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。

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。

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。

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。

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。

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。

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。

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。

利用局部放电评价GIS典型缺陷危险性的研究

采用脉冲电流法测量局部放电PRPD谱图,4054示波器获取局部放电信号的脉冲波形,研究了针板缺陷不同间隙距离下局放的起始电压、击穿电压和放电量;针板缺陷从发生局部放电到击穿整个过程PRPD谱图、放电脉冲的变化情况。研究结果表明,间隙距离越小,针板间隙发生局部放电后越危险;局部放电从产生到击穿可分为3个阶段,即放电起始阶段、放电发展阶段和邻近击穿阶段,以上结果为利用局部放电判断GIS运行状态提供了有效的判据。

不同老化程度的油纸绝缘中气隙缺陷局部放电特性研究

对未老化和在130℃下经过1 000 h热老化的油纸绝缘试样进行局部放电试验,研究不同老化状态的油纸绝缘在电劣化过程中局部放电谱图的变化情况。结果表明:在电劣化过程中,两种试样的局部放电相位分布(PRPD)谱图都呈现5个阶段。经过老化后,试样在各个阶段的放电相位扩宽,放电密度增加,但放电幅值相差不大。

基于红外检测法针板缺陷下的SF6分解情况研究

利用自行设计的GIS缺陷模拟装置研究针板缺陷下的SF6分解情况,脉冲电流法配合PDcheck绝缘状态在线诊断系统监测局部放电电流。对样气进行红外检测,提取典型分解产物特征,并对比分析不同充装气压、施加电压下的SF6分解情况。典型分解产物为SOF4、SO2F2、CO2,其体积分数均随加压时间延长呈增大趋势。其中SOF4饱和时间较短,SO2F2体积分数一直呈近线形增长,而CO2在加压一段时间后呈近线形增长。不同气压下的分解情况有其共通性,不同处在于,低气压相同加压时间下SOF4和SO2F2的体积分数较高气压下高,但CO2体积分数较低,可能与绝缘材料参与反应速率较慢有关。SO2F2反应气体分解灵敏度较其他两种产物高。对比不同试验条件下PRPD(局部放电相位分布)谱图,发现其图形特征有明显区别。

GIS中自由金属颗粒缺陷局部放电特性的研究

结合自由金属颗粒局部放电过程中外施电压的变化特点,对GIS中自由金属颗粒缺陷进行了受力分析,根据不同受力的情况,将整个局部放电过程划分为3个阶段。采用脉冲电流法测量了不同电压下自由金属颗粒的局部放电PRPD谱图,分析了自由金属颗粒的局部放电特点,并对自由金属颗粒缺陷发展过程的理论分析结果进行了验证。

基于超声波的XLPE电力电缆局部放电测量与分析

为准确判断电缆附件内部的绝缘状态,避免电缆发生绝缘击穿,对交联聚乙烯(crosslinking polyethylene,XLPE)电力电缆局部放电进行研究。在实验室环境下对尖端放电、气隙放电和沿面放电3种XLPE电力电缆放电类型进行模拟,采用超声检测系统研究了XLPE电力电缆三种缺陷局部放电特性,分析不同缺陷放电超声信号的时域特征和相位谱图特征,研究了不同电压与最大放电幅值、平均放电幅值及放电次数之间的关系,得到典型放电谱图。结果表明:同一缺陷类型在相同条件下放电稳定,重复性好;不同缺陷类型的放电发展过程有所差别,所呈现出来的局部放电谱图、单个脉冲波形、PRPD谱图区别明显。

SF_6电流互感器绝缘缺陷的放电及气体分解特性

选取铝筒均压型和电容屏均压型的500 kV SF_6电流互感器(CT)试品,研究了绝缘子沿面缺陷和复合缺陷下的放电及气体分解特性,并分析了缺陷类型、放电路径长度和采气位置对该特性的影响。发现相位分辨率的脉冲序列(PRPD)谱图是气体分解特性研究的良好辅助手段,改良设计的采气口检测结果更准确。绝缘介质缺陷的典型特征是含C物质(CF_4、CS_2)的生成。绝缘子沿面缺陷下SO_2含量高于SO_2F_2,S_2OF_(10)的含量增长率较低,且放电路径长度会影响典型产物的种类。复合缺陷下SO_2F_2和SO_2的含量增长率较高,S_2OF_(10)的含量增长率相对低。

灭弧室内真空度与局部放电关系的研究

为研究真空断路器灭弧室内真空度与局部放电状态的关系,设计了一套模拟断路器运行的试验平台,采用特高频方法测量了灭弧室内不同真空度下的局部放电信号,并利用统计参数法统计出不同压强下的局放信号特征参数。试验结果表明随着灭弧室内真空度在0.5～300Pa之间变化,灭弧室局部放电量和次数有明显区别,压强在15～20Pa之间局部放电强度最大、次数最多,同时易发生间隙击穿。在此基础上通过对局部放电数据处理分析,得到不同压强下局部放电PRPD谱图,作为间接诊断断路器灭弧室真空度的依据。

六氟化硫氛围针-板电极尖端放电演化特征分析

为研究SF6气体绝缘设备在尖端缺陷下局部放电演化特征,模拟GIS中可能出现的尖端缺陷。采用脉冲电流法测量了尖端放电脉冲序列,同时利用局部放电检测仪测得放电的PRPD谱图,分析了SF6气体中尖端放电的演化特征。为进一步确定GIS中尖端放电的发展过程及危险度,采用内外置特高频传感器采集到局部放电的特高频电磁波信号,获取了放电PRPD谱图,分析了尖端放电演化过程。结果表明,随外施电压增加,尖端放电的正半周幅值明显高于负半周,正、负半周的上升沿和下降沿放电量随外施电压增大而增大。当GIS内存在尖端缺陷时,在外施电压远低于GIS正常运行电压时就已经发生放电,且放电结果和实验室模型中结果一致。因此,可以考虑采用实验室模型来研究220k V GIS中尖端局部放电发展过程。

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。