灰度纹理与油气特征融合的油纸绝缘老化状态评估

针对单一局部放电特征辨析老化信息量存在精度不足的问题,提出一种基于局部放电灰度纹理特征与油气特征的D-S证据融合识别方法,对油纸绝缘老化状态进行分析。首先,通过试验构造人工油纸绝缘内部气隙模型,模拟变压器内部实际运行环境,采集油纸绝缘7个老化层级的局部放电信号及油中气体含量,提取各老化层级的灰度纹理特征、统计特征及油气特征,利用支持向量机进行识别。将灰度纹理特征和油气特征的识别结果输入到D-S证据融合框架中进一步识别分析,识别结果与单一特征及其他两两特征融合结果比较。试验结果表明：基于灰度纹理特征与油气特征的D-S证据融合方法对油纸绝缘老化状态的识别效果更佳。     

油纸绝缘老化状态判别的局部放电特征量

采用多元统计分析方法对传统的局部放电统计特征算子进行了因子分析,从24个统计算子中提取出8个公共因子作为局部放电新特征因子,从而实现数据压缩的目的。提取的新特征因子之间不仅携带了原始统计算子的大部分方差信息,而且彼此独立,具备各自的物理意义。对油纸绝缘扁平气隙模型开展了电-热加速老化试验,并采集不同老化阶段试品的局部放电信号样本,采用新特征因子进行了已知老化状态样本的聚类和线性判别函数构造,进而对未知样本的绝缘老化状态进行判别。该方法基于实验室数据的分析得到了令人满意的结果,并为变压器油纸绝缘老化状态的诊断提供了一种可行的方案。     

变压器油纸绝缘老化状态的分析方法

油纸绝缘老化与充油电气设备绝缘寿命具有紧密联系。文章介绍了采用新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热老化试验,采集油纸绝缘老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度、油中水分含量。提取了27个局部放电的统计算子用于油纸绝缘老化状态的识别,采用模糊C-均值聚类算法对统计向量进行聚类分析,并与样本聚合度及油中水分含量相比较。结果表明模糊c-均值聚类算法对油纸绝缘老化状态的判别结果可以为绝缘状态诊断提供具有重要参考价值的信息。     

变压器油纸绝缘老化状态的分析方法

油纸绝缘老化与充油电气设备绝缘寿命具有紧密联系。文章介绍了采用新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热老化试验,采集油纸绝缘老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度、油中水分含量。提取了27个局部放电的统计算子用于油纸绝缘老化状态的识别,采用模糊C-均值聚类算法对统计向量进行聚类分析,并与样本聚合度及油中水分含量相比较。结果表明模糊c-均值聚类算法对油纸绝缘老化状态的判别结果可以为绝缘状态诊断提供具有重要参考价值的信息。     

融合模糊K近邻及证据理论的变压器油纸绝缘状态评估方法

为实现“双碳”目标，构建新型电力系统已成为电网发展的必然趋势。在此背景下，保障电力变压器的可靠运行具有重要意义。鉴于此，提出融合模糊K近邻(fuzzy K-nearest neighbor, FKNN)及证据理论的变压器油纸绝缘状态评估方法。首先，构建基于回复电压法的多特征参量数据库，并基于数据库提出证据的基本概率分配方法。而后，采用组合赋权法综合特征参量的主观权重及客观权重，同时藉由证据折扣因子对证据基本概率进行再分配，避免D-S证据理论的冲突问题。最终，对各证据进行融合推理，获得绝缘状态命题的置信水平。利用提出的方法对变压器实测数据进行验证。结果表明，绝缘状态的置信分布式结果不仅能够准确反映变压器油纸绝缘状态，也能表征出变压器油纸绝缘的劣化趋势，为电力变压器检修策略制定提供了指导。     

油纸绝缘老化阶段的多元统计分析

引入统计学的多元分析方法对油纸绝缘进行诊断,研究油纸绝缘材料老化程度的识别问题.在初步确定油纸绝缘试品的电热因子寿命模型基础上,选择合理的老化条件,同时对多个试品进行电-热联合老化,以局部放电为监测手段,选取出11个在老化前后有明显变化的特征参量作为老化特征值进行多元统计聚类和判别分析.以30个老化特征向量为经验样本,构造判别函数,将11维特征向量映射到2维平面上,通过对其它30个样本进行老化程度的判别分析,结果表明采用判别函数能够对新样本的绝缘状态作出合理的判断.     

基于多特征信息融合技术的局部放电模式识别研究

针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。     

基于多源融合的油纸绝缘套管缺陷辨识及绝缘状态评估

油浸纸绝缘套管作为变压器的关键组件,其绝缘受损会威胁变压器主设备的运行安全。针对此现状,提出一种基于多源融合的油纸绝缘套管缺陷辨识及绝缘状态评估方法。首先,根据实际运行工况制备典型缺陷试验套管,并开展频域介电响应、局部放电及红外热成像联合试验,辨识套管缺陷种类。然后,提取套管绝缘指标量,引入隶属度函数及状态得分算子,建立基于博弈论组合赋权法的套管绝缘状态评估模型。最后,分别采用组合赋权法和单一赋权法的评估模型,对正常以及缺陷套管进行算例分析。结果表明：联合试验可以准确辨识套管缺陷种类。组合赋权法弥补了单一赋权法评估结果片面的不足,且正常套管的模型评估分数均高于缺陷套管。评估结果与套管实际绝缘状态一致,验证了套管绝缘状态评估模型的正确性及有效性。     

基于随机森林的油纸绝缘老化阶段评估

为了更准确地评估变压器油纸绝缘老化阶段,提出了一种基于EMD-SVD特征和随机森林分类器相结合的识别方法。搭建实验平台采集得到气隙缺陷样本的不同热老化阶段局部放电信号,去噪处理后对信号进行EMD-SVD特征提取得到相应局部放电信号特征量,并分别利用随机森林分类器与传统分类器BP神经网络和支持向量机对EMD-SVD特征进行分类识别。结果显示随机森林分类器识别效果优于传统分类器,对于提取的油纸绝缘局部放电信号EMD-SVD特征,随机森林分类器分类能力更强。分析表明首次将EMD-SVD特征与随机森林分类器相结合应用在油纸绝缘热老化阶段识别方面能够取得更好的效果。     

基于局部放电因子向量和BP神经网络的油纸绝缘老化状况诊断

模拟真实变压器的内绝缘运行环境,设计了一种单因子加速热老化试验。提取了局部放电脉冲相位分布(PRPD)模式的四个图谱及其对应的27个特征量,利用因子分析方法从27个特征量中提取了10个主成分因子。在局部放电10个主成分因子的基础上,选择BP神经网络对油纸绝缘的老化状况进行诊断。输入训练样本数据分别采用BP标准算法和四种改进算法对网络进行了训练,并对测试样本进行了老化诊断。基于10个主成分因子的BP网络在一定程度上能够诊断油纸绝缘的老化状况。各种算法的诊断结果表明L-M算法是比较合理的油纸绝缘老化诊断的BP网络算法。     

基于Fisher判别法的油纸绝缘老化阶段识别

本文首次将判别分析法用于油纸绝缘老化程度的识别,提出了一种基于Fisher 判别法和多个局部放电特征参量的油纸绝缘老化程度识别方法.以30个老化特征向量为经验样本,构造判别函数,将十一维特征向量映射到二维平面上,通过对其他30个样本进行老化程度的判别分析,结果表明采用Fisher判别函数能够对新样本的绝缘状态作出合理的判断.     

分层式信息融合在变压器状态评估中的应用

变压器的健康状态直接影响着整个电力系统的安全运行,为此,提出了分层式信息融合的变压器健康状态评估方法.该方法通过融合神经网络和D-S证据理论,解决了因变压器信息参数繁多而造成的网络结构复杂和庞大等一系列问题,也为D-S证据理论中的基本可信度分配提供了有效的依据.实例表明,该方法具有较高的诊断准确性和可靠性.     

基于灰色关联度及色谱法的油断路器状态评判

基于灰色关联度理论及色谱法,提出了用灰色关联度及色谱分析评估油断路器状态的方法.给出了利用该方法进行状态评判的基本步骤,可以作为油断路器的运行状况评判的一种补充方法.实例证明了该方法的有效性与可行性.     

基于纹理特征的绝缘子检测方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断的重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种基于纹理特征的绝缘子检测方法。首先,根据绝缘子的纹理性,利用图像的灰度共生矩阵方法产生出绝缘子的基本纹理特征;然后利用特征选择算法挑选出一组最有效、分类效果最好的特征;最后利用这组最有效特征可以准确检测到绝缘子。实验表明,该方法能够较好地在图像/视频中检测和定位绝缘子。     

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。