基于 Choi-Williams 分布和排列熵的开关柜局部放电类型识别

开关柜局部放电类型识别对了解绝缘状态并及时维护有着重要的指导意义。局部放电类型识别的关键在于提取局部放电信号的特征。提出一种Choi-Williams分布与排列熵相结合的局部放电超声信号的特征提取方法,利用Choi-Williams分布获得局部放电超声信号的时频特征,求解局部放电超声信号的排列熵,得到信号时间序列的复杂度特征量,与时域特征量组合成特征向量,使用粒子群算法优化的BP神经网络对放电信号进行分类识别。实测数据分析表明,该方法对放电类型识别的准确率达到了96.67%,相较于传统的分形和时频分析方法,分别提高了11.67%和1.67%。     

基于相似矩阵盲源分离与卷积神经网络的局部放电超声信号深度学习模式识别方法

电气设备的故障类型与局部放电现象密切相关,有效提取和分析局部放电信号中的特征信息对故障类型判断和运维检修具有重要意义。针对局部放电超声信号的特点,提出了基于相似矩阵的盲源分离方法对原始超声信号进行预处理,有效提取局部放电的特征量。采用光纤传输的局部放电超声检测平台对4种类型的局部放电信号进行采集,并应用上述方法对信号数据预处理,将处理后的数据作为训练样本用于深度学习模式识别,选用卷积神经网络,最终识别准确率达到90%以上,提高了局部放电类型识别的准确性,为新一代电力系统的设备故障诊断提供了一种新方法。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统（ANFIS）在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量．建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异．但总体识别率达90％以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

基于矩特征与概率神经网络的局部放电模式识别

局部放电信号检测时易受随机噪声干扰,会影响到局部放电模式识别的识别率和识别速度。为了提高局部放电模式识别的识别率和识别速度,提出了一种基于矩特征与概率神经网络的局部放电模式识别器。该识别器首先从放电类型的三维谱图中提取矩特征,然后,将矩特征作为概率神经网络的输入对局部放电模式进行识别。采集了尖板放电和球板放电两种放电类型,将所提识别器与反传神经网络、贝叶斯分类器、极限学习机进行了对比。实验结果表明,所提基于矩特征和概率神经网络的局部放电模式识别器的分类效果令人满意。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统(ANFIS)在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量,建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异,但总体识别率达90%以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

局部放电信号在电缆中的传播对波形影响的分析

用仿真方法和试验方法相结合,研究了电缆中局部放电信号的传播特性,分析了传播对信号波形的影响,提出利用信号时域波形特征进行放电类型识别时,需要考虑信号传播路径对其波形的影响因素。     

图信号与图卷积网络相结合的局部放电模式识别方法

为充分利用局部放电(partial discharge,PD)信号的特征信息和特征与特征之间的关联性,来提高局部放电诊断准确性,该文提出一种基于图信号和图卷积网络(graph convolutional network,GCN)的局部放电诊断方法。首先,选取局部放电脉冲的时频谱构建图信号,将时频谱灰度矩阵的子矩阵(即局部特征)作为图节点,并考虑节点的空间相邻和特征相似性为每个节点匹配邻居,以形成局部特征区域间的拓扑关联,丰富局部放电时频谱的数据信息。然后,采用GCN融合图信号的节点特征和拓扑结构以自主学习局部放电特征、识别放电类型。结果表明,所提方法可以有效地诊断局部放电类型,相较于传统的深度学习方法,对于局部放电时频谱的信息利用更为全面,识别准确率更高,且随着样本规模减小,识别优势更加明显。     

基于GK模糊聚类和LS-SVC的GIS局部放电类型识别

局部放电可以反映气体绝缘组合电器(Gas Insulated Switchgear,GIS)内部的绝缘缺陷,对正确识别GIS的放电类型具有重要意义。在GIS重症监护系统研究平台上人工设置4种GIS的典型缺陷。基于4种缺陷不同电压等级下的局部放电样本数据,提取局部放电灰度图像的分析特性作为识别特征量。同时考虑到现场干扰对局部放电信号的影响,利用GK模糊聚类算法对分形特征量进一步处理,以提取隔离干扰后的分析特征量。最后设计了基于LS-SVC的局部放电模式识别器。试验结果表明所提方法能有效识别GIS放电类型,比人工神经网络方法具有识别率高、稳定性好的优点。     

不同缺陷模式下局部放电测试值的等效性分析

通过对比和拟合分析局部放电模拟试验系统测试值,求解得到特高频检测的局部放电特征信号的等效脉冲放电量。以成套试验系统模拟针板、沿面和电晕等5种典型变压器放电缺陷,经测试、提取放电特征信号及获得相应谱图,并与传统的脉冲放电量特征信号进行等效性分析。同时,通过总结不同放电缺陷特征信号的相位特征关系,研究变压器局部放电强度的标定方法。结果表明:通过识别不同的放电缺陷类型对应不同的放电谱图,为应用特高频检测法进行放电模式识别奠定基础。     

基于遗传编程的绝缘内部局部放电缺陷模式识别

采用新的模拟进化技术——遗传编程，进行局部放电模式识别以区分不同的绝缘内部缺陷类型。制作了4种结构的人工缺陷模型以模拟发电机定子中典型的绝缘内部放电，从局部放电试验中获得二维和三维谱图特征，计算局放信号的矩特征值。首先用模糊方法将局部放电信号的矩特征表示为关于对象不确定知识的模糊特征，作为放电数据的预处理。再由遗传编程分类表达式进化生成局部放电缺陷类型判别函数，并采用递增式学习规则以提高最佳特征对局部放电缺陷分类的效果。另外，将Bootstrap统计模拟技术与遗传编程结合，以克服从小样本数据中进行知识获取的“瓶颈”。人工缺陷模型试验数据的测试结果表明，该方法在局部放电缺陷类型识别中得到了良好的识别效果。     

特高压工频无局放试验变压器外电场模拟计算分析及试验布置优化

多级串级式无局放工频试验变压器是特高压设备研制和试验必不可少的试验设备。为此,对典型的串级工频无局放试验变压器成套设备的外电场分布开展了研究,进行了有限元法数值计算。分别讨论了变压器布置于理想户外、室内距墙10m和距墙7m这3种工况下场强分布特点以及最大场强随净距增加的变化规律,分析了工频无局放成套设备自身结构对最大场强的影响。在特有的计算条件下,比较分析3种不同分压器屏蔽顶罩型式下的场强分布。在顶罩圆环半径和球半径相近时,双环屏蔽优于孤立球屏蔽,且屏蔽圆环截面半径越大,最大电场强度越小。通过分析空间电场分布的特点,得出其它试验辅助设备和空间杂散物项发生悬浮放电的规律。当接地杆与该变压器相对距离>10m时,一般不会发生空间悬浮电位放电;在计算模型中,灯具尺寸越小,对空间电场的影响越小,当灯罩半径>10cm时会发生局部起晕。最后对试验空间的优化布置给出合理化建议,其可作为试验大厅设计和试验设备布置的参考依据。     

基于融合极限学习机的局部放电模式识别

局部放电(PD)是配电设备绝缘故障早期的主要表现形式,放电类型的模式识别对于设备绝缘性能的判定具有重要意义。考虑到极限学习机(ELM)法结构简单、训练速度快,但初始参数选取随机性大,算法稳定性不够的特点,提出一种基于融合ELM算法的PD模式识别方法,综合考虑不同特征判断准确率的差异,采用自适应权值分配对子分类器输出结果实现决策级融合。文中设计了4种放电物理模型来模拟典型的设备绝缘缺陷,采用高频电流法对PD信号波形和相位-幅值谱图(PRPD)进行采集,获得足够样本的实验数据,提取时频域及统计特征值进行分类。结果表明融合ELM算法在保证训练速度的同时,在识别正确率和稳定性上均优于传统ELM算法和反向传播(BP)神经网络。     

LVQ神经网络在GIS局部放电类型识别中的应用

通过在气体绝缘组合电器(gas insulated switchgear,GIS)实体模型内部分别放置针-板、悬浮金属颗粒和绝缘子表面固定金属颗粒三种缺陷模型,用超声波传感器在相同电压下采集到良好的局部放电波形。针对波形选取了7个特征参数,最后用LVQ神经网络对放电类型进行识别,其综合识别率达到96.7%,高于S_Kohonen神经网络,有很好的实用价值。     

基于Kohonen网络的典型绝缘缺陷局部放电模式识别

针对变电站环境下局部放电识别所面临的不可控干扰多、现有识别方法初始参数难确定的问题,在设计符合变电站放电特点的典型缺陷,并采集多个样本数据的基础上,结合统计特征参数提取方法,基于具有自组织竞争识别、抗干扰性强特点的Kohonen网络,得出了一种适用于干扰环境下局部放电识别的新方法。通过探究Kohonen网络竞争层节点数对识别效果的影响,得出了针对样本数据的最佳识别参数,并将此网络与常用的模式识别算法在同等条件下进行对比,证明了其面对多种放电识别时的高稳定性与高识别率,验证了其用于变电站环境下局部放电识别时的优良性能。     

交联聚乙烯电缆附件局部放电的联合检测方法研究

随着交联聚乙烯（XLPE）电缆线路的增多和投运时间的逐年增长,各类问题逐渐凸显,尤其是电缆附件的绝缘事故不断增多,而局部放电是评价XLPE电缆绝缘状况的重要指标,也是诊断电缆故障的有效方法。简要介绍当今常用的2种电缆局部放电在线监测方法,即电容差分法和特高频法（UHF）,重点介绍了它们的联合检测,利用差分传感器解决局部放电标定问题,利用UHF特高频传感器进行抗干扰处理。运用联合检测方法对现场运行的XLPE电缆进行了局部放电在线监测,取得了良好的效果。     

基于LS-SVM和数学形态谱的局部放电模式识别

阐述了1种基于最小二乘支持向量机的局部放电模式识别的新方法.该方法采用多尺度数学形态学开运算提取局部放电信号的数学形态谱,通过数学形态谱可以看出每种类型局部放电具有不同的形态特征,把提取的形态特征作为最小二乘支持向量机的输入,然后应用最小二乘支持向量机的多分类算法来识别不同的放电类型.识别结果表明,该方法有效、可行,具...     

GIS中典型局放缺陷的UHF信号与放电量的相关分析

超高频(UHF)信号与放电量的关系是局部放电UHF检测研究的难点问题,为了解GIS局部放电UHF法的检测结果与脉冲电流法的参量之间的关系,通过4种典型缺陷的局部放电模型的实验研究,比较了UHF信号的能量、二次积分、峰值电压、峰峰值、波面积等参量与放电量及放电量平方之间的联系。研究表明,UHF信号能量与其放电量平方的线性关系均具有最高的可决系数,即UHF信号能量与放电量平方之间存在线性关系;得到了UHF信号能量与其放电量之间的最佳回归曲线。研究结果对用超高频法定量检测电力设备局部放电具有重要的参考价值和指导作用。     

基于TEV法的开关柜局部放电带电检测试验研究

介绍开关柜试验模型系统结构和接线图,分析在针板放电、内部放电、沿面放电、悬浮放电等4种局部放电模型下,TEV检测系统输出值和脉冲电流法检测放电量幅值之间的对应关系,试验结果表明TEV法与脉冲电流法有良好的相关性,TEV法对开关柜局部放电有一定预防作用。     

电涌保护器在民用建筑电气设计中的选用

通过对持续运行电压、残压、通流容量、报警功能等具体参数的选择,阐述了在民用建筑电气设计中如何选择电涌保护器(SPD),从而保护系统持续稳定可靠运行。并从电压等级的选择、传输速率的选择、接口类型的选择等3个方面介绍了防雷器的选型,以期对电气设计人员选用SPD提供参考。