共查询到19条相似文献,搜索用时 78 毫秒
1.
套管故障是导致变压器非计划停运的重要原因之一。目前主要依靠传统预防性试验方法来评估套管的绝缘状态,但预试周期长,难以及时发现运行中套管的潜在故障。为此,提出了基于特高频信号的套管局部放电带电检测与时间差定位方法。首先阐明了特高频定位方法的基本原理,然后在实验室建立套管局部放电特高频检测试验平台,通过试验对这种方法进行了检验。试验结果表明:1)套管顶部的接触不良放电和末屏引线接触不良放电的信号波形振荡上升时间短,时间差测量和定位计算结果准确、分散性小;2)发生在油箱内部的下截套管沿面放电和均压罩悬浮放电的信号波形振荡上升时间长,时间差分散性大,定位结果位于套管上瓷套底部,分散性大。该研究对于推动套管局部放电的带电检测和定位技术的应用与发展具有重要指导意义。 相似文献
2.
分析了某变电站220 kV变压器35 kV侧套管产生局部放电现象的原因,通过改善变压器套管周围电场分布情况消除相关缺陷,并提出相应的预防措施,为变压器日常运行及维护提供参考。 相似文献
3.
介绍对220KV电力变压器局部放电试验时发现不合格套管及试验处理过程,并就变压器套管局部放电测量方法进行了分析,提出了防范措施。 相似文献
4.
针对一起变压器现场交接试验过程中局部放电超标的案例,介绍了放电源的查找过程,提出了防止此类事故的建议。 相似文献
5.
6.
《高压电器》2016,(4):180-187
现有的套管局部放电测量需要利用套管末屏的接地线,操作复杂,且容易受地网中的脉冲信号干扰。为此,有学者提出了基于特高频阵列信号套管局部放电时差定位遥测法。此方法有效的关键在于准确获取放电源到各传感器间的时间延迟。由于套管各缺陷信号传播路径不同,导致波形有不同的形态特征,现有的方法不适合于各种形态的波形,会造成一定误差。为此,文中研究了基于特高频波形形态的套管局部放电定位时延分析方法。在实验室搭建了110 kV变压器出线套管局放试验平台,制造了3种典型缺陷模型,测量了局放特高频信号,获得了各缺陷波形形态特征,对比分析了现有时延分析方法的适用性。研究结果表明:1对于信号传播路径单一的缺陷,阵列传感器所测信号间相关度高,相关分析法稳定性好、准确度高;2对于信号传播路径复杂,放电源位于油箱内部的缺陷,信号持续时间长,最小能量法稳定性好、准确度高。这些结果对推动套管局放定位有一定指导意义。 相似文献
7.
8.
9.
10.
11.
为了解决GIS局部放电带电检测难题,采用了超高频法,以GIS试验设备为对象,设计和模拟了GIS中自由金属颗粒、悬浮电位体、母线金属尖端、外壳金属尖端、绝缘子表面金属颗粒和绝缘子气泡6种典型缺陷的模型,基于超高频法对其放电信号进行检测,提取了缺陷特征参数,应用支持向量机进行模式识别,进而对支持向量机的惩罚参数"C"和核函数参数"g"进行了粒子群优化。试验结果表明:不同缺陷类型的超高频信号在图谱和提取的数据中会呈现出不同的特征;在模式识别中,粒子群方法优化支持向量机展现出了比支持向量机更好的鲁棒性和泛化能力。 相似文献
12.
13.
针对传统PD模式识别用统计特征量需要依赖专家经验而缺乏一定的泛化性问题和卷积神经网络(CNN)模式识别算法缺乏PD图谱时序特征信息的问题,文中构建了基于CNN-LSTM深度学习的PD PRPD图谱模式识别模型,该模型综合了CNN善于挖掘PRPD图谱局部空间信息的优点和长短时记忆网络(LSTM)善于挖掘PD图谱时序特征信息的优点,可同时提取PRPD图谱的局部空间特征和时序特征,利用变压器典型绝缘缺陷放电图谱对构建的网络进行性能测试,并与CNN和LSTM对比,结果表明,对于PD图谱稳定的悬浮电位缺陷,CNN-LSTM和CNN的识别能力均为100%,但是对于金属突出物缺陷、油纸气隙缺陷和沿面放电缺陷,CNN-LSTM的识别能力优于CNN,CNN-LSTM网络的整体识别性能优于CNN和LSTM。 相似文献
14.
根据UHF信号特征的GIS局部放电模式识别 总被引:2,自引:0,他引:2
综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别。分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别。实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力。 相似文献
15.
16.
基于多特征信息融合技术的局部放电模式识别研究 总被引:1,自引:0,他引:1
针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。 相似文献
17.
18.
19.