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。

基于声纹分析的牵引变压器局部放电近超声PRPD识别

牵引变压器在运行中其负荷常发生冲击性变化。本文基于南京东、永宁和六摆渡3个牵引变电所内现场采集的牵引变压器运行过程中的辐射声信号,分析牵引变压器声信号和牵引变电所内主要干扰声信号的类型与特点,并据此探索基于声纹分析的牵引变压器局部放电近超声PRPD(局部放电相位图谱)识别技术。数据分析表明,该技术具有抗干扰能力强、实时性好等特点,可作为一种新型辅助监测手段参与电气化铁路智能化运维。

局部放电大数据的并行PRPD分析与模式识别

随着在线监测的推广应用,输变电设备监测中心已在国内许多电网相继建立,在极端条件下很多电力设备的局部放电(partial discharge,PD)越限数据会蜂拥而至,其快速处理最具挑战性。针对传统局部放电相位分析(phase resolved partial discharge,PRPD)方法处理大数据时的效率低下问题,该文提出了基于Map Reduce编程模型的并行化PRPD分析算法(P-PRPD),实现了海量PD信号的并行基本参数提取、统计特征计算与放电类型识别。在实验室中构造了4种放电模型并采集了大量PD信号,对所提算法在拥有6台计算节点的Hadoop平台上进行了详细的性能评估和实验分析。实验和分析结果表明,该算法在处理海量PD信号时较传统方法具有显著的效率提升,模式识别总准确率达到90%,满足工程应用需求。

基于PRPD图谱多特征融合的局部放电类型识别研究

局部放电(partial discharge,PD)信号的检测能够为电力系统提供绝缘缺陷诊断和运行状态评估。现有的局部放电类型识别算法难以有效识别相似度较高的绝缘缺陷,限制了其应用范围。为此,提出一种基于PRPD(phase resolved partial discharge)图谱多特征融合的局部放电类型识别算法。该算法利用卷积神经网络(convolutional neural network,CNN)提取局部放电PRPD图谱图像特征,将图像特征与PD信号统计特征进行有效融合,利用融合特征识别局部放电类型。在实验室环境下建立了4种局部放电模型,并进行了模拟对比实验。实验结果表明,相比传统的支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)算法,所提出方法的正确识别率分别提高了12.82%和19.70%,对相似度较高的缺陷类型也能进行有效识别,算法具有较好的鲁棒性。

金属间化合物CePd_5,PrPd_5和NdPd_5的晶体结构(英文)

稀土金属对富Pd合金的氢化性能、磁学性能和催化性能有显著的影响,对Pd-RE合金系中最富Pd的化合物的研究是有意义的。本工作通过恰当的熔炼和热处理工艺制备出单相的金属间化合物CePd5,PrPd5和NdPd5,并应用X射线衍射分析确定了它们的晶体结构和晶格参数。研究发现:在Pd-Ce二元系中,最富Pd的化合物是具有CaCu5型六方结构的CePd5;而在Pd-Pr和Pd-Nd二元系中最富Pd的化合物分别是具有SmPt5型正交结构的PrPd5和NdPd5。报道了经指标化的这3种金属间化合物的X射线衍射数据,确定CePd5的晶格参数a=0.5372nm,c=0.4178nm;PrPd5和NdPd5的晶格参数分别是a=0.5278nm,b=0.9239nm,c=2.575nm和a=0.5265nm,b=0.9219nm,c=2.570nm。并对Pd-RE合金系和Pt-RE合金系中最富Pd化合物的化学计量和晶体结构进行了对比。

变压器内单一局放PRPD谱图统计参量的主成分分析

设计了4类由变压器油纸绝缘缺陷引起的"单一局放模式"模型:气隙放电模型、针板放电模型、介质表面金属杂质放电模型、油隙放电模型。通过标准化试验方法得到了不同模型局部放电相位分布模式(phase resolved partial discharge,PRPD模式)的二维谱图,并对谱图进行分析得到25个局部放电统计参量。采用主成分分析对统计参量的有效性进行了分析,得到了25个统计参量对不同类型放电信息表达的新特征参量组,以及对不同放电类型识别的贡献率。

基于多层特征融合CNN的变压器PRPD图谱识别

智能化的分类算法在局部放电模式识别中应用良好,但是需要人工提取特征,因而存在特征丢失和识别效率低的问题。文中对传统的卷积神经网络进行多层特征融合的改进,并用于局部放电模式识别,以预处理后的PRPD图谱为输入,自动提取图谱特征,并进行深层和浅层的特征融合以防止特征丢失,最后输出分类结果。此外文中算法还对传统CNN的池化策略进行改进,使用最大二均值池化,进一步保留了图谱的有效特征。实验结果表明,相比于传统的人工提取统计特征再输入分类器的模式,特征融合CNN的识别正确率更高,达91.21%,且耗时更少。

局部放电信号PRPD谱图输出系统

在高压试验环境下进行局部放电检测,其灵敏度受电磁干扰而降低,局部放电的定量检测、模式识别等分析也无法精准进行,且耗时耗力。为此提出了在实验室内,使用电路进行模拟局部放电脉冲的生成,并控制脉冲的相位与幅值,从而将局部放电的放电特征进行输出的方法,设计并制作了相位分辩的局部放电(phase resolved partial discharge, PRPD)谱图输出系统。采用雪崩三极管的方法生成前沿时间<1 ns的脉冲电压,来模拟电力设备内部的特高频局部放电信号。通过微功耗比较器、数字电位器等器件,对雪崩三极管的触发过程进行控制,得到相位与幅值可控的脉冲电压信号。通过上位机与下位机通讯,读取不同类型的局部放电数据文件,对不同类型的局部放电信号进行输出。局部放电的原始PRPD谱图与输出系统所输出的PRPD谱图高度相似,可知该系统可将不同类型的局部放电特性进行输出,并可直接使用局部放电检测装置进行分析与学习,有较高的使用价值。

基于Storm的变压器PRPD参数提取与模式构造

随着局部放电数据增多,为了提高放电数据的参数提取和模式构造的效率,将放电数据参数分析与Storm相结合,设计并使用Storm平台下双阈值过滤参数提取算法。该算法在框架组件中分别对各个阶段进行编程实现,通过数据流连通,将其产生的任务提交至集群完成,有效提取基本参数并且绘制图谱。实验结果表明,该算法与Storm框架结合具有低延迟和高吞吐量,能够提高处理效率。

基于T-F聚类和PRPD图谱分析的配网电缆局部放电类型识别研究

对配网电电缆中的局部放电类型进行识别对于监测电缆运行状态、提升电缆寿命具有重要意义,然而用于模式识别的指纹库一般都是基于单一缺陷构造的。当存在随机干扰源或多局放源时,基于传统的脉冲幅值-时间序列的宽带检测系统在放电模式的识别过程中会出现误判情况。针对配网电缆的局部放电缺陷,提出一种利用等效时频分析、模糊C均值聚类结合PRPD谱图实现对局部放电类型的分类识别方法,该方法首先根据脉冲波形特征值进行分类,之后通过PRPD图谱进行识别,可有效解决传统直接识别方法无法正确判断多局放源的问题。首先建立了局部放电测试系统,采集测量得到不同类型的局部放电波形。然后通过等效时频分析,将原始放电的时域波形转化为T-F模式,之后采用模糊C均值聚类分析将T-F模式下的数据分类,对每一类放电脉冲提取PRPD图谱识别其放电类型,实现配网电缆多放电源局放信号的准确分类与识别。试验结果表明,在多个单一局放源和两种混合局放源放电情况下该方法能够对其放电类型进行有效的分类和识别。

基于PRPD图谱的气体绝缘开关柜多缺陷局部放电模式识别

针对目前不断提高的电压等级,局部放电现象不再是单独一种,可能存在多缺陷同时放电的情况,局部放电类型的模式识别,对监测设备的运行状态具有重要意义。然而多缺陷所产生的局部放电信号存在混叠现象,给识别带来困难。为了能够识别多缺陷局部放电,从PRPD图谱入手,提取图谱的矩特征和灰度共生矩阵特征,将其组合后的7维特征采用支持向量机算法进行分类。该方法可有效解决多缺陷放电信号混叠导致的传统信号特征无法提取的问题。搭建实验模型,共采集了四种单一典型缺陷和三种混合缺陷放电的PRPD图谱,比较了矩特征、灰度共生矩阵特征和组合特征的识别率,结果表明利用组合特征不仅在识别速度上有较大的提升,而且识别率也能够得到提高,可以有效地识别出单一缺陷和混合缺陷,验证了该混合特征的有效性。

基于随机森林的发电机定子线棒局部放电图谱特征识别方法

发电机定子线棒局部放电的在线监测和故障诊断对于电机故障预警、故障定位和指导机组检修有重要意义。目前存在部分不同类型局部放电相似度高,模式识别方法计算时间过长的问题,需要高精度和高效的识别方法,为此提出一种基于随机森林的定子线棒局部放电识别方法。制备了6种类型定子线棒,用特高频天线检测局部放电信号,基于相位分布局部放电(PRPD)图谱比对,提出参数幅值不对称度。基于随机森林方法识别缺陷类型,计算特征重要性,选择有效特征。最后,可视化特征相似度,与传统反向传播(BP)神经网络方法对比,验证有效性。结果表明:随机森林算法可以有效识别人工缺陷定子线棒局部放电,总体识别正确率达到93.33%。筛选半数特征后,随机森林比BP神经网络的准确率提高了10.83%,特征选择对随机森林的准确率影响很小,但识别效率大幅提高。随机森林在少量特征时识别准确率、计算时间都明显优于神经网络。幅值不对称度参数的重要性排在全部特征前1/3,具有推广价值。

多应力条件下电缆附件局部放电的演变过程

电缆附件界面是多层复合介质绝缘结构,在温度、气压、电场等物理条件下都易产生局部放电(partial discharge,PD)。为了研究多种应力条件下局部放电的演变过程,在10 kV电缆终端中设计典型刀痕缺陷,并在实验室搭建“冷热负荷-工频电压-冲击电压”多应力条件下的协同老化平台,利用该平台对电缆进行老化试验,利用工频局放测试平台检测不同老化时间下电缆终端的局部放电。利用波动法对不同老化阶段下的电缆附件局放信号进行消噪,并采用阈值窗提取消噪后的局放信号中的PD脉冲,构建电缆附件局放相位分布(phase resolved partial discharge,PRPD)谱图。实验结果表明:多应力条件下,在不同老化程度下,刀痕缺陷电缆附件的局放经历三个“起伏”击穿,放电幅值存在多段式“增-减”的变化趋势。

基于局部放电的水轮发电机定子绕组层间间隙放电的检测与分析

为提高绕组层间间隙放电故障诊断的可靠性,以水轮发电机定子绕组为试验对象,研究了通过局部放电诊断层间间隙放电时的影响因素。首先通过离线试验、在线试验、模拟试验方法获取绕组多放电源叠加时的层间间隙放电局放特征,然后通过线棒模拟电气传导衰减,结合发电机绕组结构、检测距离,分析检测距离对检测结果的影响。结果表明:绕组层间的间隙放电有独立特征,在其PRPD模式图中脉冲分布呈悬浮状且具有对称的正负极性,脉冲峰值位于45°和225°前后,两相中一相的正负极性脉冲峰值同时向右偏离45°和225°,另一相的正负极性脉冲峰值同时向左偏离45°和225°;当绕组结构不同时,放电间隙分布和汇流环长度也不同,由此造成的检测距离差异对局部放电信号幅值检测结果有较大影响,如果只考虑电气传导,检测距离每增大1 m,局部放电幅值平均衰减约10%,当只有距离较近的一相能检测到间隙放电时相间分析方法失效;即使绕组中同时存在多个放电源和间隙放电也可以通过间隙放电PRPD模式图的悬浮特征识别层间间隙放电;检测量程对局部放电模式识别有影响,当大量程全局图谱完整但局部模式相互重叠时无法识别具体故障,当小量程全局图谱不完整但局部模式图清晰时可识别具体故障。

基于PSO-DBN的矿用电缆局部放电特征识别研究

为解决矿用电缆局部放电特征识别的问题,提出利用粒子群算法优化的深度置信网络(PSO-DBN)实现矿用电缆局部放电特征识别。搭建了隔爆兼本安型局部放电监测系统采集放电信号,构造了局部放电相位分布模式(PRPD)图谱并提取特征参数,采用PSO算法自适应地选择DBN的超参数,从而确定最优的网络结构。用PSO-DBN模型对气隙放电、划伤放电、沿面放电3种矿用电缆缺陷局部放电信号进行特征识别,识别准确率分别为93.3%、96.7%、95.0%。研究表明,该方法可以有效识别局部放电类型,为矿用电缆故障检测提供了新的方案。

GIS中典型缺陷局部放电的超声波检测

为了研究超声波法在GIS中局部放电检测中的应用,在实验室以一段220 kV电压等级的GIS母线腔体为试验对象,设计和模拟了GIS中典型的局部放电模型,使用超声波方法对其放电信号进行检测。实验结果表明,不同缺陷类型的超声信号在波形、幅值和PRPD图上会呈现出不同的特点,通过对GIS腔体不同位置的检测,可以精确的定位出缺陷位置。研究表明,超声的方法在检测GIS局部放电信号时有较好的灵敏度和精确的定位,检测结果为今后对GIS局部放电模式识别提供了试验依据。

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。

高压交联电缆接头局部放电的电容耦合法检测及分析

为研究110kV交联电缆接内部绝缘缺陷的局部放电(partial discharge,PD)特性,设计并构造了5种典型绝缘缺陷,通过建立电缆接头局放试验研究平台,采用电容耦合法获取不同绝缘缺陷下的放电信号,构造出三维PRPD(phase resolved partial discharge)谱图表征缺陷放电状态,并采用单次放电脉冲时域波形的3、4阶特征参量萃取放电特性进行分析。研究试验结果显示,电容耦合法检测法可有效检测出电缆接头内部缺陷引起的局放,且不影响电缆接头及本体的绝缘性能;所构建的5种典型缺陷在工频电压激励下,放电脉冲序列在放电区间、放电重复率等统计特征有很大的不同,用时域波形的3、4阶特征参量所描述的放电特性也存在很大差异。这些特征可用作放电类型识别的依据。

基于TEV法的电缆终端局部放电状态监测装置的研制

研制了一种基于TEV(暂态对地电压)法的电缆终端局部放电(PD)状态监测装置。基于TEV法原理建立了电缆终端PD传播的波阻抗模型;在此基础上研制了一种用于PD检测的新型贴片式传感器,对其设计方法和响应特性进行了分析,并且提出了一种电缆终端远程无线监测方案并试制了一套装置样机,装置采用PRPD(局部放电相位分析)技术完成PD的统计分析与识别。通过现场实测数据表明,该装置的设计原理和检测效果能够满足电缆终端状态监测的需要。