变压器典型局部放电信号辨识研究

为深入研究变压器典型局部放电的类型,提出了一种相关系数矩阵(correlation coefficient matrix dimension reduction,CCMDA)和深度学习相结合的特征识别方法。首先,对原始数据进行降维,保留关键特征;然后,引入深度学习框架,搭建ResNet34的残差结构,开展局部放电特征的识别。结果表明:相对于核主元分析(kernel principal component analysis,KPCA),相关系数矩阵降维效果更为显著;图片尺寸为64×64时,识别性能最好;学习率为0.001时,损失函数值最小。本文方法识别准确率高,明显优于卷积神经网络(convolutional neural networks,CNN)和支持向量机(support vector machine,SVM)。引入小波变换,可增强本文方法的鲁棒性。

基于多传感器融合的电力变压器内部放电定位与辨识技术

针对电力设备状态监测中传感器信息融合的难题,应用油中溶解气体、特高频、光纤超声等监测传感器构建了适用于变压器的融合传感阵列,提出了变压器内部放电的辨识策略。采用超声信号到达时间差估算实现了放电源定位,建立了多传感器监测特征融合算法,并结合K邻近(K nearest neighbors,KNN)算法实现了放电模式辨识。实验结果表明:放电源定位平均误差为45.1 mm,放电类型辨识准确率达到90.6%;所构建的多传感器融合感知策略与系统,可实现变压器内部放电源的准确定位与辨识,具有一定的应用推广价值。

基于信号模型参数辨识的变电站局部放电电磁波信号重构

抑制现场噪声干扰、有效提取信号特征是局部放电(PD)信号检测和分析的关键,为此,利用自回归–滑动平均(ARMA)模型对局部放电辐射的特高频(UHF)电磁波信号建模,给出了利用高阶累积量估计模型阶数和参数的理论依据和算法。以混有Gauss白噪声及定频干扰的双指数振荡衰减函数模拟局部放电辐射的UHF信号,利用ARMA模型参数重构信号的Fourier变换幅值,利用双谱估计重构其Fourier变换的相位,最终重构时域信号,以验证该算法重构信号的有效性。利用该方法重构变电站实测的局部放电辐射的UHF信号,验证了该算法在变电站现场干扰情况下,可从现场采集到的含有噪声的信号中重构出只相差常数因子和线性相移的有用信号。且算法辨识得到了信号的ARMA模型参数及重构得到的UHF信号频谱及时域信号,可以给局部放电类型识别等进一步处理提供参数。

基于声电联合传感阵列的变压器局部放电诊断技术研究

该文提出了一种基于光纤超声-超高频联合感知的局部放电溯源和模式辨识方法。首先采用光纤超声传感器与特高频传感器融合,构成声电联合传感阵列。然后,简化到达时间差溯源定位算法,并比较了传统遍历空间搜索与萤火虫优化算法、混沌精英哈里斯鹰优化算法的优化效果,混沌精英哈里斯鹰优化算法计算效率提高98.24%,平均定位误差减小8.16%。通过方差精简PRPD谱图特征量,并结合精细KNN算法实现了局部放电的模式辨识。实验结果表明,溯源定位平均误差为36.1 mm,故障识别准确率达到88.10%。最后,试制了变压器局部放电声电联合智能感知系统,实现了对变压器局部放电源的精准定性和精确定位。

基于改进经验小波变换的局部放电荧光信号去噪

由于现场环境的复杂性,局部放电(partial discharge,PD)检测伴随着大量噪声干扰,易出现PD漏报与误报现象,影响电力设备后续运维工作。文中采用荧光光纤PD检测法,提出了基于谱峭度和改进经验小波变换(empirical wavelet transform,EWT)的自适应PD荧光信号去噪算法。首先利用快速谱峭度图确定荧光信号傅里叶频谱的紧支撑区域边界,随后对含噪荧光信号进行EWT分解并获得荧光信号所在的有用信号分量,最后对有用信号分量采用小波阈值法去除残留噪声,得到去噪后的PD荧光信号。利用该方法对仿真荧光信号进行去噪分析,并将去噪结果与经验模态分解-小波变换(empirical mode decomposition-wavelet transform,EMD-WT)法和EWT法进行对比,结果表明,该方法在信噪比、均方根误差和归一化相关系数等指标方面都有所提升,证明了该方法具有良好的去噪效果。此外,实测信号的去噪结果表明,该方法的降噪率优于EMD-WT法和EWT法,具有较好的噪声抑制能力。

基于矢量拟合法的局部放电电流传感器的模型参数辨识

宽频带局部放电检测技术能够全面地研究局部放电的特征。应用矢量拟合法对宽频带局部放电检测电流传感器的传输特性进行研究。首先测量传感器的频域传输特性曲线,然后利用矢量拟合法快速辨识该传感器等效模型的参数,为进一步应用数字频率均衡网络,消除局部放电电流传感器给局部放电检测信号带来的畸变打下基础。该方法简单有效,拟合误差小。

基于快速独立分量分析算法的气体绝缘开关设备局部放电混合信号分离与缺陷类型辨识

为解决气体绝缘开关设备(GIS)内多种绝缘缺陷并存时的混合局部放电(简称局放)的信号分离和缺陷类型辨识问题,提出了基于快速独立分量分析(FastICA)算法的GIS局放混合信号分离与模式识别方法。该方法具体包括:采用FastICA算法从局放混合信号中分离出单一局放信号,针对各单一局放信号,提出的模式识别策略是通过增添相反符号和幅值归一化的单一局放信号用于分类器训练或者使用对信号符号不敏感的特征(如分形特征等)作为分类特征。算例分析结果表明,提出的方法能够实现GIS多绝缘缺陷局放信号的有效分离,并能对分离出的单一局放信号进行准确缺陷类型辨识,且具有抗噪能力强、计算速度快、robust性好等优点。

基于ANFIS的GIS设备局部放电故障辨识

为了实现气体绝缘组合电器设备局部放电故障类型的辨识,本文通过分析四种典型绝缘缺陷局部放电时SF6气体分解组分特点,选取四种气体分解物含量比值作为特征向量,阐释了气体含量比值的物理意义,构造了三输入单输出的自适应模糊神经推理系统(ANFIS),对该模型的有效性进行了测试。测试结果表明局部放电类型的ANFIS辨识系统识别效果好,收敛速度快,且对样本数量要求低。

局部放电信号采集与模式辨识技术

详细论述了高压电器绝缘局部放电信号采集方法,结合人工智能理论,着重阐明了高压电器绝缘局部放电模式辨识最新成果和实践。

基于EMD和Teager能量算子的电缆局部放电辨识

交联聚乙烯(XLPE)电缆在矿区电网中普遍使用,因运行环境恶劣,电缆局部放电(PD)现象时有发生。首先,针对矿区电缆的PD辨识问题,对PD信号在XLPE电缆中的传播特性进行研究。其次,根据其传播特性,提出利用经验模态分解(EMD)与Teager能量算子相结合的方法,对电缆两端测量点处PD信号的初始波头进行辨识,该方法大大提升了波头辨识的抗噪声干扰能力。然后,采用径向基(RBF)神经网络对训练样本进行训练,结合PD信号到达电缆两端测量点的时间差,实现XLPE电缆PD精确定位。最后,通过搭建PSCAD/EMTDC电缆仿真电路验证了所提方法 PD辨识精度高、辨识误差小的结论。

基于数据驱动的GIS设备局部放电信号辨识及空间定位方法

局部放电是气体绝缘组合电器(GIS)主要绝缘缺陷,其发生在GIS腔体内部时,会导致绝缘劣化,最终发展为击穿,因此需要尽早地辨识内部放电,确定放电位置,进而开展缺陷排查及检修工作。本文提出了一种基于数据驱动的GIS局放辨识及定位方法。该方法是一种基于多传感器时间序列统计量阈值分析及相关性分析的局放辨识及定位方法。本文通过位置编码实现了传感器空间及电气位置的机器辨识,构造特征量累积放电幅值识别稳定存在的放电。根据传感器监测值间的相关性分析,判断放电的传播路径,进而识别是否为内部放电,对于判定为内部放电的情况,通过累积放电幅值比较定位放电位置。利用千帆站在线监测数据进行验证,有效地识别了放电现象,证明了该方法的可行性。

基于模型参数辨识的空间多局放源分离方法

对多个局放源信号的有效识别与分离是局部放电检测、定位及分析的关键。为此,提出基于模型参数辨识的空间多局放源分离方法。首先利用自回归-滑动平均模型和高阶累积量参数估计方法对特高频信号进行建模;然后依据模型参数重构信号的频谱,并结合Fisher可分离度选择信号特征频率;最后基于所选择的特征频率和径向基神经网络对特高频信号类型进行分类。仿真研究验证了方法对特高频信号的频谱重构和信号分类上的有效性,在信噪比大于10 dB的未知局部放电源信号中的多个局放源分离准确性大于75%,具有较好的应用价值。

基于模糊诊断的变电站开关柜局部放电检测方法

在开展变电站开关柜局部放电检测的过程中,由于原始的局部放电信号中存在干扰噪声,导致检测结果较大,为此提出基于模糊诊断的变电站开关柜局部放电检测方法研究。为了有效抑制局部放电的背景噪声,以经验模态分解(Empirical Mode Decomposition,EMD)为基础,结合开关柜局部放电信号的特征,对其进行适应性改进,在原始的信号中加入了固定的白噪声信号后,进行自适应集成经验模态分解(Adaptive Ensemble Empirical Mode Decomposition,AEEMD)处理,再将分解后的白噪声信号加入到开关柜局部放电信号AEEMD分解的一阶内涵模态分量(Intrinsic Mode Functions,IMF)中,循环至重构开关柜局部放电信号IMF中,噪声信号的能量密度不再发生变化。在局部放电(Partial Discharge,PD)检测时,设置了开关柜局部放电信号指标隶属函数模糊边界值,并具体计算了超出模糊边界范围的局部放电强度。由测试结果表明,对于不同类型、不同干扰条件下的局部放电强度检测结果始终保持较高的稳定性,误差水平也相对较低,其中最大误差为0.25 V,最小误差为0.07 V。

高温下110kV交联聚乙烯电缆电树枝生长及局部放电特性

利用实时显微数字摄像与局部放电连续测量系统,采用典型针-板电极结构,研究了高温下不同外施工频电压作用时110kV级交联聚乙烯(XLPE)电缆绝缘中典型电树枝的形态特征、引发、生长规律及其局部放电特性。实验结果表明,温度对XLPE电缆绝缘中典型电树枝的形态、引发与生长时间具有非常重要的影响。在高温下,不同外施工频电压作用时电树枝的形态呈现出多样性的特点,50°C下典型电树枝形态为枝状、枝-松枝状和丛状,70°C下为枝状,90°C下为滞长型和枝状。高温下电树枝引发时间随外施电压升高而减小,而且在同一外施电压下,电树枝引发时间随温度升高而减小,这是由于在高温下XLPE电缆绝缘中片晶熔化,无定形相增加,介质中自由体积扩大,从而更有利于电树枝引发。研究发现在低电压(9kV)下,电树枝生长过程中由于通道电导率增加而抑制了通道内局部放电的发展,局部放电作用减小,电树枝生长速度减慢,分形维数较高;而11kV以上电压作用时,电树枝在局部放电的连续作用下呈枝状向对面电极快速生长,同时高温下XLPE弹性模量下降,击穿场强降低,局部放电作用加剧,电树枝生长明显加速,电树枝分形维数较低。

基于K-Means聚类算法的自动图谱识别在电缆局部放电在线监测系统中的应用

局部放电相位谱图(phase resolved partial discharge pattern)是局部放电模式识别普遍采用的重要方法。但在中高压电缆在线局放监测系统中,电缆中的电压信号难以直接获取,使得局放相位谱图分析的开展遇到了重大的挑战。为此,在多年局放理论研究和局放现场应用研究的基础上,提出了基于K-Means聚类的局部放电相位谱图自动模式识别技术。该技术通过信号提取、坐标变换、K-Means聚类、中心点平移、模式判断的流程,克服了电缆局放监测中相位信息难以直接获取的缺点,能对来自三相的局部放电信号进行自动识别判断。5个应用实例证明,该方法能对电晕放电、内部放电、沿面放电和干扰信号做出准确的判断,必将在电缆在线监测系统中获得广泛的应用。

UHVDC换流变压器油纸绝缘缺陷直流局部放电发展过程

特高压换流变压器绝缘承受的直流电压高,绝缘缺陷劣化发展迅速,且单凭局部放电(PD)量值和放电次数无法对绝缘缺陷的发展阶段进行分析诊断。为此,研究了特高压换流变压器内部油纸绝缘缺陷直流局部放电特征及其发展过程,构建了油纸针-板等7种局部放电模型。采用阶梯式升压法研究在长期外加电压作用下,绝缘纸板从起始放电到被击穿的整个缺陷发展过程中脉冲电流信号的实时特征及其统计特性,通过拍照的方式给出各模型各发展阶段纸板表面电腐蚀状态,并给出各相应发展阶段电场的空间分布。结果表明:直流局部放电发展过程复杂,初期以大放电脉冲为主,放电频率低,等待恢复时间随机性强;中期和末期以小脉冲放电为主,等待恢复时间均匀分布;临界击穿时等待恢复时间分布集中。结合多种放电模型直流局部放电试验,可断定不同缺陷结构从起始直流局部放电到击穿的过程中,其局部放电的总体发展趋势表现一致。

变压器绕组对局部放电特高频定位方法的影响

为研究特高频(ultra-high frequency,UHF)定位方法对绕组内部局部放电定位的可行性,通过实验研究了油浸式电力变压器中绕组对局部放电UHF电磁波传播的影响。建立了基于220kV油浸式电力变压器的试验研究平台和UHF定位系统,并在变压器绕组内部设置了局部放电缺陷。通过试验测量了UHF电磁波经过绕组后的衰减程度和到达两传感器的时间差误差,并计算得出定位结果及其误差。结果表明,UHF电磁波经过绕组向外传播时,其信号幅值衰减了18～22dB,时间差误差≤0.5ns,UHF定位方法对绕组内部的局部放电的定位误差<15cm。可见,虽然绕组内部的局部放电UHF电磁波经过绕组后衰减严重,但是由此引起的时间差误差较小,因此采用UHF方法可以对绕组内部的局部放电准确定位。

基于超高频电磁波的变电站局部放电空间定位

局部放电的测量和诊断已成为评估高压电力设备运行状态的重要方法之一。但目前的局部放电监测主要以单个设备监测为主,测试仪器程序多,成本高,维护工程大。可利用4个天线组成天线阵列接收超高频(UHF)电磁波,并定义三维坐标系对变电站范围内的放电源进行全站的局放定位。重点研究了基于能量积累法计算信号起始时刻和基于信号时延序列实现放电源准确定位算法的原理,并给出了求解基于时差的以局放源位置为未知数的非线性方程组的Newton算法和网络搜索法。实验室测试和现场测试验证了基于射频天线阵列实现变电站范围内局部放电定位的有效性,提出的定位算法可以自适应求解基于时差序列的非线性方程组,既保证了求解的速度,又能解决方程的收敛问题,满足变电站全站局部放电定位准确度的要求。

硼掺杂单壁碳纳米管检测SF_6气体局部放电仿真

气体绝缘组合电器(GIS)的局部放电检测和SF6气体局放分解组分分析,对GIS运行状态的诊断和评估有着重要的意义。为提高气体分解组分的检测灵敏度,在介绍了碳纳米管传感器检测SF6局放分解气体的原理后,应用材料科学模拟计算软件MS对硼掺杂单壁碳纳米管(B-SWNT)性质进行研究并对其检测SF6局部放电主要分解组分进行量子力学模拟。研究和模拟结果表明:掺杂硼原子可以改变碳纳米的电子结构,使其趋向与P型半导体,能隙变小,导电性增强;B-SWNT与SO2F2发生化学吸附,B-SWNT电子结构变化明显,导电性进一步增强,电阻变化量大,灵敏度高,而对SF6及SF6其它分解气体组分吸附作用较弱,灵敏度不高。预测B-SWNT可以用来检测SF6局放分解混合气体中的SO2F2气体,且灵敏度高于SWNT。

从放电能量分布特征量识别PD类型的方法

研究了去噪后的局部放电信号特点 ,提出了从能量—相位分布图中提取局部放电特征量的方法。现场实测数据处理结果表明该方法有效、可行。