三相共箱式GIS局部放电超高频信号特征的研究

GIS在制造和装配过程中难免会留下一些潜伏缺陷,导致在运行中引起GIS内部局部放电。研制了一种超高频宽带振子天线——套筒天线传感器,并对其性能进行了仿真计算,结果表明可以用作局部放电检测的超高频传感器。为研究三相共箱式GIS中存在缺陷引起的局部放电超高频信号的特征,建立了6种典型缺陷模型来模拟局部放电故障,采用自建的局放检测系统测量得到了各种缺陷下GIS局部放电的宽频带特征,为三相共箱式GIS局部放电缺陷的监测和诊断奠定了良好的基础。     

基于超高频法的GIS局部放电研究

气体绝缘组合电器(Gas Insulated Switchgear,简称GIS)局部放电检测对于保证电器的安全运行具有重要意义。为了对GIS进行有效的故障诊断,试验设计了3种典型绝缘缺陷类型,通过超高频法对局部放电进行了检测,获得了n-q、q-Ф等分布图谱。结果表明:不同的局部放电类型具有不同图谱特征,且图谱差异明显,可以通过图谱特征对故障引起的局部放电进行识别,为GIS故障诊断和安全运行提供了参考依据。     

基于Gabor变换的GIS设备典型放电缺陷识别

气体绝缘组合开关设备(Gas Insulated Switchgear,GIS)是电力系统中的关键设备,通过局部放电信号获取GIS设备内部绝缘缺陷的放电类型对于故障诊断和预警至关重要.通过试验提出了一种GIS设备不同放电缺陷类型的识别方法,首先搭建了GIS内典型缺陷模型并使用特高频传感器获取局部放电信号,随后对GIS局...     

基于统计不相关最优鉴别矢量集的GIS局部放电模式识别

针对气体绝缘金属封闭开关设备（GIS）局部放电及其缺陷特点，设计了4种典型的GIS缺陷模型，采用甚高频高速采集大量局部放电样本，构造了局部放电灰度谱图。文中将主分量分析线性鉴别方法应用于局部放电模式识别，即首先进行主分量分析，将数据从超高维空间降至低维空间，再提取统计不相关的最优鉴别矢量集，最后采用最小距离分类器进行模式识别。识别结果表明该方法对GIS各类模拟缺陷的正确识别率高，效果良好。     

基于GK模糊聚类和LS-SVC的GIS局部放电类型识别

局部放电可以反映气体绝缘组合电器(Gas Insulated Switchgear,GIS)内部的绝缘缺陷,对正确识别GIS的放电类型具有重要意义。在GIS重症监护系统研究平台上人工设置4种GIS的典型缺陷。基于4种缺陷不同电压等级下的局部放电样本数据,提取局部放电灰度图像的分析特性作为识别特征量。同时考虑到现场干扰对局部放电信号的影响,利用GK模糊聚类算法对分形特征量进一步处理,以提取隔离干扰后的分析特征量。最后设计了基于LS-SVC的局部放电模式识别器。试验结果表明所提方法能有效识别GIS放电类型,比人工神经网络方法具有识别率高、稳定性好的优点。     

基于支持向量机的GIS超高频局部放电模式识别

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于保证GIS安全可靠运行、评估GIS的绝缘状况和制定合理的维修策略具有十分重要的意义。为了研究GIS中不同缺陷所激发的局放信号的特征,设计了4种典型放电缺陷模型来模拟GIS中可能存在的绝缘缺陷,通过试验从超高频(UHF)信号中提取出8个统计特征参数来描述放电的典型特征。基于支持向量机(SVM)算法设计构造了4分类SVM模型,采取投票的方式识别放电类型。实验结果表明,该方法识别率高,能有效识别4种GIS中的典型放电。     

悬浮缺陷模型局部放电发展过程中分解产物的特征

悬浮放电是GIS的典型缺陷之一。通过对GIS设备局部放电的检测和分析,可实现设备状态评估和故障诊断。文中利用脉冲电流法和分解物检测法,研究了间断恒压法下GIS悬浮缺陷模型局部放电发展过程及其分解产物的特征,并在局部放电已产生分解物的前提下,探究了各分解气体的扩散特征。实验结果表明:局部放电放电特征量不因外施电压间断而发生改变;局部放电发展中SF_6气体水分体积分数呈增长趋势,仅用SF_6气体微水含量偏高来推测GIS设备受潮存在一定局限;若分解物检测试验中只检测到SO_2气体,则GIS设备可能存在放电程度较严重的悬浮放电缺陷,因此SO_2气体可用于判断悬浮放电发生与否;CO气体扩散速度较快,可作为判断设备故障严重程度的特征气体。     

超声波在GIS局部放电检测中的应用

针对气体绝缘组合电器(GIS)局部放电问题,分析了常用局部放电检测方法的优、缺点,重点介绍了超声波检测方法的原理.并在现场采用超声波对GIS进行了故障诊断,结果表明:超声波检测法具有较高的灵敏性和有效性,可以精确定位缺陷部位.     

基于组合核多特征融合的GIS局部放电检测与识别

GIS局部放电模式识别是其绝缘状态评估的重要部分,搭建了252k V GIS局部放电实验仿真平台,采用超高频和超声波检测法对4种典型绝缘故障进行局部放电检测,得到了相应的放电信号,并根据信号特点获取了相应的统计参数图谱,提取了相应的特征参数;采用K-折交叉验证和粒子群算法对组合核参数法进行了核函数参数优化,然后采用优化后的算法融合了超高频和超声波特征参数,分别将融合后的参数和单一的超高频及超声波参数输入到分类器中进行放电模式识别。结果表明,多特征参数融合后的识别率要高于单一特征的识别率,融合后的识别率可达92%。     

GIS金属突出物缺陷局部放电发展全过程的严重程度评估

局部放电作为GIS设备绝缘劣化的早期信号,能够引起绝缘的进一步劣化,因此,研究局部放电严重程度评估对GIS设备检修具有重要的理论意义。结合局部放电信号的统计特征与其严重程度的单调相关性,提取了能够表征局部放电严重程度的9项统计特征参数,将局部放电严重程度划分为轻度放电、中度放电与重度放电3个阶段,研究并构建了基于K-means聚类分析的局部放电发展全过程的严重程度评估算法,以金属突出物缺陷局部放电试验为例,对获取的局部放电发展全过程信号进行严重程度评估,得出不同严重程度下各特征参数的标准数值区间。结果显示,局部放电严重程度的评估结果与各特征参数的变化趋势完全相符,验证了该算法的可行性与有效性。     

基于时频分析与分形理论的GIS局部放电模式识别特征提取方法

识别局部放电(PD)的缺陷类型是评估电气设备绝缘状况的一项重要指标,通过特高频传感器(UHF)可获取局部放电信号.然而,传统的基于统计参数的信号特征提取方法存在高维数和无效信息过多的缺点,该文提出了一种基于时频分析和分形理论的气体绝缘组合电气(GIS)局部放电模式识别特征提取方法.首先利用小波变换对局部放电信号获取能量...     

基于尺度-能量熵特征对的特高频局部放电辨识方法

对气体绝缘组合电器(GIS)进行局部放电(PD)检测,可以发现GIS内部早期绝缘缺陷和隐患,并预防绝缘事故发生。文中采用复小波分解(CWT)对GIS内部特高频(UHF)PD信号进行多尺度分解,分析了CWT能量熵(CWT-EE)随CWT尺度的变化规律,发现UHF PD信号信息主要分布在能量熵变化梯度较大的尺度下。为此,文中提取CWT-EE及其对应尺度,构建尺度-能量熵(SP-EE)特征对,既保留了PD信号能量特征信息,又保留了UHF PD信号小波尺度信息。最后,采用支持向量机(SVM)进行UHF PD类型辨识,结果表明:SP-EE特征对不但可以有效识别GIS内部4种典型绝缘缺陷,而且能够有效降低UHF PD信号分解层数和PD特征维数。     

气体绝缘系统中典型缺陷的超宽频带放电信号的分形分析

要提高气体绝缘系统(GIS)放电在线监测与诊断的准确性，需要研究其典型缺陷的超宽频带放电特征。但GIS中放电频率高、频带宽，基于IEC60270标准的常规低频局部放电统计分析方法难以对放电特征进行分析。文中提出应用基于小波提取技术的放电信号的分形分析方法，对GIS中典型缺陷放电的各频段信号进行分维数计算，用分维数来量化分析GIS中超宽频带局部放电的频谱特性，发现了GIS中不同金属性表面缺陷的超宽频带放电分形特征的明显差异，对进一步将超宽频带放电检测技术用于GIS局部放电在线监测具有重要意义。     

几种特征选择方法在局部放电模式识别中的应用

局部放电模式识别的输入特征量选择是非常关键的步骤。针对油纸绝缘中5种典型局部放电类型,从其相间局部放电（PRPD）谱图中提取出31个统计算子。分别运用K-W检验、类内类间距离比、顺序前进法以及遗传算法等4种方法对这些算子进行了选择优化。分别用这些选取的特征量组合作为输入向量,通过BP神经网络这个统一的模式识别技术来比较研究这4种特征选择方法,结果表明,顺序前进法和遗传算法由于考虑了特征量之间的相关性,所选择的特征量优于另外2种方法。     

Blind Source Separation of Mixed PD Signals Produced by Multiple Insulation Defects in GIS

Partial discharge (PD) source signals concurring at different internal positions in gas insulated switchgear (GIS) may be mixed linearly or nonlinearly when they are propagating through GIS pipes. To identify the interior insulation defects in GIS, it is important and intricate to extract these individual PD source signals from the mixed PD signals. This paper applies the blind source separation (BSS) theory to acquire individual source signals assisted by complex wavelet transform. First, a maximizing signal-to-noise ratio (MSNR) BSS algorithm is introduced. Then simulated PD mixed signals are constructed from four individual ultra-high frequency theoretical PD signals and employed to implement BSS separation. Finally, two typical individual PD signals sampled from GIS model are adopted for testing. Both can produce satisfying result, which shows that it is feasible to apply BSS to separate the mixed PD signals in GIS.     

基于 EEMD 能量矩与 ISSA-SVM 算法的 GIS 局部放电类型识别方法

为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电(partial discharge, PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的GIS局部放电类型识别方法。首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别。实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7%与8.5%,验证了所提GIS局部放电类型识别方法的有效性以及优越性。     

采用分形和支持向量机的气体绝缘组合电器局部放电类型识别

局部放电可以反映气体绝缘组合电器(gas insulated switchgear,GIS)内部的绝缘缺陷,正确识别GIS的放电类型具有重要意义。放电信号特征量的提取和模式识别器的设计对最终判别结果影响较大,因此有必要将分形理论和支持向量机应用到局部放电类型识别中以提高识别效果。在简单介绍了分形理论和支持向量机后,采集了4种绝缘缺陷的放电数据,应用分形理论从φ-q-n灰度图中提取放电特征,并构造6个二分类支持向量机识别器,采取投票法识别放电类型。实验结果表明,该方法与反向传播网络方法相比具有识别率高、稳定性好的优点,能有效识别GIS放电类型。     

GIS中金属微粒诱发沿面局部放电发展过程的研究

局部放电的检测和识别对气体绝缘全封闭组合电器(GIS)运行状况的监测起着至关重要的作用。金属微粒缺陷是一种极易引发GIS局部放电的典型缺陷。文中主要研究金属微粒诱发的GIS内局部放电沿面爬电的发展过程。为此,根据GIS实际运行条件,搭建GIS模拟实验平台,采用阶梯升压法划分试验阶段,利用脉冲电流法检测各阶段下的局部放电模式,与此同时架设增强型电荷耦合检测器相机(ICCD)实时记录金属微粒局部放电的沿面发展过程,并采用K-Means聚类算法结合特征参量对其发展过程进行划分。结果表明GIS盆式绝缘子上金属微粒的沿面局部放电演变过程分为3个阶段:电晕放电主导阶段、电晕与流注放电并存阶段和流注放电主导阶段。