特征提取由基于时频波形和频域波形的等效时频法,而快速聚类分析则由模糊C均值聚类(FCM)实现。受干扰脉冲源影响的电晕放电仿真试验和基于宽带局部放电检测的GIS母线毛刺试验均验证了该新型抗干扰技术的可行性和实用性。     

气体绝缘组合电器多局部放电源的检测与识别

介绍了基于宽带检测的气体绝缘组合电器(gas insulated switchgear,GIS)多局放源检测与识别技术。该技术由脉冲群快速分类和基于最小二乘支持向量机(least square-support vector machine,LS-SVM)的基于相位分布的局部放电谱图(phase resolved partial discharge,PRPD)识别2个主要模块组成。其中脉冲群快速分类模块由基于脉冲波形的时频参数提取和竞争学习网络无监督聚类实现,它将脉冲群分为若干个由相同波形特征脉冲组成的子脉冲群。PRPD放电谱图识别模块对各子脉冲群对应的PRPD谱图进行放电指纹提取,并使用GIS绝缘缺陷特征数据库训练得到的LS-SVM判别函数对各子脉冲群进行识别。仿真和试验结果均验证了该技术的可行性和实用性。     

重复脉冲上升时间对变频电机绝缘局部放电特征的影响

为研究重复脉冲电压上升时间对变频电机绝缘的局部放电特征影响规律,基于超高频天线、检波技术和宽带、高速数据采集和传输技术设计了重复脉冲电压下变频电机绝缘局部放电检测系统。研究了变频电机匝间绝缘在不同上升时间重复脉冲电压下的局部放电统计特性并对其机理进行了分析。结果表明:在微秒级的上升时间下,脉冲电压极性快速翻转导致变频电机绝缘薄弱处空间电荷电场和外部电场叠加,易超过局部放电起始电压,从而产生次数较多的小幅值放电,且放电幅值随着上升时间的减小而增大,但单个周期放电总量逐渐减少。因此设计耦合传感器时应根据重复脉冲上升时间和局部放电脉冲频域能量分布特点,设计高频响应较好的传感器,避免脉冲电源干扰使测试灵敏度降低,从而得到准确反映电机绝缘水平的PDIV和RPDIV。     

连续高压脉冲方波下局部放电测试系统设计

为解决具有陡上升沿的连续方波脉冲下局部放电(PD)测试系统设计中强电源干扰及宽频带、高速采集的问题,设计了宽带、高频局部放电数据采集、数据传输和脉冲提取系统,可用于上升沿为100ns的连续高压脉冲方波下的局部放电测试。采用不同通带的12阶Butterworth滤波器,对比分析了抑制电源干扰的效果,提出了满足测试信噪比(SNR)要求的配置。基于虚拟仪器技术,实现了高速数字示波器的局部放电数据传输,并结合时域阀值、相位窗脉冲提取及极性辨别算法,实现了干扰抑制和峰值提取。系统可实现连续高压脉冲方波下局部放电长时间连续记录,得到脉冲方波下多周期局部放电脉冲峰值数据库,并计算其统计特性,从而为研究各种材料在脉冲方波下的局部放电特性和绝缘破坏机理奠定基础。     

直流下局部放电序列信号检测与特性分析

介绍了用于分析直流下局部放电序列信号的时间等待恢复模型及其假设,总结了基于基本参数放电幅值q和放电时间点t用于分析直流局部放电序列信号的多种放电谱图。利用自行研制的直流局部放电宽带检测系统获取了缺陷模型(空气中电晕、油纸绝缘的尖板、内部缺陷和沿面放电)在直流电压下的大量局部放电脉冲波形-时间序列。并对获取的脉冲波形-时间序列,使用脉冲群快速分类技术进行随机干扰脉冲剔除。在上述工作基础之上,进行了直流局部放电幅值-时间序列信号的相关性统计分析,给出了各缺陷模型对应的典型q-t、n-q、n-Δt和qsuc-q等多种直流局放谱图。试验结果分析表明,四种典型缺陷具有各自的放电特性,直流下局部放电发展过程符合时间等待恢复模型及其假设。这为基于幅值-时间序列的直流局放检测、识别提供了理论和试验依据。     

一种局部放电脉冲信号频域变换的新方法

为了提高检测系统识别局部放电信号和干扰信号的能力,笔者根据局部放电脉冲信号的超宽带特性,提出使用梅林变换对其进行处理,得到该脉冲信号的特殊"频域"波形。针对实际信号的离散特性,给出了基于快速傅立叶变换(FFT)而实现信号快速梅林变换(FMT)的方法。实例分析结果表明:该变换算法简单、运算速度快,可以应用于宽带信号的在线实时处理。这为局部放电脉冲信号"频域"变换以及"频域"波形特征参数提取提供了一种新的方法。     

超声检测进行气体绝缘组合电器典型绝缘缺陷识别

介绍了基于超声检测的气体绝缘组合电器(gas insulated switchgear,GIS)典型绝缘缺陷识别技术.该技术由基于幅值模式(amplitude mode,AM)、飞行模式(flying mode,FM)、基于相位模式(phase mode,PM)的特征参数提取与判别3个主要模块组成.其中,针对AM提取的...     

环氧绝缘内部气隙局部放电超声信号特性分析

建立了1套超声波法测量局部放电的试验系统,模拟了GIS环氧绝缘子内部扁平气隙放电,采用脉冲电流法和超声法对局部放电进行了测量和相互验证,分析了气隙缺陷的尺寸和施加电压变化对局放信号特性的影响。试验结果表明,超声法和脉冲电流法检测的结果均呈现出相似的、典型的PRPD(局放信号相位分布)谱图,并且由于施加电压增加,超声波信号幅值随着放电量的增大而增大,气隙缺陷的尺寸越大,则产生的初始放电量越大。研究结果为通过超声波法测量研究环氧介质内部放电特性提供了试验依据。     

基于宽带检测的局放脉冲波形快速特征提取技术

根据电工设备绝缘存在多局放的工况,提出研制基于单个脉冲的局放宽带检测与模式识别在线监测系统.并指出研制该系统需要解决脉冲群快速分类这一关键技术,其由脉冲波形的快速特征提取以及基于波形特征的快速聚类分析组成.本文针对100Ms/S采样率获取的宽带脉冲波形、-时间序列,提出分别使用幅值参数法、等效时频法和时频熵法对局放脉冲波形的特征参数进行提取.在对人工设置的多局放源产生的脉冲群数据进行波形特征提取后,使用模糊聚类对脉冲群波形特征提取结果进行了对比分析.结果表明:三种波形特征提取方法均能在一定程度上很好地分离干扰源而提取出局放数据.GIS母线尖刺缺陷的试验数据处理同样证实了该技术的有效性和可行性.这为研制基于单个脉冲的宽带局放检测与模式识别在线监测系统提供了实用的脉冲波形快速特征提取技术.     

基于t-SNE与CFSFDP算法的多源局部放电脉冲分类技术

为解决在进行多源局部放电脉冲分类时因等效时频特征分布重叠而导致的脉冲无法有效分离的问题,提出一种基于t-SNE与CFSFDP算法的局部放电脉冲分类技术.该技术首先通过一种相位同步装置同时采集放电脉冲信号与其对应的相位信息,以单一放电脉冲的时频谱图作为对象,通过t-SNE算法对频谱数据进行降维,再对降维结果进行CFSFD...     

PD recognition with knowledge-based preprocessing and neuralnetworks

Partial discharge (PD) patterns are an important tool for the diagnosis of HV insulation systems. Human experts can discover possible insulation defects in various representations of the PD data. One of the most widely used representations is phase-resolved PD (PRPD) patterns. We present a method for the automated recognition of PRPD patterns using a neural network (NN) for the actual classification task. At the core of our method lies a preprocessing scheme that extracts relevant features from the raw PRPD data in a knowledge-based way, i.e. according to physical properties of PD gained from PD modeling. This allows a very small NN to be used for classification. In addition to the classification of single-type patterns (one defect) we present a method to separate superimposed patterns stemming from multiple defects. High recognition rates are achieved with a large number of single patterns generated by stochastic PD simulations. Our network architecture compares favorably with a more traditional network architecture used previously for PRPD classification. These results are confirmed by classification of patterns measured in laboratory experiments and power stations     

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.     

Digital detection and fuzzy classification of partial dischargesignals

This paper deals with digital acquisition, classification and analysis of the stochastic features of random pulse signals generated by partial discharge (PD) phenomena. Focus is made on a new measuring system for the digital acquisition of PD-pulse signals, which operates at a sampling rate high enough to avoid the frequency aliasing, but that provides an amount of PD pulses which enables PD stochastic analysis. A separation and classification method, based on a fuzzy classifier, is developed for the analysis of the acquired PD-pulse shape signals. The result of the fuzzy classification is a cluster of signals homogeneous in terms of stochastic features of PD pulses. The classification efficiency is evaluated resorting to the PD-pulse height and phase distributions analysis. The instrumentation, and the associated classification methodology, are applied to measure and analyze PD data recorded for mica-insulated stator bars and coils, where typical defects, occurring during normal operations, were simulated. It is shown that the proposed procedure enables PD-source identification to solve the identification problems which arise, in particular, when different sources of PD are simultaneously active. In addition fuzzy classification provides an efficient noise-rejection tool