多脉冲下MOA老化劣化在线监测指标研究

目前国内外对MOA(金属氧化物避雷器)在线运行状态的研究大多是基于单脉冲下开展的,而真实自然闪电大多是多脉冲形式。单脉冲在能量上和持续时间上均远小于真实自然闪电,并不能模拟实际自然环境中的多脉冲闪电情况。为此,在多脉冲冲击试验条件下得到MOA老化劣化变化过程中的真实数据,通过分析不同类型数据的变化来研究表征MOA老化劣化的参数指标,并通过神经网络算法对数据进行分析。结果显示,提出的基于多脉冲下的神经网络算法对不同运行状态的MOA正确识别率超过96%,表明其具有高精度和正确性。为多脉冲下MOA老化劣化的研究提供完整的智能化在线监测新方法。