基于F-P光纤超声传感器和概率神经网络的油中局部放电模式识别研究

F-P光纤超声传感器具有灵敏度高、抗干扰能力强、电绝缘性良好等诸多优点,可在油中检测局部放电发出的超声信号。为了识别F-P光纤超声传感器所测局部放电信号的故障类别,建立了油楔、悬浮、尖端和沿面4种典型的局部放电模型,并进行了相关的试验研究。针对超声脉冲波形研究了一种信号特征参数提取的方法,实现了特征参数的提取,然后应用概率神经网络对超声信号进行智能模式识别,分析了识别效果。建立的4种局部放电模型能够产生稳定的超声信号,满足试验要求,并提取了超声脉冲波形特征参数,对其运用概率神经网络进行模式识别分析,结果发现识别效果良好,有较高的识别正确率。     

变压器绕组内部局放超声定位仿真及试验研究

应用有限元方法对变压器绕组内超声信号进行仿真,验证了在变压器绕组内布置多个超声传感器进行检测和定位的方案。设计了一种新型结构的EFPI光纤传感器,可适用于变压器绕组内部的局放检测和定位。最后在35 kV变压器单相绕组中进行了传感器布置和局放定位试验。结果表明:该方法对变压器绕组中局放的定位精度在5 cm以内,实现了变压器绕组内部局部放电的精确定位,为变压器绕组内部局放信号的检测和定位提供了一种新的方法。