基于聚类–小波神经网络的油纸绝缘气隙放电发展阶段识别方法

基于油纸绝缘气隙放电模型,在实验室搭建了气隙放电及其发展特性研究试验平台;采用恒压法,对其进行局部放电发展特性实验;提取了局部放电最大放电量相位分布、基于油纸绝缘气隙放电模型,在实验室搭建了气隙放电及其发展特性研究试验平台;采用恒压法,对其进行局部放电发展特性实验;提取了局部放电最大放电量相位分布、平均放电量相位分布、放电次数相位分布以及局部放电幅值分布中的29个特征参量,通过核主成分分析,采用系统聚类对放电不同的发展阶段进行划分.建立了基于聚类-小波神经网络的放电发展阶段识别方法,识别结果表明:所建立的识别方法能很好地根据放电有效特征量识别放电所处阶段,与系统聚类分析结果基本吻合     

基于小波矩特征信息的沿面放电阶段识别方法

沿面放电是电力变压器绝缘局部放电的主要形式之一,开展沿面放电发展特征的研究,对甄别变压器潜伏性故障具有重要意义,为此,根据典型的沿面放电模型,利用恒压法试验对其发展特征进行研究分析。针对沿面放电不同时间的信号样本,提取不同时间阶段局部放电灰度图像的小波矩特征参量。通过对特征参量的无监督系统聚类分析,建立一种基于聚类-多级支持向量机(support vector machine,SVM)的不同放电阶段识别机制,将整个放电过程划分为了初始阶段、发展阶段、稳定阶段、预击穿阶段,为局部放电发展特性研究提出了一种创新方法。     

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。     

基于概率神经网络的油纸绝缘老化诊断技术研究

对油纸试样进行加速热老化处理,根据聚合度变化将其老化过程划分为5个老化阶段;基于气隙放电模型进行局部放电试验,采集不同老化阶段油纸试样的PRPD图谱;利用统计算子提取特征量,采用因子分析法(FAM)对原始特征数据降维,比较降维前后特征数据的聚类特性;建立概率神经网络(PNN)模型识别油纸绝缘的老化阶段,作为对照,搭建反向传播(BP)神经网络模型以及支持向量机(SVM)模型,使用相同的数据对其进行训练,比较三者的识别结果.结果表明:老化会导致纸板内部产生孔隙,从而促进局部放电的发生;与其他模型相比,FAM-PNN模型在识别准确率和运算效率上具备明显优势,使用FAM-PNN模型可以准确高效地对变压器油纸绝缘的老化状态进行评估.     

油纸绝缘沿面放电小波矩特征信息提取及其过程划分

油纸绝缘沿面放电是变压器内局部放电的主要形式,研究其产生及发展特性,能有效诊断运行变压器的潜伏性缺陷。笔者基于典型油纸绝缘沿面放电模型,采用恒压法开展局部放电发展特性试验研究。采集沿面放电发展过程中不同时刻的信号样本,提取了不同阶段沿面放电灰度图像的小波矩特征参量。对新特征参量进行无监督聚类分析,聚类结果结合不同时刻的信息将沿面放电发展过程分为初始、发展、稳定、预击穿4个阶段,为沿面放电发展特性研究提出了一种新的方法。     

GIS中自由金属颗粒缺陷局部放电严重程度评估

自由金属颗粒缺陷是GIS中常见的绝缘缺陷,而且不同严重程度的局部放电对设备安全运行的影响不同,因此有必要对该类缺陷的放电发展程度进行研究。采用阶梯升压法对自由金属颗粒局部放电进行研究,利用特高频检测技术对局部放电信号进行采集,并提取出6个有效表征局部放电严重程度的特征参量,最后采用K-means聚类算法及最小距离原则建立了局部放电发展阶段的划分规则,并探讨了自由金属颗粒缺陷放电发展过程的演化机制。结果表明:放电特征参量随试验时间的增加均呈现出单调突变式增大或减小的趋势,可以用来表征自由金属颗粒放电的严重程度,通过聚类分析算法和局部放电试验将金属颗粒的放电过程划分为放电发展阶段与放电的临近击穿阶段。     

GIS中金属微粒诱发沿面局部放电发展过程的研究

局部放电的检测和识别对气体绝缘全封闭组合电器(GIS)运行状况的监测起着至关重要的作用。金属微粒缺陷是一种极易引发GIS局部放电的典型缺陷。文中主要研究金属微粒诱发的GIS内局部放电沿面爬电的发展过程。为此,根据GIS实际运行条件,搭建GIS模拟实验平台,采用阶梯升压法划分试验阶段,利用脉冲电流法检测各阶段下的局部放电模式,与此同时架设增强型电荷耦合检测器相机(ICCD)实时记录金属微粒局部放电的沿面发展过程,并采用K-Means聚类算法结合特征参量对其发展过程进行划分。结果表明GIS盆式绝缘子上金属微粒的沿面局部放电演变过程分为3个阶段:电晕放电主导阶段、电晕与流注放电并存阶段和流注放电主导阶段。     

变压器油纸绝缘气隙放电能量-小波矩特征及放电过程划分

基于油纸绝缘气隙放电模型,研究放电能量的变化规律。通过引入放电重复率,提出用每秒平均放电能量描述气隙放电的发展过程。引入放电发生的工频相位,构造基于放电能量的φ-W-n三维统计图谱,投影到放电能量-相位平面得到灰度图像。采用一种基于小波矩特征的局部放电灰度图像特征提取方法,得到灰度图像的全局特征和局部特征。根据提取到的不同放电时刻的小波矩特征值,采用模糊C-均值聚类的方法将整个放电过程划分为放电产生和振荡发展阶段、微弱放电阶段、放电爆发阶段以及放电预击穿阶段。     

油纸绝缘的局部放电特征量分析及危险等级评估方法研究

以局部放电为特征量,研究油纸绝缘扁平气隙缺陷发展规律及状态评估的方法。首先引入等效时频分析结合模糊聚类方法实现混合放电源的分离,并采用因子分析方法对传统的放电特征量指纹进行降维,提取出新的放电指纹;然后以不同放电阶段的新特征指纹为依据,采用ID3决策树实现了放电发展阶段和风险的评估;最后提出一套以局部放电作为特征参量对绝缘缺陷发展程度和风险进行评估的方案。该方法重点解决了2个问题:一是混合放电源的分离和识别,二是可用于评估油纸绝缘老化程度的放电指纹特征提取和诊断方法。     

油纸绝缘沿面放电多物理信号发展规律及阶段特征EI北大核心CSCD

为研究油纸绝缘沿面放电过程中相关物理量的变化规律,明确其与沿面放电发展阶段的关系,该文建立一套能够对放电过程中电、磁、声、光等多物理量进行同步测量的联合检测实验系统。实验对比不同检测方法的有效性,并获得沿面放电过程中多物理信号的发展规律。在此基础上,提取不同物理信号的特征参量,通过层次聚类法对沿面放电发展过程进行阶段划分,并给出相应的物理描述和阶段特征。结果表明:沿面放电缺陷下,不同检测方法的灵敏度存在差异,其中超声法的灵敏度最高;基于相应的多物理特征参量,通过聚类可以将沿面放电发展过程划分为放电起始阶段、放电发展阶段和预击穿阶段,整个过程的阶段变化与绝缘状态和电场分布有关;相比于传统单一手段的检测方法,综合利用多物理信号能够更有效地判断故障发展的严重程度。     

变压器内单一局放PRPD谱图统计参量的主成分分析

设计了4类由变压器油纸绝缘缺陷引起的"单一局放模式"模型:气隙放电模型、针板放电模型、介质表面金属杂质放电模型、油隙放电模型。通过标准化试验方法得到了不同模型局部放电相位分布模式(phase resolved partial discharge,PRPD模式)的二维谱图,并对谱图进行分析得到25个局部放电统计参量。采用主成分分析对统计参量的有效性进行了分析,得到了25个统计参量对不同类型放电信息表达的新特征参量组,以及对不同放电类型识别的贡献率。     

基于EMD-SVD特征和SVM油纸绝缘热老化阶段的识别

通过研究油纸绝缘不同老化阶段的局部放电变化规律,并对老化阶段进行诊断识别。制作油纸绝缘内部扁平气隙放电模型进行热老化加速试验,对7个老化阶段的样本进行局部放电试验,得到局部放电数据。借助MATLAB平台通过EMD-SVD提取样品局部放电的特征量,用支持向量机(SVM)分类方法对不同阶段老化样本的特征向量进行诊断识别,结果总识别率达到90%以上,证明了利用EMD-SVD作为局部放电信号特征提取方法的有效性。     

油纸绝缘老化状态判别的局部放电特征量

采用多元统计分析方法对传统的局部放电统计特征算子进行了因子分析,从24个统计算子中提取出8个公共因子作为局部放电新特征因子,从而实现数据压缩的目的。提取的新特征因子之间不仅携带了原始统计算子的大部分方差信息,而且彼此独立,具备各自的物理意义。对油纸绝缘扁平气隙模型开展了电-热加速老化试验,并采集不同老化阶段试品的局部放电信号样本,采用新特征因子进行了已知老化状态样本的聚类和线性判别函数构造,进而对未知样本的绝缘老化状态进行判别。该方法基于实验室数据的分析得到了令人满意的结果,并为变压器油纸绝缘老化状态的诊断提供了一种可行的方案。     

基于小波包能量熵的油纸绝缘气隙放电阶段识别

油纸绝缘气隙放电是运行变压器局部放电的主要方式,研究其发展阶段对变压器潜伏性故障的有效监测及诊断具有重要意义。论文模拟实际变压器运行环境建立油纸绝缘气隙放电缺陷模型,利用恒压法采集其局部放电信号,采用小波包分解对局放信号进行频带划分,获取其各频带下信号能量分布以及局放发展过程信号总能量发展情况,基于不同频带下信号能量变化特征提出以小波包能量熵作为局部放电发展特性的新特征量,通过小波包能量熵在整个过程中的循环变化特征规律,提出以小波包能量熵"阶跃"断层点为支点的局部放电阶段有效划分方式,并根据小波包能量熵在不同阶段的阈值特点,建立通过阈值判定来识别局部放电发展阶段的模型。     

交直流复合电压下老化油纸绝缘针板模型局部放电特性

为研究换流变压器阀侧实际运行老化的油纸绝缘局部放电特性,提高交直流复合电压下油纸绝缘局部放电研究的工程实际意义,取运行5 a的换流变油纸样本,建立典型针板电极油纸绝缘缺陷模型,对交直流复合电压下老化油纸绝缘局部放电从起始阶段到击穿的整个过程进行了实验模拟并记录放电时域信号。随着局部放电发展,放电幅值逐渐提高,出现放电的相位分布扩大,相应相位出现的放电次数增加,当临近击穿时,负周期放电量超正周期数倍。基于时域放电信号建立了多个放电周期的H_(umax)(φ)、H_(umean)(φ)、H_n(φ)和H_n(u)等PRPD谱图。分析谱图特性,并计算各个谱图的偏度(Sk)等统计参量因子,基于自适应阈值模糊聚类分析方法,将统计参量因子分为10类,分类之后可看出一定的时间延续性。结合分类结果和局部放电发展的不同时刻的信息,将放电模型的发展过程划分为初始放电阶段、放电发展阶段、放电稳定阶段和预击穿阶段。划分结果可为交直流复合电压下油纸绝缘局部放电在线监测和模式识别提供参考。     

基于2D-LPEWT的特征提取方法在 电缆局部放电分析中的应用

局部放电检测对识别电力电缆绝缘缺陷具有重要意义,其中提取有效的特征参量为其研究重点。该文提出一种基于二维Littlewood-Paley经验小波变换(2D-LPEWT)的特征提取方法,可实现电缆局部放电不同缺陷类型的准确识别。通过搭建电缆绝缘局部放电检测平台,利用2DLPEWT对四种典型缺陷模型下局部放电产生的?-Q-n图谱进行分解,对得到的经验小波系数子图提取了Tamura特征、矩特征和熵特征,并讨论了不同的特征提取方法对KNN、决策树、支持向量机(SVM)三种分类算法性能的影响。结果表明所提出的特征提取方法在不同的分类器下均可达到很高的识别精度,具有很好的实用性。     

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。     

基于最小二乘支持向量机的改进型GIS局部放电识别方法

利用最小二乘支持向量机（1east square-support vector machine,LS．SVM）的方法识别气体绝缘组合电器局部放电的类型。在信号的快速分类后利用相位分布的局部放电特征谱图的特征参数作为LS．SVM识别放电类型的依据;信号快速分类处理部分主要包括信号时间一频率特性提取部分和模糊C-均值聚类2...     

基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测

针对低压配电网中用户的户变关系及相位信息常存在错误且变动较为频繁的现象,提出了一种基于多粒度聚类和多元特征统计的低压配电网拓扑识别与监测方法,包含拓扑聚类识别和拓扑统计监测2个阶段。在拓扑聚类识别阶段,基于用户电压波动曲线的α-峭度和α-偏度提取数据粗粒度空间特征,采用密度峰值聚类算法识别所有用户的户变关系;在数据细粒度特征空间,通过考虑延迟效应的动态时间弯曲距离算法优化密度计算过程,实现相位关系的精确聚类。在拓扑统计监测阶段,基于多粒度聚类结果,采用邻域保持嵌入算法建立多元统计监测模型,实现新增用户或拓扑有变化的个别用户的拓扑快速识别。实际算例的分析结果验证了所提方法的有效性。     

油纸绝缘电热老化的聚类判别算法

油纸绝缘老化诊断是保障充油电力设备安全运行的重要手段之一。为研究采用局部放电参数进行油纸绝缘老化诊断的新方法,设计了新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热联合老化试验,采集老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度。采用因子分析方法,从传统的27个局部放电统计算子中提取一组新的9个局部放电主成分因子向量,组成统计矩阵进行聚类及老化状态的判别。采用c-均值聚类算法和模糊c-均值聚类算法分别对两种向量进行聚类分析,聚类结果表明,基于局部放电统计算子和其主成分因子,采用模糊c-均值聚类算法对油纸绝缘老化状态识别,都可获得稳定的识别结果,正确识别率均>70%,优于c-均值聚类算法。