基于PRPD和PSA谱图的大电机主绝缘典型绝缘缺陷局部放电特性分析

大电机主绝缘在运行过程中会产生多种绝缘缺陷,仅利用局部放电相位(PRPD)谱图无法全面反映绝缘缺陷的特性。本文在实验室环境下模拟了内部气隙、槽内线圈磨损、端部半导体涂层及防晕层交叠部位故障、表面污染等4种典型的绝缘缺陷,并在屏蔽室提取其放电信息,分别绘制PRPD谱图及脉冲序列分析(PSA)谱图,结合不同电压等级下PRPD谱图及PSA谱图特性,对典型绝缘缺陷的放电特征进行分析。结果表明:综合考虑PRPD谱图的对称性、放电幅值、谱图包络线形状等特性及PSA谱图的放电簇数量、放电簇分布位置、放电簇形状等特性,可以较为准确地对4种典型绝缘缺陷进行识别。

GIS典型缺陷局部放电测量与分析

为了研究GIS中典型缺陷的放电特征,在试验室中以一段220kV电压等级的GIS母线腔体为试验对象,设计了高压导杆表面金属尖刺缺陷、悬浮电位缺陷、绝缘子表面导电胶尖刺缺陷、绝缘子表面硫化银污染物缺陷这4种放电物理模型,采用脉冲电流法对其局部放电信号进行测量。研究其放电脉冲中心相位分布、平均幅值随外施电压变化的趋势,比较分析单个放电脉冲波形及其主要能量分布。试验结果表明,相同条件下同一缺陷模型放电稳定、重复性好;不同缺陷类型的PRPD谱图呈现出不同的特点,单个脉冲波形及其能量分布不同;放电平均幅值、中心相位随外加电压变化的趋势也有较大区别;这些特征为进一步进行放电类型的模式识别及局部放电机理研究提供了试验依据。

XLPE电力电缆典型缺陷局部放电测量与分析

为了研究XLPE电力电缆典型缺陷的放电特征,在试验室条件下设计了3种放电物理模型,采用脉冲电流法对其局部放电信号进行测量。对比研究了3种典型缺陷模型的局部放电特征,分析了电压幅值对放电谱图、放电波形、放电频率和中心相位分布的影响关系。试验结果表明,相同条件下同一缺陷模型放电稳定、重复性好;不同缺陷类型其放电发展过程不尽相同,呈现的PRPD谱图、单个脉冲波形及相位分布趋势图区别明显。这些特征为进一步进行放电类型的模式识别及局部放电机理研究提供了试验依据。

油纸绝缘内部气隙缺陷电劣化过程中局部放电的测量与模拟

对油纸绝缘内部扁平气隙缺陷模型进行连续局部放电试验,在不同阶段进行局部放电相位谱图(phase resolved partial discharge pattern,PRPD)的采集。发现由局部放电导致的介质电劣化过程中其局部放电表现可分为5个阶段,前4个阶段的PRPD谱图具有很大的差别。采用基于局部放电物理过程的放电模型进行了计算机模拟,利用计算机模拟对谱图变化原因作了解释。通过对比计算机模拟过程中模型参数的变化和试验结果,对电劣化过程中缺陷气隙内部的物理变化过程进行了研究。研究结果为通过局部放电测量判断介质电劣化的发展状态提供了试验及理论依据。

在线实测的水轮发电机局部放电谱图分析

基于PDA技术的水轮发电机局部放电在线监测,能及时、有效地捕捉到绝缘缺陷信息,为评估发电机绝缘状况提供了重要依据。本文在完成对某大型水电机组近5年在线监测的基础上,通过分析几起典型故障时局部放电数据的变化情况,研究不同故障类型与放电特性之间的对应关系。

基于脉冲序列分析表征XLPE电缆附件中的局部放电特性研究

采用脉冲序列分析(PSA)谱图表征电缆附件处缺陷的局部放电特性,设计了3种典型缺陷,搭建了基于脉冲电流法的电缆附件局部放电检测平台。通过阶升电压和长时间耐压试验,对比了XLPE电缆附件缺陷局部放电的PSA谱图和PRPD谱图。结果表明:PSA谱图可作为传统PRPD谱图的补充,对局部放电的脉冲序列特性进行描述;PSA谱图在区分电缆附件缺陷类型上具有较好的区别度,同时对预警电缆附件击穿具有重要的参考价值;落点概率可作为一种表征PSA谱图特性的特征量应用于局部放电检测中。

10kV电缆附件中刀痕缺陷的局部放电趋势研究

电缆附件的缺陷严重影响电网安全,其在耐压试验和运行过程中呈现的局部放电特性具有重要的研究价值。文中以常见的刀痕缺陷的局部放电为研究重点,将该缺陷分为2、3、4 mm深度环切刀痕和3 mm深度纵切刀痕。采用长时间加压监测缺陷的局部放电过程,统计不同时间下缺陷的局部放电特征量,绘制趋势图及谱图,并从物理层面解释各种差异。试验结果表明:刀痕缺陷的局部放电过程以刀痕的表面放电为开始,然后演变为电树枝放电最终贯穿,不同深度、不同位置的刀痕缺陷在击穿前会呈现相似的电树枝放电现象;刀痕越深,表面放电的影响越大;纵切刀痕更易演化为电树枝放电致使在较短时间内击穿。

XLPE电力电缆附件局部放电测量与分析

为研究XLPE电力电缆附件现场常见典型缺陷的放电特征,在3根电缆实体上分别设计制作了中间接头尖刺、主绝缘划伤和终端头应力锥错位3种放电模型,建立了基于PDBase的局部放电测量分析系统。对比研究了3种典型缺陷的局部放电特征,分析了放电次数相位分布谱图H_n(φ)、放电最大幅值相位分布谱图H_(qmax)(φ)和放电幅值分布谱图H(q)3种统计特征。试验结果表明,不同缺陷类型其放电发展过程不尽相同,呈现的PRPD谱图、单个脉冲波形、相位分布趋势及统计特征区别明显;而同一缺陷在相同条件下其放电特征呈现出相似规律且重复性好;这些特征为进一步开展电缆附件放电机理研究及放电类型的模式识别提供了有力的试验依据。

基于智能算法的局部放电模式分层识别综合实验设计

该文设计了局部放电模式识别实验,改进了基于智能算法的样本分层实验分析方法,建立了基于教研融合的实验教学新模式。通过设计三种放电缺陷采集局部放电信号,利用小波变换清洗局部放电数据,基于统计学构建局部放电相位分布(PRPD)图谱并提取特征量,对比分析了利用BP神经网络(BPNN)传统算法和改进的样本分层算法对放电类型识别的效率。实验结果表明,样本分层智能算法能够提高局部放电模式识别效率。该实验基于教师科研成果,综合运用了电气、信息、统计学及计算机等多学科交叉,建立了“基于实践、递进启发、学科交叉”的教研融合实验教学新模式,锻炼了学生的实践动手能力和知识综合运用能力,培养了学生的探索热情和创新意识。

变压器套管局部放电的特征与识别

变压器套管的局部放电是引起绝缘劣化,导致套管着火和爆炸的重要原因,现有的套管局部放电测量需要利用套管末屏的接地线,操作复杂,且容易受地网中的脉冲信号干扰。为了解决这个问题,文中提出了一种基于特高频技术的变压器套管局部放电检测及模式识别方法。根据实际套管典型缺陷,在实验室以110 kV变压器出线套管为试验对象,制造了套管顶部悬浮、套管末屏引线接触不良、套管下部均压环悬浮模型、套管下瓷套沿面放电这4种缺陷模型。利用传统脉冲电流和特高频检测方法,测量了局部放电特性,对比分析了脉冲电流PRPD、特高频PRPD、NV图谱的特征。研究结果表明:套管缺陷局放特高频PRPD谱图与脉冲电流法所测结果基本一致;根据PRPD、NV图谱的形态特征,可以辨识出套管局部放电缺陷类型及可能的放电部位。文中的研究成果对推动套管局部放电带电检测有重要意义。

基于改进SSD的GIS多源局放模式识别

为了克服局部放电(partial discharge, PD)缺陷诊断中样本数量不足的困难,并解决传统模式识别算法无法有效识别多源局放的缺陷,文中提出了一种基于改进单阶段多框预测算法(single shot multi-box detector,SSD)的气体绝缘组合电器(gas insulated switchgear, GIS)多源局放谱图检测算法。首先,分析了多源局放的相位分布局部放电(phase resolve partial discharge, PRPD)谱图特征,搭建GIS实验平台并模拟了4种典型局放缺陷,采集样本数据并采用ACGAN算法进行样本扩充。然后,搭建了SSD网络模型,在特征提取网络中引入了空间与通道注意力机制。最后,利用实验室数据与某220 kV变电站收集的现场数据分别验证所提出算法的有效性。实验结果表明,提出的算法能够有效检测出复杂噪声下PRPD谱图中的多源局放特征,其实验室数据平均检测精度可达97.8%,现场数据平均检测精度可达91.6%。

XLPE电缆模拟缺陷局部放电特征分析及模式识别

为了解交联聚乙烯电缆缺陷的局部放电特性及局放高频脉冲相位分布图谱识别,在实验室条件下制作电缆终端及中间接头常见放电缺陷,采用高频电流法对交联聚乙烯电缆常见缺陷进行局部放电检测实验,通过采集局部放电数据并绘制局部放电图谱。结合电力电缆几种典型缺陷电场分布特点,分析电力电缆在不同缺陷条件下的放电特性,提取局部放电PRPD图谱特征量,使用支持向量机法(SVM)对四种典型缺陷进行识别分类。由于缺陷类型不同,导致其放电特征的相位分布差异明显,将PRPD图谱特征值作为向量机输入进行分类计算,最终得出该放电数据对应的缺陷类型。

基于栈式降噪自编码器的GIS绝缘缺陷识别研究

气体绝缘开关柜(GIS)作为电力系统中重要的设备之一,其可靠性与电网的安全稳定运行密切相关。考虑到传统方法多是依靠经验人为地进行缺陷识别,不能准确地提取局部放电信号的特征并进行分类,提出了一种基于栈式降噪自编码网络的局部放电信号特征提取方法。通过网络自适应的方法提取局部放电相位分布谱图内在的特征向量,并以此表征不同放电类型对网络进行训练及测试,实现对GIS缺陷的分类识别。结果表明,可以有效地提取放电信号的特征,并准确地识别GIS缺陷类别。

基于卷积神经网络与特高频技术的局部放电模式识别研究

局部放电是导致电力设备绝缘性能劣化并最终导致绝缘失效的主要因素之一,传统方法检测设备局部放电操作复杂、需要依靠人工定期巡检,不能对设备绝缘状态进行实时监测。由于局部放电发生时会向外辐射高频电磁波信号,提出一种基于特高频技术的局部放电在线监测及相位分辨的局部放电(PRPD)图谱构建方法。使用所提方法获取局部放电脉冲的幅值及时间信息构建PRPD图谱,将PRPD图谱进行网格化处理得到36×30的灰度图像,最后采用卷积神经网络算法对4种典型放电类型图谱进行分类识别。

基于卷积神经网络的多源局部放电模式识别

为验证开关柜多源局部放电直接分类的可行性,设计了四种典型局部放电模型,采集单局部放电源和双局部放电源信号,并绘制PRPD图谱作为数据集,利用卷积神经网络(CNN)模型进行模式识别。实验以经典模型的性能作为参考,再对表现较好的模型进行优化,得到最终模型。实验结果表明,优化后的模型准确率均超过98.5%,且训练时长较经典模型明显减少,适用于多源局部放电模式识别。