GIS局部放电光、电信号传播特性对比研究北大核心CSCD

GIS局部放电是造成绝缘材料劣化、电气设备故障的主要原因,检测GIS腔体内部的局部放电情况,有助于保证电力系统的安全可靠运行。然而在实际工程中,GIS内部结构较为复杂,不同弯角和绝缘子结构必然会对电磁波和光信号的传播特性产生一定的影响。文中根据252kVGIS的结构尺寸,建立仿真模型,研究不同距离、不同弯角结构、不同绝缘子下电磁波和光信号传播特性的差异,得到电磁波和光信号在设备腔体内部的变化规律。仿真结果表明,随着与放电源距离的增大,电磁波信号在400mm以外电场强度幅值近似呈线性衰减趋势,光信号强度整体呈指数衰减的趋势;L型、T型弯角结构对电磁波和光信号均有较强的衰减,但电磁波在弯角结构中反射严重,原始波与反射波叠加会造成信号强度增加;放电信号在经过不同绝缘子结构时,光信号的衰减远大于电磁波信号,盆式绝缘子比圆盘式对电磁波信号的衰减作用更大,光信号的传播依赖于开孔的大小。文中的研究为实际特高频、光传感器的安置提供一定的理论指导。     

锂离子电池高镍单晶正极材料的合成与性能

通过高温固相焙烧法合成高镍单晶正极材料LiNi0.88Co0.09Al0.03O2。采用XRD、XPS、TEM等技术研究初始样品和脱锂化高镍单晶材料的物理化学性能;采用长循环测试、循环伏安法和原位阻抗分析表征其电化学性能。研究结果表明:在高温处理过程中,样品的内部和表面发生锂氧损失和相转变现象,材料在固相合成反应过程中会加剧相转变,并在单一颗粒上形成多相共存状态;高温可以促进一次颗粒生长,但对单晶颗粒的稳定层状结构有一定的损害。     

适用于局放模式识别的WGAN-GP数据增强方法

提出了适用于局放模式识别的带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty, WGAN-GP)数据增强方法。首先,对局放长时信号进行去噪及脉冲提取,得到局放脉冲信号。其次,将Wasserstein距离及梯度惩罚函数引入生成对抗网络(generative adversace network, GAN),提高生成模型的训练稳定性及生成样本的多样性,并以局放脉冲信号作为样本对网络进行训练,实现基于WGAN-GP的局部放电数据增强。使用所提方法对局部放电实验样本进行数据增强,并使用增强后局放样本对常用模式识别算法进行训练,实验结果表明,所提方法相比于传统数据增强方法可更有效地对局放脉冲样本进行数据增强,局放脉冲模式识别准确率提高12.9%。     

GIS局部放电深度分层放电类型诊断方法研究

现有的GIS局部放电类型诊断主流采用单一分类器直接进行多类型划分,该方法对类间交叉重叠区域敏感,且受单一分类器固有缺陷的影响。文中提出了一种深度分层放电类型诊断方法,以逐层二分决策实现多类划分,在分层决策中优先进行良性样本的区分,将交叉重叠区域分类问题放至深层节点进行,且在每个二分节点处可择优选用不同分类器。设计了5种典型的GIS放电模型,从放电PRPD谱图、U-Δt序列谱图的统计特征、图像特征出发,构造了16个特征参量,探索了不同分层深度值下的诊断分类正确率,并与传统直接分类方法进行了比较。结果表明:深度分层诊断相比于直接识别诊断,总体识别正确率提高了20%,尤其对直接识别诊断误判率大的沿面、颗粒类缺陷,识别正确率提升明显(30%)。