基于变分贝叶斯自编码器的局部放电数据匹配方法

随着局部放电检测案例的累积,将疑似局部放电数据与历史案例中的数据进行匹配获取相似案例,是大数据背景下对局部放电数据进行深度挖掘的一种思路。因此,提出了一种基于变分贝叶斯自编码器(auto-encodingvariational Bayes,AEVB)的局部放电数据匹配方法。构建了适用于局部放电数据的AEVB网络模型,利用AEVB提取局部放电数据特征值,然后基于余弦距离计算不同局部放电数据之间的匹配度。为验证方法的有效性,通过局部放电模拟实验和变电站现场带电检测建立了局部放电数据集,并对所提方法和其他特征提取与匹配方法进行了对比分析,包括统计特征值、深度信念网络、深度卷积网络、主成分分析、线性判别分析的特征提取方法和欧氏距离、最佳熵的匹配度计算方法。实验结果表明,基于AEVB和余弦算法的数据匹配方法相比其他数据匹配方法可以更有效的检出相似局部放电数据。     

基于BAGAN-CNN的局部放电模式识别

电力设备发生局部放电为小概率事件,现场检测出的局部放电脉冲相位分析图谱样本具有数量稀少、样本类别比例不平衡的问题,导致难以训练出能够准确判断局部放电类型的分类器。为了扩充并平衡不同种类局部放电样本的数量,提高局部放电模式识别准确率,提出一种基于BAGAN-CNN的局部放电模式识别方法。首先,构建BAGAN(Balancing GAN)网络模型,解决原始ACGAN损失函数矛盾的问题,使BAGAN生成器能够生成样本种类稀少的局部放电数据。然后,将原始样本和增强样本作为分类器输入,构造卷积神经网络,自动提取局部放电特征,并通过Softmax层进行分类。实验表明,通过BAGAN生成的数据相比于其他数据扩充方法,能够生成更高质量局部放电样本;相较于传统分类器,CNN分类器的识别准确率更高。     

基于分形方法的电力设备绝缘局部放电识别

阐述了在线监测电力设备绝缘局部放电以及放电指纹对诊断电力设备绝缘状态的重要意义。介绍了分数维的两种计算方法：三维盒子法、三维概率法。并将这两种方法应用于三种绝缘局部放电的识别， 得到了一些有用的结论     

基于人工神经网络的绝缘局部放电信号提取方法的研究

提出了一种基于ＢＰ神经网络结构与算法的局部放电信号提取方法。该方法在网络节点连接权向量域,从强大的窄带周期性干扰（载波通讯干扰）和随机噪声中提取局部放电信号。仿真研究与现场实验结果表明,该方法能有效地提取局部放电信号,可用于大型发电机、变压器及其它电力设备局部放电在线监测系统中。     

基于信号能量谱特征的局部放电故障识别方法及其系统实现

为解决传统超高频(ultra-high frequency,UHF)法实现局部放电(partial discharge,PD)故障模式识别对采样频率、传输带宽和处理速度要求苛刻的困难,提出一种基于信号能量谱特征的局部放电故障识别新方法。该方法通过提取局部放电超高频电磁波信号在不同频段的能量值,构建能量谱序列作为模式识别判据,能够有效降低局放信号对采样频率、传输带宽和处理速度的要求。其次通过5种典型空气绝缘缺陷局部放电试验获得了模式识别的初步判据,验证了该方法的有效性;基于该方法,应用射频理论构建了相应的信号处理系统,并再次通过局部放电试验构建了基于此系统的模式识别判断依据,最后通过验证性试验证明该系统的识别正确率基本达到90%。     

基于图像处理及降噪的局部放电图谱智能识别方法

局部放电检测是目前电力设备状态评价的主要手段,得到广泛应用推广。由于缺陷图谱的复杂性及现场干扰的多样性,传统的局部放电模式识别方法正确率低,且训练时间长。针对上述问题,文章提出了一种基于图像处理技术及数据深度稀疏降噪的电力设备局部放电图谱智能识别方法。首先,运用图像处理技术对检测得到的图谱进行预处理;然后利用深度稀疏降噪自编码器进行数据稀疏降噪;最后对得到的有效去噪的数学模型,利用极限学习机(ELM,Extreme Learning Machine)网络,实现对局部放电的智能分类和识别。利用在变电站现场实测数据对本方法进行验证,证明本方法对含有多样干扰的局部放电信号有更好的识别效果,能很好适用于目前的电力设备图像信息模式识别应用当中。     

基于Friis传输方程的局部放电定量计算方法研究

特高频法监测电缆及GIS局部放电时需要对放电量进行精确地标定,以判断局部放电严重程度。文中提出一种利用Friis传输方程对局部放电定量计算的方法,该方法将局部放电源作为发射天线模型化处理,并引入Friis传输方程,将计算等效为天线传输过程,应用HFSS仿真得到的四阶Hilbert分形天线作为接收天线模型。通过局部放电试验与计算分析验证,确定了局部放电量与接收特高频信号的能量呈二次曲线的关系。     

基于Friis传输方程的局部放电定量计算方法研究北大核心

特高频法监测电缆及GIS局部放电时需要对放电量进行精确地标定,以判断局部放电严重程度。文中提出一种利用Friis传输方程对局部放电定量计算的方法,该方法将局部放电源作为发射天线模型化处理,并引入Friis传输方程,将计算等效为天线传输过程,应用HFSS仿真得到的四阶Hilbert分形天线作为接收天线模型。通过局部放电试验与计算分析验证,确定了局部放电量与接收特高频信号的能量呈二次曲线的关系。     

10kV电缆接头局部放电在线监测系统研究

介绍了一种基于LabVIEW的10 kV电缆接头局部放电在线监测系统。分析了电缆接头局部放电的产生机理,并对测量局部放电电流的宽频带电流互感器的传输特性进行了分析计算,确定了一种在测量过程的电磁感应环节就可有效抑制噪声信号的局部放电电流互感器。在线监测系统在现场安装后,设备运行良好,LabVIEW监控平台能够时刻监视局部放电信号,能够精确地对电缆接头进行在线监测。     

10 kV电缆接头局部放电在线监测系统研究

介绍了一种基于LabVIEW的10 kV电缆接头局部放电在线监测系统。分析了电缆接头局部放电的产生机理,并对测量局部放电电流的宽频带电流互感器的传输特性进行了分析计算,确定了一种在测量过程的电磁感应环节就可有效抑制噪声信号的局部放电电流互感器。在线监测系统在现场安装后,设备运行良好,LabVIEW监控平台能够时刻监视局部放电信号,能够精确地对电缆接头进行在线监测。     

基于边缘增强生成对抗网络的电力设备热成像超分辨率重建

非接触式红外热成像的温度数据,对于电力设备状态监测与健康状态评估具有重要意义.但高分辨率红外成像仪的昂贵造价和技术壁垒,限制了高分辨率热成像图像在基于电力物联网的设备在线监测中的应用.超分辨率重建满足分辨率要求的同时可以降低成本.通过构建改进边缘增强的生成对抗网络实现了电力设备热成像的增强,该网络在超分辨率生成对抗网络...     

基于时频域特征的局部放电单脉冲波形分析

局部放电试验作为一种非破坏性试验,是电力设备绝缘检测和诊断的重要方法。人们对电力设备可靠性的要求越来越高,针对现在电力设备事故大部分是由设备绝缘局部放电造成的,本文通过对惰性气体、环氧树脂、空气、油四种介质中的局部放电的实测波形进行分析,得出了不同类型局部放电的波形时频域特征,为局部放电模式识别特征提取提供科学依据。     

基于振动特征边缘提取的电缆外力扰动智能感知技术

基于微型传感技术、嵌入式边缘计算和LoRa物联网,提出了一种新型的电缆外力扰动分布式监测技术。并针对LoRa数据传输的低密度、窄带宽要求,基于振动信号的时频特征,提出了一种精简化的特征集、状态集和控制集的单包数据装载方法。通过试验初步获得了电缆振动特征集的典型范围,为建立基于物联网窄带通信方式的电缆外力扰动智能预警系统提供了基础。     

基于深度学习和多模型融合的局部放电模式识别方法

局部放电与电力设备的绝缘状态息息相关,准确识别局部放电类型对于保障电网运行具有重要意义。文中提出一种基于深度学习和多模型融合的局部放电模式识别方法。首先,设计并搭建开关柜内4类典型局部放电缺陷模型,采集局部放电相位分布(phase resolved partial discharge,PRPD)图谱并建立样本集;其次,搭建基于迁移学习的深度残差网络,对局部放电缺陷进行识别;最后,利用Sugeno模糊积分将深度残差网络(deep residual net￣work,DRN)模型与传统识别模型进行融合。实验结果表明：迁移学习模型相比于无迁移学习模型有着更好的更新能力和泛化性能;融合模型与单一模型相比具有更高的识别准确率。所提方法能够准确识别局部放电缺陷类型,对于电力设备的运维检修具有一定的参考价值。     

基于宽频振动传感器的电力设备状态监测方法可行性分析

宽频振动信号包括1 Hz～20 kHz的低频振动信号和20～500 kHz的高频超声信号。近年来,利用振动信号对变压器、电容器、电抗器等电力设备进行状态检测的手段日益成熟,超声信号也可以很好地检测出电力设备中的局部放电并定位,均已有较为成熟的应用。文中提出了基于宽频振动传感器的电力设备状态监测方法,并使用该传感器同时测量了脉冲振动源的振动以及油纸绝缘针板电极局部放电的超声,借助仿真对超声时延进行了修正,对局部放电进行了识别,并与脉冲电流法所得结果进行了对比。结果表明,所提出的监测方法可以很好地监测到振动和超声,并实现局部放电的识别,该方法应用于电力设备状态监测是可行的。     

基于图像处理技术的电力设备局部放电紫外成像检测

为对电力设备局部放电进行高效、准确、安全的在线监测,提出紫外成像检测法。分析了电力设备局部放电紫外成像原理,针对成像设备捕捉到的紫外图像和可见光图像,经研究提出中值滤波改进算法作为图像预处理算法,小波变换法为两者的融合算法。根据紫外图像特点,选用Canny边缘检测算法,在融合后的图像中准确判断出电力设备的放电程度和放电位置。试验结果表明该方法准确率高,可实现对局部放电的快速判断和定位,具有较高的实用价值。     

电-声联合检测法在变压器局部放电监测中的应用

本文介绍了一种采用电-声联合检测法的变压器局部放电在线监测系统,系统采用罗科夫斯基线圈采集脉冲电流信号,利用磁浮式高抗干扰超声探头采集局部放电声波信号,通过上位机软件进行放电脉冲幅值、频次和放电源位置等参数的计算,从而实现对变压器局部放电的监测。装置采用脉冲分离技术及光纤传输系统,实现强干扰环境下的局部放电在线监测,使监测数据更加真实可靠。     

基于分布式传感器的GIS局部放电在线监测实时数据传输方式的研究

针对检测GIS(Gas Insulated Switchgear,简称GIS)局部放电的分布式传感器采集局部放电信号的数据量大,通过RS-422串口进行数据传输时间长的不足。基于GIS局部放电分布式传感器在线监测系统,采用一种最大值数据压缩算法,将高速A/D采集到的大量实时数据,有效地传输到后台监测系统,解决了分布式在线监测系统中大量数据传输的瓶颈。通过实验验证,该数据传输方式速度快,性能安全、可靠,实用性强。     

基于Friis的GIS局放信号与放电量定量计算研究

迄今为止由于国内外学者对于特高频法监测GIS局部放电的放电信号与放电量的关联关系没有达成一致,导致特高频法监测GIS局部放电视在放电量的标定缺乏统一标准,进而难以判断GIS局部放电的严重程度,严重制约了特高频监测GIS局部放电的发展。鉴于此,文中提出一种利用Friis传输方程对GIS局部放电定量计算的方法,该方法将局部放电源作为发射天线模型化处理,并引入Friis传输方程,将计算等效为天线传输过程,应用HFSS仿真得到的四阶Moore分形天线作为接收天线模型,并结合天线收发相关理论,得出GIS局部放电的视在放电量与特高频信号能量与信号电压峰值之间存在关联关系。通过GIS局部放电试验拟合验证,实测结果表明局部放电视在放电量与天线接收特高频信号的能量呈二次曲线关系和信号峰值电压呈一次函数关系。     

超声波信号在局部放电检测技术的特征集合探索

高压设备绝缘损坏会引起电力设备的局部放电,造成设备损坏。为实现对电力设备绝缘水平的有效监控,防止严重放电事故的发生,避免造成严重的损失,必须深入研究设备局部放电特征。局部放电超声信号检测是一种行之有效的检测方法,在检测过程中,电磁干扰不会对局部放电的超声波检测造成影响,但传播路径对检测结果的影响较大。本文对局部放电超声波信号的传输特性进行了介绍,对局部放电超声波信号的特征提取方法进行了分析,并利用小波分析对局部放电超声波信号进行了模式识别,对局部放电超声波信号检测的研究工作具有一定的参考价值。