共查询到19条相似文献,搜索用时 187 毫秒
1.
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 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
交联聚乙烯电缆局部放电在线监测系统研制 总被引:1,自引:0,他引:1
监测局部放电是评价电力电缆绝缘状况的重要手段,而目前国内对电力电缆局部放电进行测量所用的系统频率较低,为此文中研究了用宽频带电磁耦合法来检测交联聚乙烯(XLPE)电力电缆的局部放电.它由Rogowski线圈型电流传感器、放大器、滤波器和数字示波器组成,带宽为1 MHz~20 MHz,符合宽频带检测的要求.对不同模拟缺陷和电缆上人为缺陷的检测表明,该方法与IEC 60270的方法相比具有一定的灵敏度,可以有效检测到局部放电信号,并且可以很好地识别出不同典型缺陷的局部放电. 相似文献
4.
5.
基于振荡波测试系统的XLPE电缆局部放电检测技术 总被引:7,自引:0,他引:7
介绍了一种基于振荡波理论的XLPE电力电缆局部放电测试系统的原理及应用现状,讨论了该测试系统在10kvXLPE电力电缆中的使用方法,并结合实际案例,分析了一起局部放电故障,论述了这种技术的有效性和实用性,为在10kV XLPE电力电缆局部放电检测的广泛应用提供了参考依据. 相似文献
6.
基于小波多尺度变换的电力电缆局部放电去噪方法研究 总被引:1,自引:0,他引:1
由于强烈的白噪声、周期性窄带信号以及随机脉冲信号等外部干扰因素,电力电缆局部放电在线监测技术中的局部放电信号提取工作一直是一个重点研究课题。本文对小波多尺度变换进行了深入研究,分析了电力电缆局部放电信号及其干扰在小波多尺度变换后的不同特性。去噪结果表明该方法适用于抑制电力电缆局部放电在线监测中的噪声干扰。 相似文献
7.
8.
为了准确分析和评估交联聚乙烯电缆的绝缘状况,开展局部放电带电检测绝缘诊断,基于交联聚乙烯电缆的局部放电机理和局部放电信号衰减特性,提出了交联聚乙烯电缆的局部放电三通道同步测试方法,通过对2 MHz、4 MHz、6 MHz频率下多簇局部放电信号的3PARD图谱进行逐一分析,初步实现了交联聚乙烯电缆绝缘缺陷的识别和诊断。该方法可有效发现电力电缆的早期故障征兆,避免因局部放电现象扩大而引发故障停运,进而减少负荷损失和电量损失。 相似文献
9.
10.
11.
12.
针对高压交联聚乙烯电力电缆中间接头绝缘缺陷的辨识问题,提出一种局部放电灰度图像特征提取的双向二维最大间距准则方法,对获取的局部放电灰度图像从水平和垂直2个方向进行投影,得到了不同类别灰度图的鉴别矢量,选用最近邻分类器进行局部放电分类,以辨识电缆中间接头出现的不同绝缘缺陷。该方法解决了局部放电灰度图像特征提取维数大、识别样本少的难题。在对实验室4种典型电缆接头绝缘缺陷产生的PD信号进行对比辨识表明,其局部放电特征提取的速度和绝缘缺陷的识别率优于常用的主成分分析或Fisher鉴别分析方法。 相似文献
13.
14.
15.
本文将关联规则挖掘与模糊推理方法应用到XLPE电缆的局部放电模式识别中,采用竞争聚类方法划分区间以离散化特征,通过关联规则法挖掘特征间的相互关系来提取分类规则,进而将这些规则模糊化用于模式识别。该方法能有效挖掘出各特征参数与缺陷类型的潜在规则,对局部放电的模式识别和电缆绝缘故障诊断具有极大的参考价值。本文针对几种典型的XLPE电缆局放数据,提取相关的统计特征参数,采用该模式识别系统进行分类,并与多层感知神经网络、决策树C4.5等方法识别的结果进行对比分析。实验结果表明该算法提出的规则具有识别率高、识别速度快、解释性好和区间可动态划分等特点,提供了一种局部放电模式识别新的可行方案。 相似文献
16.
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。 相似文献
17.
基于卷积神经网络的高压电缆局部放电模式识别 总被引:1,自引:0,他引:1
由高压电缆不同类型缺陷诱发的局部放电(PD)的识别难度较大,尤其是某些相似度较高的电缆绝缘缺陷类型难以区分。提出了一种基于卷积神经网络(CNN)的高压电缆PD模式识别方法,研究了不同网络层数、不同激活函数以及不同池化方式对识别效果的影响,并与传统的支持向量机(SVM)和反向传播神经网络(BPNN)算法进行了对比。结果表明,相比SVM和BPNN,CNN的总体识别精度分别提高了3.71%和4.06%,且能较好地识别具有高相似度的电缆缺陷类型。 相似文献
18.