船舶高压电气设备局部放电模式快速识别研究

船舶高压电气设备局部放电严重影响电气设备的正常运行与船舶安全,但是不同类型的局部放电在放电过程产生的超高频电磁波信号存在显著差异,需要根据其电磁波信号进行模式识别,而传统的检测方法无法适应船舶强电磁干扰、高频机械振动噪声的恶劣环境。为此,本文设计了可以快速进行船舶高压电气设备局部放电模式快速识别的方法。该方法根据船舶高压电气设备超高频电磁波信号的特点,提取四种典型局放信号以及待测信号的特征值向量,通过计算模式识别可信度因子R,实现对待测局放信号的快速准确识别,试验测试表明该方法能够快速识别船舶高压设备局部放电类型,提升了船舶高压设备的运行可靠性。     

基于放电脉冲波形匹配的局部放电类型识别

针对局部放电类型识别中不易全面提取特征等问题,提出将采集到的局部放电脉冲信息与经典的局部放电类型信息直接进行波形相识度匹配的方法,该方法只需通过表征波形相似性的互近似熵值便可识别出局部放电类型。首先讨论不同局部放电类脉冲所具有的不同分布特点和样式,归纳分析五种典型局部放电的脉冲波形。具体研究基于互近似熵进行局部放电信号识别的原理方法、识别系统和实现流程。实验结果证实了基于互近似熵的局部放电识别方法的准确性和高效性。     

SF6气体绝缘电气设备局部放电超声波检测与应用

本文主要归类并总结SF6气体绝缘类性的电气设备在运行中经常出现的局部放电故障类型,并针对此类设备故障类型提出采用超声波局放带电检测方法来诊断与检测,另外还对电气设备故障诊断采用超声波方法的检测与应用原理进行分析,并通过超声波方法检测SF6气体绝缘电气设备比较典型的故障图谱进行比照分析.同时本文还根据实例来探讨超声波检测SF6气体绝缘电气设备局部放电情况,而实际应用结果证明SF6绝缘电气设备采用超声波检测局部放电情况具有较高的准确性与灵敏度,可以精准的检测出自由金属颗粒、悬浮放电以及电晕放电等缺陷问题,该种检测方法多在带电检测方面、交接试验方面以及电气设备出厂试验方面具有较高的应用前景与使用价值.     

基于超声红外热像的电缆终端局部放电缺陷检测方法

电缆终端局部放电缺陷特征短暂,缺陷范围与外部环境纠缠,很难准确定位,需要结合温度特征和模式识别特征共同检测,本文利用超声红外热成像的优势,提出基于超声红外热像的电缆终端局部放电缺陷检测方法,方法利用图像梯度化、灰度化处理采集到的电缆终端局部放电缺陷特征超声红外热成像图,并通过智能模式识别处理方法抑制采集图像的复杂背景,删除包含在电缆终端局部放电缺陷特征红外图像中的大面积地物及地面;根据K-means聚类算法,圈定疑似局部放电缺陷特征范围,构建局部放电缺陷范围模板,经匹配参考范围后,得出疑似局部放电缺陷范围的温度特性信息,诊断电缆终端是否存在局部放电缺陷。实验结果表明,该方法可有效获取电缆终端局部放电缺陷部位,检测不同类型的电缆终端局部放电缺陷的平均精准率高达98%,平均漏检率为1%。     

基于EEMD-CCA组合去噪的新型配电开关柜局部放电抗干扰检测

为了实现噪声干扰条件下的配电开关柜局部放电检测,研究了基于组合去噪的配电开关柜抗干扰检测方法:首先,分析了局部放电检测原理,设计了电晕放电、内部放电、沿面放电3种典型缺陷模型及检测平台。其次,提出了一种集合经验模 态分解与典型相关分析相结合的组合去噪方法,根据局部放电信号分解的本征模态函数构造多通道观测信号,进而采用典型相关分析进行盲源分离,将表征噪声的源信号删除即可实现去噪,进行了局部放电抗干扰检测实验,验证了组合去噪方法的有效性,并对比了典型缺陷下不同检测方法的效果。结果表明:暂态地电压和超声波法检测的放电幅值较大,而特高频法对微弱放电信号的检测能力更强。     

变电站GIS设备局放声电联合检测与定位方法研究

本文以某变电站为研究对象,分析了GIS设备局部放电声电联合检测与定位原理,研究了声电联合检测与定位方法,包括检测流程、干扰信号处理、局放源位置分析及故障原因分析等,最后通过对故障设备进行解体验证,发现实际故障点和分析判断的位置误差不超过5厘米,证明了该方法的可靠和准确性,对于发现和诊断GIS内部局部放电缺陷有重要的参考和指导意义。     

发电机局部放电非线性模式识别现状及展望

局部放电是导致发电机定子绝缘劣化的重要因素,在线监测局部放电信号并采用非线性方法识别放电类型,能够及时发现绝缘内部局部缺陷及放电发展程度,防止事故发生。阐述了发电机局部放电产生的类型、特点、在线监测方法以及放电过程的非线性特征,介绍了几种非线性模式识别方法的构成原理与特点,包括基于人工神经网络、小波分析和分形理论的局部放电模式识别,并对近年来各非线性识别方法及其组合的主要研究成果进行了总结与评述。最后还对未来发电机局部放电模式识别的研究方向进行了展望,指出快捷方便的非线性识别方法依然是研究的重点。     

基于神经网络的局部放电模式识别方法研究

局部放电是评价在线高压电器绝缘状态的重要技术参数之一.绝缘缺陷和局部放电紧密关联,在线监测高压电器运行状态,实时采集绝缘局部放电信号并对其进行数理分析处理和属性分类,推断、预测绝缘缺陷部位及放电发展程度,可以预报预防事故发生.因此,局部放电模式识别技术的研究和理论探讨具有重要的工程应用价值和学术意义.因此,文中将神经网络应用于局部放电的模式识别并进行研究,对数据进行归一化处理后得到较好的网络收敛性和识别速度.     

变压器局部放电信号检测与类型识别

为实现变压器局部放电信号检测和类型识别,设计基于超高频(UHF)法的变压器局部放电检测系统,针对4种典型的变压器放电模型进行了局部放电实验,获得相应的局部放电包络信号数据,并通过以太网通信将数据上传至电脑。利用提升双树复小波变换对包络信号数据进行消噪,从消噪后的信号不难看出,同一放电模型的局部放电包络信号形状大致相同,不同放电模型存在差别。提取6种包络信号的特征参数,结合外部加载电压,采用BP神经网络对变压器局部放电类型进行识别,当训练误差δ=0.02时,变压器放电类型识别平均正确率在98%以上。     

特高频法气体绝缘全封闭组合电器的局部放电在线监测技术的发展应用探讨

为了对于气体绝缘全封闭组合电器设备的运行情况进行全方位的掌握,对于其绝缘状态进行在线监测是非常有必要的。本文就通过分析变电站典型局部放电类型,介绍基于特高频法气体绝缘全封闭组合电器局部放电的发展技术、系统的构成及应用探讨,分析中的隐患,并及时发现,以确保设备可以安全的运行。     

基于局部信息失真建模的图像质量评价方法

针对传统的基于像素差值统计的方法以及结构相似度方法不能很好地反映主观评价结果的情况,提出了一种利用图像局部信息失真建模的质量评价方法。该方法通过考虑人眼视觉系统的特点,对像素灰度失真、局部对比度失真和局部结构失真进行建模,并利用局部方差作为权重,得到了最终的图像质量评价测度。其物理意义明确,而且计算相对简单。在LIVE图像数据库上的实验表明,本文方法对于jp2k,jpeg,gblur和fastfading失真的质量预测准确性和一致性都很高,均优于结构相似度方法,对于wn失真也有较好的预测结果。与几种公认较好的方法相比,本文方法表现出了很好的预测性能,得到了与人眼主观感知更加一致的结果。     

GIS设备局部放电检测及故障分析

GIS是气体绝缘金属封闭开关设备的简称,它是电力系统的关键设备,一旦发生故障将会造成重大的影响及损失。本文针对GIS设备局部放电这种典型的常见缺陷问题,就局部放电检测方法进行介绍和对比,并分析了GIS典型缺陷的检测图谱及故障判据,最后结合实例加以阐述,对GIS局部放电检测及故障处理有一定的参考价值。     

开关柜局部放电信号降噪与缺陷识别研究

文中采用暂态地电压法(TEV)进行检测,设计了四种典型的缺陷模型并搭建试验平台,分别对局部放电缺陷模型进行了实验。由于变电站现场环境复杂,需要对采集的信号进行信号降噪。针对以往小波降噪都是按照经验采取固定的分解层数的问题,提出一种Mallat算法结合最优分解层数自适应算法对含噪信号进行分离与重构,结果显示该算法可以很好地滤除噪声。对重构后的局放信号提取八种时域特征参数,并采用BP神经网络对开关柜局部放电的类型进行识别,当误差准确率δ=0.002时,放电类型的识别正确率最高,能够达到97%。     

微空心阴极放电的仿真研究进展

微空心阴极放电是一种典型的非平衡高压微放电,可以在较低的放电电压下产生高浓度的稠密等离子体,研究潜力巨大.分析比较了目前主要的仿真模型:蒙特卡罗模型、流体模型、动力学模型(以粒子-蒙特卡罗模型为主)、混合模型和等效电路模型.这些模型均可以用于探索放电系统内部的发展规律:微空心阴极放电经历反常辉光放电、自脉冲和正常辉光放电三个阶段,最终达到放电稳态.其中自脉冲阶段等离子体密度达到峰值,是当前研究的热点.     

S220kV电缆局部放电检测与定位系统研究

文章介绍了基于变频谐振的阻尼振荡波220k V电压下XLPE电缆的局部放电检测试验、电缆交流耐压试验及局部放电故障定位的原理、试验操作、数据分析等。同时通过现场试验说明系统的可行性、准确性,为实际工程中高压电缆局部放电的现场检测提供了参考。文章表达清晰准确、数据真实可靠、具有较强的工程实用价值。     

基于人工神经网络的电气设备超高频局部放电模式识别研究

为了提高电气设备变压器超高频局部放电特征识别能力，提出基于人工神经网络(ANN)的电气设备变压器超高频局部放电模式识别方法。根据电气设备绕组间的短路阻抗特性进行超高频局部放电模型构造，计算电气设备变压器励磁支路增量电感，采用人工神经网络辨识方法进行电气设备变压器超高频局部放电特征提取和模式识别，计算输出的静态电感和增量电感，采用快速傅里叶变换提取电气设备放电脉冲调节，计算一次侧基频电流幅值，根据励磁曲线和励磁电阻的匹配模式，建立电气设备变压器超高频局部放电的参数提取模型，采用人工神经网络实现电气设备变压器超高频局部放电模式识别。仿真分析结果表明，在0.020s时，本文方法多数值均能检测出局部放电，采用该方法进行电气设备变压器超高频局部放电模式参数识别的准确性较高，收敛性较好，抗干扰能力较强。     

一起220kV电缆终端局放带电检测分析与实例

带电检测电缆终端以及变压器等电气设备时,可以将设备内部缺陷致使的局部放电缺陷有效并及时的查找出来,以免设备内部局部放电缺陷引发更大的运行事故与故障.本文主要针对某区域某变电站(220kV)中电缆终端设备带电检测局部放电现象的实例进行分析,并探讨超声波定位结果、超高频局放检测以及高频局放检测,通过气象色谱方法来分析设备可疑部位SF6气体的气体分解产物,以便将断路器内部缺陷与故障及时推测出来,最终解体检查该断路器,发现断路器内部存在有多处的放电缺陷,该实例表明电缆采用高频局部放电检测方法是有效并可行的.     

变压器局部放电带电检测中脉冲电流法和超声波法在的应用浅析

变压器是电力系统的重要枢纽,其运行可靠性直接关系到整个电网的安全与稳定。局部放电的产生必然会导致变压器绝缘劣化,局部放电的检测也就成为变压器绝缘状况评价的重要手段。变压器局部放电带电检测是在变压器正常运行的条件下对其绝缘情况进行检测,切实做到绝缘缺陷的早期发现与诊断,避免发生重大事故。     

基于超声和LabVIEW局部放电在线监测系统的研制

局部放电是使高压电力设备绝缘损坏的一个重要因素,为确保其安全、可靠运行,对高压电力设备进行在线监测至关重要.该文主要研究开发一种基于超声法和虚拟仪器的局部放电实时在线监测系统,基于4个声发射器检测局部放电源超声波信号,通过时域和频域分析,研究局部放电的超声信号特性,为故障诊断提供数据共享;采用虚拟仪器技术,实现本系统人机界面化,再结合后台数据库,达到多功能、多通道的实时监测.该系统的应用有利于发现绝缘故障的早期征兆,是诊断绝缘故障的一种有效方法.     

基于HHT和概率神经网络的变压器局部放电故障识别

为解决传统傅里叶变换和小波分解对变压器局部放电信号非平稳性的分析缺陷,以及BP神经网络易陷入局部极小点等问题,提出一种基于希尔伯特能量聚类和概率神经网络的变压器局部放电识别算法。算法利用希尔伯特-黄变换提取局部放电信号的希尔伯特能量谱,然后进行指数族聚类计算获得特征值,最后利用概率神经网络进行分类识别。分别对油中悬浮放电、沿面放电等放电类型进行模拟实验,并用此算法进行分析,实验结果表明,该算法所提取的特征值有较高的可分性,且分类识别率高,可以有效地识别变压器局部放电故障类型。