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。     

基于DTCWT与LLE算法的变压器局部放电特高频信号特征参数提取方法

提出了一种基于对偶树复小波变换(Dual-tree Complex Wavelet Transform,DTCWT)与局部线性嵌入(Locally Linear Embedding,LLE)算法的局部放电特高频信号特征参数提取方法,可以有效识别典型变压器内部绝缘缺陷。首先采用DTCWT算法分解变压器局部放电特高频信号,得到一系列不同变化尺度下细节分量信号。再提取出各细节分量信号的偏斜度和峭度作为初始特征参数。采用LLE算法对初始特征参数组成的特征向量进行降维处理,得到最终的特征参数及特征向量,输入到支持向量机(SupportVectorMachine,SVM)中识别各类绝缘缺陷。结果表明,该特征参数可以有效识别典型变压器内部绝缘缺陷,模拟绝缘缺陷识别准确率达到98.35%,现场检测信号识别准确率达到92.1%。     

基于K近邻算法的换流变压器局部放电模式识别

提出了一种基于K近邻KNN(K-Nearest Neighbour)算法的换流变压器故障诊断方法。设计了4种人工油纸绝缘缺陷,采用超高频天线采集局部放电信号。通过对局部放电超高频信号进行小波包多尺度变换,计算其多尺度小波系数的能量系数。采用KNN算法对局部放电超高频信号能量特征参数进行识别。将反向传播神经网络和所提方法对局部放电超高频信号模式的识别结果进行了对比,结果表明所提出的方法更适用于换流变压器故障诊断。     

基于半监督学习的XLPE电缆局部放电模式识别研究

在交联聚乙烯(XLPE)电力电缆的局部放电模式识别的研究中,为解决标注样本数量过少而导致识别率低下的问题,引入基于半监督学习的方法进行电缆局部放电模式识别研究.制作了XLPE电缆的四类典型绝缘缺陷,从局部放电信号中提取20种统计特征参数,对基于半监督学习的一致性模型方法与基于有监督学习的J48,K近邻,BP神经网络等方...     

基于EFPI传感器的GIS局部放电模式识别研究

非本征法布里-帕罗干涉(EFPI)光纤超声传感器可用于气体绝缘全封闭组合电器(GIS)内部的局部放电超声信号检测及模式识别研究,相较于传统的压电式传感器,具有灵敏度高、抗干扰能力强等优点。基于此,文中在充有0.4 MPa SF₆气体的GIS腔体内设置尖端、金属颗粒、悬浮和沿面4种典型的局部放电模型,创新性地利用EFPI传感器对放电超声信号进行检测,提取单次超声脉冲信号波形特征形成特征参数数据库,分别应用概率神经网络(PNN)算法和支持向量机(SVM)算法进行模式识别并比较分析。EFPI传感器检测到的超声信号特征突出,在提取特征参数的基础上,2种模式识别算法均能达到85%以上的平均识别率,且SVM的识别效果要优于PNN。     

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。     

基于仿生模式识别的GIS局部放电类型辨识

为实现气体绝缘组合电器(GIS)局部放电检测和故障识别,设计了GIS典型缺陷模型,使用超高频法检测放电信号,并提取特征参数。利用主成分分析法对特征参数进行降维处理,引入仿生模式识别算法进行辨识,提出一种改变连通方向的方法,提高了算法的辨识率,分析了连通方向改变前后样本的辨识率,以及未训练样本类型的错分率。结果表明,基于仿生模式识别的GIS局部放电类型辨识率能达到满意的效果。     

GIS局部放电超高频信号的包络分析与缺陷识别

为实现GIS故障检测和缺陷识别,设计了超高频(UHF)包络检波电路和高速数据采集系统,并针对5种典型的GIS缺陷进行了缺陷模型的局部放电试验,获得了这5种典型缺陷的超高频包络信号数据。试验结果表明,同一缺陷模型所产生的局部放电包络信号时域特征大致相同,不同缺陷模型的包络形状不同。论文在此基础上提出了基于时域特征参数和BP神经网络的GIS缺陷模式识别方法。采用该方法后,试验数据缺陷模式识别正确率高达96%以上。     

混合神经网络算法在GIS局部放电模式识别中的应用研究

为了提高基于超声法GIS局部放电模式识别的正确率,在实验室中对GIS典型缺陷局部放电的超声波进行了重复性测量,从43个能够表征缺陷特征的参数中提取了34个稳定的特征参数,然后采用后向序贯算法筛选出了24个有效特征参数作为神经网络输入参数。针对神经网络的局限性,提出了改进的GA-BP混合神经网络算法。训练结果表明,GA-BP神经网络的应用有效地提高了识别的准确率。     

基于时频分布图像纹理特征的局部放电特高频信号的特征参数提取方法

针对局部放电特高频(ultra-high frequency,UHF)信号畸变导致模式识别准确率下降的问题,提出了基于时频分布图像纹理特征的特征参数提取方法。首先对局部放电UHF信号进行s变换得到时频分布图像,然后采用灰度共生矩阵(gray-level co-occurrence matrix,CLCM)算法,从时频分布图像中提取出纹理特征参数。采用主成分分析(principal component analysis,PCA)法对由纹理特征参数构成的特征向量进行降维处理,得到局部放电UHF信号特征参数及特征向量,并输入到支持向量机(support vector machine,SVM)分类器中进行模式识别。结果表明,该特征参数可以有效识别4种典型变压器内部局部放电UHF信号,识别准确率最高达到97.50%。     

类均值核主元法在GIS局部放电模式识别中的应用研究

GIS局部放电的模式识别对于评估其运行状态、确定检修策略具有重要意义。论文设计了4种典型的GIS局部放电模型,并通过实验建立了相应的局部放电超高频信号图谱数据库,然后根据信号特点提取了原始特征量,由于原始特征量维数较高,不利于模式识别,因此论文引入类均值核主元分析法,首先求出各类映射数据的类均值矢量,然后根据建立的类均值核矩阵建立类均值核主元算法。研究结果表明,该方法得到的特征量涵盖原始样本中的全部信息,并且维数低于绝缘缺陷种类数,能够实现信息的无损降维。     

基于超高频窄带法的GIS局部放电的研究

为了提高GIS运行的可靠性,笔者简要说明了超高频法检测GIS局部放电的原理,并在实验室以一段220 kV电压等级的GIS母线为试验对象,设计和模拟了GIS中典型的4种局部放电模型,并使用自主研发的超高频窄带检测系统对其局部放电信号进行检测。试验结果表明,该超高频窄带系统能有效测量GIS局部放电信号,同时获得了不同类型缺陷所产生的超高频信号及其对应的特征,为今后GIS局部放电模式识别提供了数值依据。     

基于多尺度纹理特征的EPR电缆终端故障诊断方法

高速铁路列车中乙丙橡胶(EPR)电缆终端常因制作过程中操作不当而导致出现多种缺陷,造成终端局部放电甚至击穿的现象,对检测到的局部放电信号进行准确分类仍然是亟待解决的难题。分别制作了含尖端、环切划伤、金属微粒、气隙4种典型缺陷的终端试样,通过试验记录了各类试样的放电谱图信息。基于试验得到的局部放电谱图库,提出通过图像金字塔理论,构建多尺度局部放电谱图空间,并从中提取1阶纹理统计量、2阶纹理统计量及高阶纹理统计量作为缺陷类型识别的特征参量。同时,结合随机森林算法,基于gini指数完成了特征空间寻优工作,实现了对缺陷类型的正确分类。结果表明：通过随机森林算法,多尺度纹理特征的模型误差率和分类准确率明显优于单尺度纹理特征,能较好地对终端典型缺陷进行分类;同时,由于气隙缺陷和划伤缺陷的放电机理存在相似性,二者缺陷处的局部放电特征同样存在相似现象,因此气隙缺陷和划伤缺陷的分类较易出现误差,导致其识别率偏低,还需针对其图像特征参数和识别算法继续开展研究。     

SF6气体绝缘开关设备典型绝缘缺陷的局部放电发展规律及诊断方法研究

我国110 kV及以上电压等级的输电网中大量采用SF_6气体绝缘开关设备(Gas Insulation Switchgear—GIS),特别是GIS设备在电网中的的应用越来越广泛。随着电压等级和系统容量的提高,电网中GIS设备内部绝缘故障概率趋于上升,设备缺陷检测及其状态判断是亟待解决的关键问题之一。针对此问题,本文主研究了应用特高频与超声波局部放电方法检测SF_6气体绝缘开关设备典型缺陷的相关技术,通过大量实验缺陷检测数据总结典型缺陷的发展机理及其不同发展阶段的信号特征,重点论述了GIS局部放电的检测方法,并对GIS的典型缺陷放电及其发展过程进行了试验检测与发展规律研究,给出了基于特高频和超声波检测法的检测特征谱图发展规律及诊断方法,最后引用一个GIS局部放电的典型案例进行了分析论证。     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号.然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法.首先利用小波变换对局部放电信号获取能量...     

GIS内金属性缺陷引起的局部放电超声信号分布特性研究

为研究气体绝缘开关装置(gas insulated switchgear,GIS)内金属性缺陷引起的局部放电超声信号分布特性以及基于分布特性判断缺陷类型的方法,笔者建立了一套超声信号测量系统,并设计了4组GIS内典型缺陷模型,分别是高压导体上尖刺、悬浮电位、绝缘子上微粒和地电极上尖刺。基于该超声测量系统,获取大量超声信号数据。在此大量实验数据基础上,笔者提出了典型参数如超声脉冲数N、超声幅值u、时间间隔Δt和相位Ph及分布谱图N-u、N-Δt和N-Ph区分GIS内典型缺陷的方法,并分析了GIS内金属性缺陷引起的局部放电超声信号分布特性。试验结果分析表明,依据分布模式的GIS内典型缺陷的超声信号统计特性,可区分典型缺陷类型。     

基于统计不相关最优鉴别矢量集的GIS局部放电模式识别

针对气体绝缘金属封闭开关设备（GIS）局部放电及其缺陷特点，设计了4种典型的GIS缺陷模型，采用甚高频高速采集大量局部放电样本，构造了局部放电灰度谱图。文中将主分量分析线性鉴别方法应用于局部放电模式识别，即首先进行主分量分析，将数据从超高维空间降至低维空间，再提取统计不相关的最优鉴别矢量集，最后采用最小距离分类器进行模式识别。识别结果表明该方法对GIS各类模拟缺陷的正确识别率高，效果良好。     

GIS局部放电特高频时差定位法应用案例分析

局部放电检测是目前气体绝缘金属封闭式开关设备（gas insulated switchgear,GIS）状态诊断的关键技术手段。分析各种局部放电检测方法,认为特高频法抗干扰能力较强,检测效率较高,可实现故障模式识别及定位。基于此,采用局部放电检测法发现一起 GIS典型悬浮放电缺陷,采用时差定位法确定缺陷位置采用相位同步技术确定缺陷相序。经过解体检查验证,检查结果与特高频诊断结果一致。