基于暂态地电压的开关柜局放特征提取及类型识别方法研究

局放作为一种表征开关柜绝缘状态的现象,其类型的判别对于开关柜绝缘状态的评估具有重要的意义,不同类型的局放其特征既有一定的共性,同时也存在着个体差异,而描述局放的特征量越全面则判别的准确程度也越高,文中研究了不同类型局放在时域、频域及统计图谱等方面的差异,提出了能够较全面地描述局放类型的特征参数,并基于特征维数方面的考虑提出了基于RST的BP神经网络和SVM局放故障类型识别方法。研究结果表明,SVM方法与BP神经网络对比其识别能力较强,而且分类器的设计与训练时间远小于BP神经网络;SVM与RST相结合不仅能够对标准的局放类型有较高的识别能力,也能够通过加入新的案例进行学习,识别更多非典型的局放信号。     

变电站全站局部放电检测中多源信号分离方法

针对已有的变电站全站局部放电检测方法仅能得到放电源的大致方向,无法区分局部放电类型和来源的问题,基于各种局部放电源所产生的超高频信号在时域与频率的不同特征,对连续采集存储的局部放电电磁波脉冲波形进行TRPD （ time resolved peak display ）时频分析和模糊聚类,分离出不同局部放电源或干扰所产生的放电信号,以实现放电源的准确定位,为后期局放类型的图谱特征识别奠定基础。现场测试证明了该方法的可行性。     

基于小波变换和HOG特征的变压器局部放电类型识别方法

不同类型的电力变压器局部放电对变压器绝缘造成的破坏程度不同,正确识别变压器局放类型对于评价变压器的绝缘状况至关重要.提出一种基于小波变换和梯度直方图(HOG)特征的变压器局放模式识别方法,首先根据变压器绝缘缺陷结构特点,设计制作了3种典型的局放缺陷模型,在实验室搭建测试平台并采用脉冲电流法获取变压器局放数据;其次对局放信号进行小波时频变换,获取局放信号的时频谱图并对该时频谱图进行灰度化和归一化处理;最后利用HOG算法提取局放时频谱图上的特征参量并送入分类器,实现变压器不同类型局部放电的模式识别.识别结果表明,该方法的平均识别准确率高达98％,能够有效识别变压器放电类型.     

特征图谱时频信号放电识别算法研究与现场应用

高压电气设备局部放电检测通常夹杂干扰信号,造成分析与判断困难,干扰信号抑制是局部放电识别和故障判断的前提。基于局部放电信号时频分布特征,采用等效持续时间T和等效频率带宽F来表征局部放电宽带脉冲波形的时频特征,构建等效时频特征图谱(T-F谱图),再进行聚类分析即可实现不同放电类型和噪声的分离。利用特征图谱分类法对高压开关柜局部放电信号进行噪声抑制与脉冲分类,验证该方法对局部放电混合信号分离的有效性。     

基于相位谱图的开关柜局部放电模式识别方法

利用图像识别和模式识别理论,针对高压开关柜局放相位谱图特征提出一种基于二维最大准则法的提取和降维方法,并结合支持向量机(SVM)实现对开关柜内部局部放电类型分类识别。仿真计算表明该方法可直接对图片格式的相位谱图进行处理和识别,能避免因不同检测设备数据格式不同而造成的无法跨平台分析的问题;同时,采用二维最大准则法能对相位图谱进行大幅压缩,且在特征值nc=2和nr=7时,基于SVM的识别正确率可基本保持在90%以上。     

波形特征与统计特征相结合的局部放电脉冲分类方法

当不同类型的局部放电脉冲具有相似的波形特征的时候,应用等效时频特征进行脉冲的分类将遇到一定的困难。笔者在保证每个网格中包含有足够的样本数量用于统计分析的原则下,对局部放电脉冲等效时频谱图进行网格状划分与合并。对每个网格内的脉冲,提取该网格内所有脉冲信号的6个统计参数,连同该网格内所有脉冲的平均等效时长和平均等效频率一起共8个参数作为分类的特征量。将每个网格中的所有脉冲视作同一类型的放电,对从各个网格中提取的特征量进行聚类分析,从而得到每个网格的分类结果,达到脉冲分类的目的。该方法将局部放电模式识别中常用的统计特征与放电脉冲的波形特征结合起来,应用该方法对于两类模拟缺陷所产生的局部放电信号进行了分类,其综合分类结果优于直接采用等效时频特征的分类方法,而且两类脉冲分类的准确性比较均衡。研究结果表明,该方法可以在一定程度上提高分类的准确率,实现对不同类型的放电脉冲之间以及放电脉冲与干扰脉冲之间的有效分离。     

采用等效时频分析及模糊聚类法识别混合局部放电源

在过去几十年里,国内外开展了大量局部放电源的模式识别研究工作,但均仅能够识别单一的放电源,而对于混合放电源的识别问题,还未找到较好的解决办法。为此,提出了一种用于识别混合局部放电源的新方法,首先将放电波形经过等效时频变换构成T-F模式,来自于不同放电源的放电脉冲具有不同的放电波形特性,并将投影在T-F平面的不同区域;再结合模糊C-均值聚类算法(FCM)对T-F模式进行聚类,根据信号点隶属度实现不同放电波形特性信号的划分,从而实现混合放电信号的分离和放电源识别。结果表明,与采用多参数Weibull分布识别多放电源的方法相比,该方法具有对"脏数据"不敏感,而且能够从混合放电的相位-峰值(q-Φ)图中分离出属于各类放电的q-Φ子图,进而采用已有的特征提取和模式识别等手段做进一步的分析。应用该方法构造单一放电的特征指纹库更为可靠,而且在对实验室的混合人工缺陷模型放电信号的分离和识别中也取得了理想的效果。     

高压交联聚乙烯电缆局部放电脉冲的时频特性识别方法

高压电力电缆局部放电（PD）测量中,进行绝缘诊断和状态评估的一个重要方面是局部放电信号（PDs）的识别和放电源分离。传统的基于局部放电幅值大小检测的相位统计分析,不足以实现有效的诊断、风险评估和基于状态的维护。为此,从理论上研究了频率（即等效带宽∫eq）一时间（即等效时间长度teq）分离技术,通过∫eq-teq。平面的簇脉冲来识别局部放电脉冲,并求解出局部放电脉冲信号在∫eq-teq。平面形成紧凑的簇所需要的相似属性参数。Xi。PE绝缘样片缺陷实验将气隙放电、沿面放电和电晕放电不同类型脉冲映射到∫eq-teq。平面;XI。PE电缆缺陷实验将不同位置的相同缺陷放电脉冲映射到∫eq-teq平面。结果表明,不同类型的缺陷产生的PD脉冲信号能有效形成自己的簇,电缆不同位置的缺陷产生的PD信号也能形成不同的簇。可见,∫eq-teq识别技术可为高压XI。PE电缆的缺陷类型及放电源分离提供判断依据。     

S变换在电力电缆局部放电信号时频分析中的应用

针对电力电缆局部放电检测,介绍了基于新型S变换的时频分析方法,用于提取及分辨淹没在现场噪声干扰中的局放脉冲信号。局放信号是典型非平稳信号,单纯使用时域或者频域信息都不能很好地表示奇异信号的时变信息。最近发展的S变换是连续小波变换和短时傅里叶变换的一种结合与延伸,引入了幅度和宽度均随频率变换的高斯窗,具有与频率相关的渐进分辨率特性。局放信号的S变换图谱,在信号高频分量部分获得较高的时域分辨率,而在低频分量部分获得较高的频域分辨率,并可提取局放脉冲发生时刻及信号中心振荡频率等特征信息。对仿真信号和现场采集的电力电缆接地线上的局放信号应用S变换进行时频分析,并与短时傅里叶变换及Gabor变换等传统时频分析方法比较,结果显示S变换的时频分析可有效获取局放脉冲信息。     

基于原始信号多尺度信息的局部放电特征提取与识别

不同类型的局部放电脉冲,对电缆的危害程度不同,其判断标准也不一样,因此对局放类型的辨识具有重要意义.制作了沿面放电、悬浮放电、针-板放电和自由颗粒放电4种典型的故障缺陷模型,并搭建实验平台测取放电数据.对数据去噪处理后,构建4种放电类型的局部放电相位分布模式PRPD(phase resolved partial dis?charge),并利用谐波小波包变换对原始局放信号进行分解,提取局放信号的多尺度能量特征参数和多尺度样本熵参数,将它们组成特征向量,送入支持向量机SVM(support vector machine)中进行分类识别.4种放电类型的平均识别率为94.5％,因此利用多尺度参数特征可以有效识别出不同类型的局放信号.     

基于随机森林的高压电缆局部放电特征寻优

高压电缆局部放电(简称局放)新特征的构建与优化选择是提升识别精度、优化识别效率、增强监测参数可视化效果的重要手段。提出了一种基于随机森林的局放特征优选新方法。在实验室构建了5种类型的电缆人工缺陷,通过加压测试获取局放原始数据,并提取了3500个局放脉冲和3500个典型干扰信号脉冲,构建了1235个局放特征。基于上述样本,开展了基于随机森林的特征寻优,分别获得了局放和干扰信号特征排序结果和不同类型局放信号的特征排序结果,并通过反向传播神经网络(back propagation neural network,BPNN)和支持向量机(support vector machine,SVM)对优选排序结果进行了验证。结果表明,局放和干扰识别的有效特征参数主要是表征信号快慢的特征和小波组合特征;不同类型局放识别的有效特征参数主要是小波组合特征。结果证明,随机森林算法是一种有效的电缆局放特征优选方法,并有望推广到其他电力设备局放的特征寻优。     

基于支持向量机的GIS超高频局部放电模式识别

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于保证GIS安全可靠运行、评估GIS的绝缘状况和制定合理的维修策略具有十分重要的意义。为了研究GIS中不同缺陷所激发的局放信号的特征,设计了4种典型放电缺陷模型来模拟GIS中可能存在的绝缘缺陷,通过试验从超高频(UHF)信号中提取出8个统计特征参数来描述放电的典型特征。基于支持向量机(SVM)算法设计构造了4分类SVM模型,采取投票的方式识别放电类型。实验结果表明,该方法识别率高,能有效识别4种GIS中的典型放电。     

局部放电UHF脉冲的时频特征提取与聚类分析

制作了4种人工缺陷模型模拟典型的局部放电源,并进行局部放电试验采集UHF脉冲信号。引入S变换(ST)对局部放电的UHF脉冲进行时频分析,探索不同放电源脉冲的聚类分离。算法首先对UHF脉冲进行S变换,并采用非负矩阵分解(NMF)对S变换幅值矩阵进行分解得到频域基向量和时域位置向量,从中提取尖锐度、导数平方和、信息熵以及稀疏度等特征参量,构造出能充分反映局部放电时频信息的特征空间,最后利用模糊C均值算法对提取的特征向量进行聚类得到放电源脉冲的聚类结果。对试验数据的分析结果表明,提取的ST时频特征能够有效实现不同局部放电源脉冲的聚类,当NMF参数r=2时,10维时频特征能够取得最高为90.33%的聚类正确率;与常用的Wigner-Ville分布(WVD)相比,ST具有更好的聚类效果;当存在复杂的多重信号折反射时,本文提出的时频特征聚类结果较差,需要进行进一步的研究。     

GIS局部放电脉冲分类特征提取算法

传统的基于局部放电脉冲时频信息构建的局部放电脉冲群分类谱图,多数只能提取表征局部放电脉冲波形特征的低维特征量。当分类算法需要更多的特征量来完成对放电脉冲群的分类工作时,采用上述算法则不能有效地完成对局部放电脉冲群的分类工作。为此提出了采用等效时频熵算法来提取表征局部放电脉冲波形特征的多维特征量,构建放电脉冲群的等效时频熵分类谱图,并与改进的模糊C均值聚类算法相结合实现对不同类型局部放电脉冲群的分类工作。基于气体绝缘组合开关设备(GIS)的实验结果证实了上述方法的有效性和合理性,为研制基于单一人工缺陷模型的局部放电在线监测和识别系统提供了实验和理论依据。     

特征图谱分类法在避雷器局部放电测试分析中的应用

为排除电磁干扰信号以及识别不同类型缺陷的放电信号,介绍了特征图谱分类法在避雷器局部放电测试中的应用。由PD-Check测试系统提取信号的波形持续时间以及特征频率两个特征量,采用人工分类法和模糊C均值算法进行特征量分类,分析避雷器产生局部放电信号的案例。结果表明:此方法能够有效地分离干扰信号,可用于分析不同种类的缺陷信号分类和正确诊断避雷器的绝缘缺陷。     

基于时间反演技术的电力电缆局部放电定位方法

时延估计与相速度的频变特性是影响电缆局部放电定位精度的主要原因。该文提出了一种基于时间反演技术的电力电缆局部放电定位方法,该方法无需直接对局放时延进行估计并考虑了相速度的频变特性。通过双指数局放模型模拟实际局放信号,考虑了不同传输距离、不同信噪比、不同量化误差以及不同采样率对定位精度的影响,验证了该方法的可行性。最后利用振荡波局部放电测试系统对实验室一条长为498m的10kV XLPE电缆中的半导电层搭接不良缺陷进行了局部放电测试试验,考虑了2种不同类型的局放波形,并利用不同方法对2种不同类型的局放信号进行定位,验证了该方法的有效性和准确性。结果表明,该方法相比于传统的峰值法、相关法以及能量法都具有更高的定位精度。     

串联谐振下电缆局部放电的双传感器检测技术

为了实现电力电缆耐压与局部放电(partial discharge,PD)同步测试,提出了变频串联谐振下电缆局部放电的双传感器检测技术,并在实验室搭建测试平台对该技术进行了验证。首先,基于电缆局部放电信号传播特性,利用高频电流传感器(high frequency current transformer,HFCT)检测流经电缆接地线上的脉冲信号(包括干扰信号与局放信号)做主信号,利用超高频传感器(the ultra high frequency,UHF)检测变频电源产生的脉冲干扰信号作参考信号。然后,采用基于阈值窗的时域滑动能量搜索方法对两路信号进行脉冲提取,并根据HFCT中干扰信号和UHF信号在时域上发生重叠的特点,采用交集判别算法实现HFCT信号中局放信号的分离识别。最后,构造局放相位分布(phaseresolvedpartial discharge,PRPD)谱图确定局放源的类型。实验结果表明,该技术能在变频电源强干扰下实现PD信号的分离识别。该方法可实现耐压与PD测试,对实际工程有一定的指导意义。     

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...     

利用AP-SSVM算法识别GIS的局放缺陷类型

针对传统方法对GIS的缺陷类型识别准确率低的问题,利用AP-SSVM算法识别GIS的缺陷类型,首先将不同缺陷的GIS局放信号进行小波包分解,对各小波包系数进行时频分析,提取信号时域和频域的信息熵,经过AP聚类后,确定最优小波包系数,并将对应的信息熵带入各分类器进行识别。试验结果表明,提出的AP-SSVM算法在识别精确度方面优于SVM和APSVM,能够达到85%以上,为现场GIS故障诊断提供了新的思路,有利于GIS的安全运行。     

分布式局部放电在线监测技术在上海500kV交联聚乙烯电力电缆线路中的应用

为了分析和评估500 k V交联聚乙烯(XLPE)电力电缆线路的绝缘状况并开展电缆绝缘诊断,基于超高压电力电缆的局部放电机理和局部放电信号衰减特性,首次提出了应用分布式局部放电监测技术进行500 k V电力电缆在线监测的新模式。实践中发现有3种现场局部放电提取信号方式可以满足500 k V电力电缆在线监测的实际需要。通过采用分布式时频分析技术,有效地解决了500 k V电力电缆绝缘缺陷的识别问题,提高了绝缘缺陷定位的精度。应用局部放电图谱库大数据分析技术及3图谱局部放电识别法,首次成功实现了500 k V电力电缆的绝缘诊断。开发了局部放电信号智能式进阶报警策略,提高了局部放电报警的可靠性。研究成果在国内首条长距离敷设的500 k V交联聚乙烯(XLPE)电力电缆线路上得到了成功应用。研究认为综合应用分布式时频分析、3图谱局部放电识别法和智能式进阶报警策略等分布式局部放电在线监测新技术,可以实现500 k V电力电缆绝缘缺陷的识别、定位和诊断;将对国内后续500 k V电力电缆开展局部放电监测和缺陷识别具有积极的指导意义。