基于Kohonen网络的典型绝缘缺陷局部放电模式识别

针对变电站环境下局部放电识别所面临的不可控干扰多、现有识别方法初始参数难确定的问题,在设计符合变电站放电特点的典型缺陷,并采集多个样本数据的基础上,结合统计特征参数提取方法,基于具有自组织竞争识别、抗干扰性强特点的Kohonen网络,得出了一种适用于干扰环境下局部放电识别的新方法。通过探究Kohonen网络竞争层节点数对识别效果的影响,得出了针对样本数据的最佳识别参数,并将此网络与常用的模式识别算法在同等条件下进行对比,证明了其面对多种放电识别时的高稳定性与高识别率,验证了其用于变电站环境下局部放电识别时的优良性能。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统(ANFIS)在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量,建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异,但总体识别率达90%以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

基于ANFIS的油纸绝缘局部放电模式识别技术研究

为了研究自适应神经模糊推理系统（ANFIS）在油纸绝缘局部放电模式识别中的应用,针对大型电力变压器内常见的油纸绝缘局部放电缺陷,建立了3种基本局部放电缺陷模型,并在实验室中测取了各种缺陷类型的局部放电数据。通过对局部放电谱图的统计学计算以及分析,选取可有效表征局部放电类型的几个特征量．建立了ANFIS模型作为分类器,采用减法聚类生成规则,并利用梯度下降法和最小平方估计法相结合的混合学习算法进行训练,最后对该模型有效性进行测试。测试结果表明,不同类型局部放电的识别效果略有差异．但总体识别率达90％以上。研究结果表明,采用ANFIS进行局部放电模式识别,具有识别效果好、收敛速度快、稳定性高的优点。     

基于层次分析法的油纸绝缘局部放电模式识别

通过对局部放电的模式识别可以了解放电类型及严重程度,并在此基础上确定维护方案。为了对局部放电进行识别,建立了油纸绝缘中的5种典型缺陷模型;运用K-W检验从相间局部放电(PRPD)统计算子中提取出分类能力最强的11个特征;基于提取的特征,在小样本训练集的前提下,利用层次分析法对典型放电模型进行识别,同时和同种情况下使用人工神经网络的识别效果进行了比较。实验结果表明,在小样本训练集下,运用层次分析法得到了较好的识别效果,正判率均大于85%,优于人工神经网络,这为小样本训练集的情况下局部放电的快速识别奠定了基础。     

人工神经网络用于发电机定子绝缘局部放电模式识别

讨论了反向传播算法的人工神经网络在局部放电模型类型识别中的应用,设计了反映大型发电机定子绝缘局部放电的5类不同物理仿真绝缘模型。仿真模型包括的局部放电类型有端部放电、槽间放电、在绝缘不同位置的三种内部放电。研究了人工神经网络的识别能力。针对大型发电机定子绝缘局部放电的类型,得到了较好的识别率。     

固体绝缘开关柜局部放电模式识别优化算法

电力设备内部绝缘缺陷引起的局部放电,含有可用于绝缘状态评估的特征信息。可以有效识别不同局部放电的类型。现有基于传统BP神经网络或SVDD模式识别方法在函数参数选择自主性很强,但由于不同放电类型的特征量在分布上是重叠、非线性的,BP神经网络容易陷入局部最优,识别率不高,SVDD算法在自由金属微粒缺陷识别效果不好。文中对SVDD算法提出了改进,在AP聚类与GPAM-PSO优化算法基础上提出一种用于固体绝缘开关柜局部放电模式识别的SA-SVDD算法。以解决传统模式识别算法在参数选择、训练方法上的不足,通过训练不同放电类型下的分类器,以达到准确识别不同放电类型。仿真结果显示该方法能自主识别不同PD类型,识别率、收敛速度较传统方法有较大提高,以便电力人员准确判断局部放电类型并制定相对应的抢修方案。     

基于局部放电能量的油纸绝缘典型缺陷放电严重程度评估方法

变压器内部缺陷引发的局部放电会导致油纸绝缘老化与损伤,甚至造成威胁变压器安全运行的绝缘故障。为探究基于局部放电信号的变压器缺陷严重程度评估方法,文中搭建了球—板、柱—板、针—板3种典型缺陷模型,得到局部放电相位谱图、放电次数和放电量等特征参量随时间的变化规律,发现球—板和柱—板模型下放电次数、针—板模型下平均放电量由上升到下降这一变化趋势的改变,可作为放电后期的判断依据。在此基础上,引入放电能量对放电强度进行量化表征,分析了缺陷类型和放电发展阶段对放电能量的影响规律,据此可将放电严重程度划分为起始、发展和危险3个等级。研究成果可为不同缺陷类型下的局部放电严重程度评估提供参考依据。     

特高压变压器油纸绝缘典型缺陷局部放电特征

变压器绝缘在制造及运行过程中难免产生缺陷,本文针对特高压变压器典型夹持结构进行了典型含缺陷油纸绝缘局部放电特性分析。根据特高压变压器夹持结构绝缘建立了实验室研究模型,用以模拟绝缘含空腔及金属异物等典型绝缘故障模型。采用脉冲电流法对缺陷试样进行了局部放电特性测试,获得了局部放电起始电压、放电量q-相位φ、放电次数n-相位φ、放电次数n-放电量q等特征参数,提取出峭度K_u、偏斜度S_k、相位中值μ、不对称度Q等统计算子特征参数,对比了局部放电不同阶段下各绝缘缺陷的放电特征图谱。结果表明,含有空腔及金属杂质的缺陷对油纸绝缘局部放电影响明显,其中金属杂质影响最严重。通过对比不同试样的平均放电量相位分布图谱H_qn(φ)与放电次数相位分布图谱H_n(q)可有效对局部放电原因进行分类。     

基于放电时差的局部放电模式识别的研究

为寻找一种无需校正、方便信号监测的局部放电模式识别方法,将局部放电脉冲间的时间差分布引入到局放放电的模式识别中,构造了放电相位、时间差与放电次数分布的三维谱图Hn(Δt,)φ,并分析提取了其灰度图象的盒维数与信息维数特征参量,最后以分形维数作为输入,径向基函数神经网络(RBFNN)作为模式分类器对5种人工油纸绝缘缺陷模型进行识别。研究表明,识别率均>90%并具有较强的抗干扰能力。     

根据发电机在线局部放电数据判断发电机内部缺陷的探讨

发电机局部放电在线监测装置在电厂中推广时间不长,不少电厂没有对其监测数据引起重视。发电机局部放电数据的变化,能反映发电机内部绝缘出现的微小缺陷,而这些缺陷无法通过高压试验方法检测出。通过检查和改变发电机运行参数可逐步缩小有缺陷发电机的检查范围,最终确定缺陷的具体位置,消除发电机隐患。     

基于人工神经网络的变压器绝缘模型放电模式识别的研究

分析了变压器绝缘的主要放电形式,设计了模拟变压器放电的7种试验模型和3种模拟空气中放电干扰的模型,进行了不情况下模型的放电试验。使用数字化测量装置,取得了各种模型放电的放电量－相位信息。采用三维谱图提取放电指纹特征,并用人工神经网络ANN来识别不同的放电类型。研究结果表明,人工神经网络对油纸变压器绝缘放电有足够的识别能力。     

用前馈网络组对定子模型线棒放电模式的识别

为了通过放电性来判断大电机定子绝缘状态,对人工神经元网络组织识别放电类型和发展程度的能力进行了研究,在屏蔽试验室内,用定子线棒工业仿真模型取得了不同放电模式的大批试验数据,并用三维谱图对放电信息进行有效,以谱图表列数据为特征量构成放电样本。     

变压器现场局部放电试验接线的探讨

变压器在现场进行局部放电试验时,应根据不同被试变压器的接线组别、电压、变比来合理地选用试验接线。章介绍了浙江省在现场局部放电试验中采用的几种试验接线。     

用于局部放电图象识别的统计特征研究

结合图象识别技术，提出一种采用局部放电灰度图象的统计特征区分局部放电类型的方法。局部放电灰度图象统计特征由图象的矩特征和相关统计特征构成；其中矩特征描述局部放电灰度图象基本灰度分布状态，相关统计特征描述局部放电正、负工频半波图象之间的相关程度。设计出模拟变压器内部放电与外部放电的五种放电模型，并通过试验获得大量放电样本数据，采用局部放电灰度图象统计特征和人工神经网络分类器，对于五种放电样本获得了较高的识别率，表明该方法具有良好的应用效果。     

变压器的现场局部放电试验

变压器在现场进行局部放电试验前应根据被试变压器的结线组别、容量、电压、变比来科学地选用试验结线，合理地估算出有功和无功功率，尤其是无功功率，否则将会给现场试验带来很大不便。本文叙述了计算方法、现场的几种试验接线和局部放电的测量方法。     

基于BP人工神经网络的XLPE电力电缆局部放电的模式识别

根据电力电缆常见局部放电类型,提出了以局部放电信号三维谱图、放电次数及正负半波统计算子为特征量的XLPE电力电缆局部放电的BP人工神经网络模式识别方法,将该方法应用于模拟试验设计的5种典型局部放电模型,识别结果表明,该方法是可行的,识别效果较好,具有实际应用价值。     

发电机局部放电脉冲沿定子绕组传播规律的研究

为研究发电机内部局部放电脉冲的传播规律,根据一实际50MW汽轮发电机定子绕组对方波、脉冲波和正弦波试验信号的响应结果,研究了2MHz以下频段试验脉冲沿定子线棒的传输线传播规律及信号幅值的变化规律、信号传播时延等;分析了2～6MHz和7～12MHz频段下试验脉冲沿定子绕组端部圆周传播的电容耦合机理及信号幅值的变化规律.发现了试验脉冲在三相绕组之间存在相互耦合的现象;2～6MHz频段下试验脉冲沿定子绕组端部圆周传播时幅值基本不发生衰减.这些研究结果将有助于理解局部放电信号在定子绕组中的传播规律,可为确定局部放电源所属相别甚至位置提供参考信息.     

GIS中局部放电测量用超高频传感器

ＧＩＳ的同轴结构为用ＵＨＦ法进行局部放电测量提供了极为有利的条件。文章对所设计的ＵＨＦ传感器的传输特性及其灵敏度进行了讨论,并通过它对ＧＩＳ中高压导体上突出部分产生的电晕放电脉冲直接用数字记录仪测量的结果表明,其灵敏度可以达１ＰＣ。     

基于神经元网络的发电机定子模型线棒放电模式识别的研究

设计了４种发电机定子线棒工业仿真模型，取得了不同放电模式（类型和发展程度）的大批试验数据。用ψ－ｑ－ｎ三维谱图方式压缩放电信息，ｑ轴采用对数刻度。以谱图表列数据或曲面拟合参数为放电样本的特征量。为了能更有效地识别放电模式，研究了基于任务分解网络模块的人工神经元网络组。使用前馈网络构成类型识别主网络，网络有足够满意的类型识别率。对程度识别子网络，采用自组织特征映射网络可更形象地判断放电程度。     

多小波相邻系数法在局部放电去噪中的应用

给出了通用的相邻系数法表达式,并将其用于局部放电的去噪研究.与多小波传统阈值去噪算法相比,相邻系数法能较好地解决变换系数之间的相关性,获得更好的去噪效果.通过大量的仿真数据得出了均方误差与相邻系数邻域及指数之间的关系曲线,并在此基础之上得到了合适的相邻系数邻域及指数数值.现场数据的处理结果验证了多小波相邻系数法及选取的参数的有效性.