高压电抗器局部放电试验电路设计

设计了一种基于串联谐振原理的高压电抗器局部放电测量基本试验电路.首先用有限元分析软件计算出给定频率段(30～300 Hz)的高压电抗器阻抗的特性,通过工频条件下的试验值与计算值做比较,证明该计算方法的正确性,其结果为谐振电容和补偿电容参数值的选择提供依据;然后,建立了试验电路的灵敏度分析模型,利用伴随网络法进行了灵敏度的计算,以灵敏度为依据对高压滤波器的参数进行了设计;最后,运用给定的方法给出了实例验证,它为高压电抗器做局部放电试验的电路设计以及参数确定提供了重要依据.     

一台750kV高压电抗器局部放电故障分析

笔者对某750 kV变电站高压并联电抗器乙炔气体体积分数超过标准规定数值的原因及设备故障情况进行了详细介绍和分析。根据电抗器油色谱检测数据,通过采取局部放电定位、振动检测、器体吊罩检查、高抗温升试验等手段,确定了设备故障原因为电抗器铁心压紧结构设计不佳,建议改变电抗器压紧方式,将单中轴压紧改为多点压紧方式,从而有效抑制电抗器振动,经改进目前该电抗器运行情况较为稳定。     

基于LLE降维和BP_Adaboost分类器的GIS局部放电模式识别

在气体绝缘组合电器(gas insulated switchgear,GIS)实体模型中分别放置了针-板、悬浮金属颗粒和绝缘子表面固定金属颗粒放电模型,用超声波传感器采集到其放电波形。对放电波形提取的特征向量进行局部线性嵌入(local linear embedding,LLE)算法降维处理,用降维后的向量作为输入对BP_Adaboost分类器进行训练和测试类型识别。识别结果表明,用这样方法进行GIS绝缘缺陷类型识别可以在减少计算量的同时保持较高的识别率,说明了其在局部放电模式识别应用中的有效性。     

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。     

基于BP人工神经网络的局部放电模式识别

本文介绍了ＢＰ人工神经网络在局部放电模式识别中的应用,结合实际现场情况提出了一部局部放电特性的提取方法,并在此方法基础上开发出局部放电模式识别系统,然后利用此系统对空气火花放电和油中火花放进行了模式识别实验,实现结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性。     

特高压电抗器局部放电试验方法探索

局放试验是检测电力设备绝缘状况最为有效的手段之一,目前在中国特高压1000 k V电压等级并联电抗器现场局部放电试验还处于论证摸索阶段。相比1000 k V变压器局放试验,1000 k V电抗器局放试验具有试验容量大、试验装置复杂、屏蔽难度大等特征。文中对1000 k V并联电抗器局放试验的主回路原理进行了分析,对主回路参数如试验电流、电容补偿量、损耗等试验参数进行计算,对局放检测回路的检测灵敏度和抗干扰性进行了分析,结合试验装备技术水平对主要试验设备补偿电容器、变频电压、励磁变压器、阻波电抗器等进行了参数设计和选型,为试验装备研制和现场开展试验提供了基础。     

66kV电抗器局部放电试验可行性研究

对1台66 kV油浸式电抗器局部放电试验的可行性进行了研究。经分析计算,现有试验设备满足该电抗器局部放电试验的要求。     

基于相位分解法的局部放电模式识别

介绍了一种对局部放电脉冲进行相位分解而得到的指纹图.和用它对局部放电识别的方法及仪器。     

基于S_Kohonen网络的GIS局部放电类型识别

文中在气体绝缘组合电器(Gas Insulated Switchgear,GIS)实体模型中分别放置了针-板、悬浮金属颗粒和绝缘子表面固定金属颗粒缺陷模型,在相同的电压下用超声波传感器测得其放电波形。针对放电波形的特征,提取了7个特征参数,用7个特征参数组成的特征量作为S_Kohonen网络的输入,对放电类型进行识别,识别结果很好,说明S_Kohonen网络有一定的实用价值。     

500kV电抗器局部放电故障处理分析

针对某500kV变电站带电检测时发现的500kV 1号电抗器A相存在明显的局部放电信号情况,根据油色谱检测数据,通过现场检查、测试及故障分析,显示该电抗器乙炔含量超标,初步判断缺陷为电抗器爬梯对侧的屏蔽件、定位件、紧固件等金属部件发生悬浮放电,进一步确认是因为此处的铁轭穿心杆螺母松动导致局部放电。根据故障原因,采取了相应的故障检修处理措施,有效消除了事故隐患。     

基于WOA-BP和D-S证据的高压电机局部放电模式识别方法

针对单一信号源特征无法准确识别局部放电(PD)类型的问题,提出了一种基于改进BP神经网络(BPNN)和D-S证据的高压电机PD模式识别方法。对不同类型PD的脉冲相位信息、特高频信号和超声波信号进行采集,提取不同信号的特征向参数,再分别构造基于鲸鱼优化算法(WOA)改进的BPNN识别模型对PD类型识别,将3个识别模型的识别结果作为证据体采用D-S证据组合规则进行融合,最后对融合结果进行决策。研究结果表明：基于3类单一信号源独立识别各类PD类型的准确度存在差异性和不确定性,识别率分别为83.3%、90.0%、83.3%,但3类信号源的共性和差异性可以融合互补,有各自优势,可以解决故障诊断中的不确定性问题。在此基础上,基于D-S证据融合的高压电机PD类型的整体识别率提升至96.6%,实现了3种信号源的优势互补,与单一模型对比,所提方法可以稳定、准确地识别PD模式,具有更高准确率和可靠性,验证了所提方法的有效性与正确性。     

500kV并联电抗器现场局部放电试验研究

局放试验是检测电力设备绝缘状况最为有效的手段之一。目前在中国500 kV电压等级电抗器现场局部放电试验还处于研究摸索阶段。相比变压器局放试验,电抗器局放试验具有试验容量大、试验装置复杂、屏蔽难度大、检测回路电流大等特征。笔者介绍了500 kV电抗器局放试验装置的配备情况,以及试验方法、试验原理和相关计算。试验结果表明,试验设备的配置具备在现场完成1台500 kV、40⁶0 MV.A电抗器局部放电试验的要求。     

基于随机决策森林的高压电缆局部放电模式识别北大核心CSCD

不同类型的高压电缆局部放电(简称局放)模式识别是该领域的难题。部分电缆局放类型之间相似度较大,识别困难。针对该问题,文中提出了一种基于随机决策森林(RF)的高压电缆局放模式识别方法。首先,制作了5种高压电缆人工缺陷,结合IEC 60270—2015系统和高频电流互感器(HFCT)进行实验,获取局放数据,并进行局放特征提取。其次,介绍了随机森林算法的原理和基于随机森林的高压电缆局放模式识别流程。最后,基于实验所得数据开展了局放模式识别方法有效性验证,确定了随机森林每个节点处特征子集中特征个数、节点分裂规则、树的棵数3个参数,并与传统的决策树、BP神经网络和支持向量机(SVM)3种方法进行比较。结果显示,与上述3种方法相比,随机森林算法对高相似度局放识别能力更强。     

基于局部放电检测的干式电抗器匝间绝缘老化特性研究

传统的干式电抗器匝间绝缘老化特性研究方法工作效率低,研究速率过慢。为了解决上述问题,提出了一种新的局部放电检测的干式电抗器匝间绝缘老化特性研究方法,首先通过对局部放电数据进行系统检测,采用专业局部放电测量仪,将相关参数进行记录分析,查找相关相位分布规律,并对此进行系统解析,在此基础上,对所查询的参数进行绝缘老化特性参数对比,利用试样线棒与参数对应曲线获取所需数据,利用模型修订及模型电极改正的方式,将对比后的参数数据进行参数修订,最终实现对电抗器匝间绝缘老化特性的研究。实验结果表明,基于局部放电检测的干式电抗器匝间绝缘老化特性研究方法工作效率更高,研究速率更快。     

基于振荡波的干式空心电抗器局部放电检测方法

干式空心电抗器在电网的无功功率调节方面发挥着重要的作用,但是干式空心电抗器在工作过程中,由于绝缘材料老化,局部过热等原因可能导致电抗器出现短路故障,产生恶性事故,造成巨大的经济损失。目前检测空心电抗器绝缘性能检测方法是通过比较故障电抗器的电感量的变化而引起的电抗器两端电压振荡波的衰减情况及频率的变化,从而判断空心电抗器是否存在故障。本文通过建立振荡波系统仿真模型,确定振荡回路参数,在振荡过程中检测空心电抗器局部放电量,其中局部放电检测包括特高频法,高频法,脉冲电流法,超声波法及综合检测电抗器的局部放电,经过试验表明能够发现空心电抗器潜在故障,避免恶性事故的发生。     

基于卷积神经网络的高压电缆局部放电模式识别

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。     

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。     

高压直流设备中局部放电的识别

综述了近年来高压直流设备中局部放电识别方法的发展,着重讨论了基于放电指纹和模式识别的局放识别法。