电气设备局部放电模式识别研究综述

电气设备局部放电模式识别是指对电气设备的放电故障类型进行识别。作为局部放电故障诊断技术的基础,它为局部放电风险程度评估提供重要的参考信息。对国内外在电气设备局部放电模式识别技术方面的研究现状进行梳理,分别从局部放电模式构造、特征量提取以及分类器选择3方面进行归纳总结。讨论了目前局部放电模式识别各环节研究及实践中存在的问题,最后从融合多种放电模式的特征量信息、优化改进分类器以及寻优分类决策等方面对局部放电模式识别技术的发展进行展望。

基于人工神经网络的电气设备超高频局部放电模式识别研究

为了提高电气设备超高频(UHF)局部放电特征识别能力,提出基于人工神经网络(ANN)的电气设备超高频局部放电模式识别方法。根据电气设备绕组间的短路阻抗特性进行超高频局部放电模型构造,计算电气设备励磁支路增量电感,采用人工神经网络辨识方法进行电气设备超高频局部放电特征提取和模式识别,计算输出的静态电感和增量电感,采用快速傅里叶变换提取电气设备放电脉冲调节,计算一次侧基频电流幅值,根据励磁曲线和励磁电阻的匹配模式,建立电气设备超高频局部放电的参数提取模型,采用人工神经网络实现电气设备超高频局部放电模式识别。仿真分析结果表明,在0.020 s时,所提方法多数值均能检测出局部放电,采用该方法进行电气设备超高频局部放电模式参数识别的准确性较高,收敛性较好,抗干扰能力较强。

基于多特征信息融合技术的局部放电模式识别研究

针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。

基于LDA和RBF神经网络的开关柜局部放电模式识别方法研究

针对传统信号特征提取方法存在高维数和无效信息过多的问题,提出了一种基于线性判别算法和径向基神经网络的开关柜局部放电模式识别方法。该方法将两种算法结合,达到识别速率和识别准确率双优的目的。首先,建立开关柜的3种超声波局部放电(PD)模型。然后,利用时频分析和小波分解,提取信号的时频特征和小波系数特征,通过线性判别算法(LDA)对提取的特征向量进行降维处理,最后利用径向基(RBF)神经网络对局部放电缺陷类型进行分类,其识别准确率均在90%以上,并且训练时间缩减50%以上,证明该识别方法具有实用性。

开关柜局部放电模式识别

针对高压开关柜局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于改进果蝇算法(FOA)优化的概率神经网络模型(PNN)的局部放电模式识别方法。作为一种新型的群体搜索随机优化算法,FOA算法具有原理简单、参数少,收敛快等优点。实验采集的局部放电信号进行处理并归一化,作为FOA-PNN神经网络的输入样本进行识别,并与传统算法进行比较。仿真实验证明:该算法可以有效地运用到局部放电模式识别中,为开关柜局部放电诊断供了一条新途径,具有良好的研究价值和发展前景。

直流XLPE电缆局部放电模式识别技术研究

本文为解决传统直流XLPE电缆局部放电模式识别查准率低的问题,提取局部放电行为特征,处理局部放电行为特征描述子,基于行为特征,将局部放电模式分类,建立局部放电模式识别矩阵,实现局部放电模式识别。设计实例分析,结果表明,实验组识别查准率明显高于对照组,能够解决传统技术识别查准率低的问题。

基于自适应双阈值的局部放电基本参数提取

局部放电基本参数自动化提取是高压设备局部放电在线PRPD分析的一项关键技术。针对现有方法因缺乏有效的参数选取方案导致适用性差的问题,提出了一种基于自适应双阈值的局部放电基本参数提取新方法。该方法利用放电幅值阈值和放电间隔阈值对PD信号的所有局部极值点进行双重过滤得到有效放电脉冲及其参数。为了减少整个处理过程的人工干预,提出采用最大类间方差法自适应选取上述双阈值。实验室中所测信号分析结果表明,所提方法能有效地提取PD信号的基本参数,对总数643例放电进行检测仅漏检13例、误检0例,且对80 MHz高采样率的放电信号的检测时间仍低于0.3 s,在准确性与计算效率上均优于现有方法。

基于统计特征的变压器超高频局部放电信号识别与分析

变压器中局部放电由于随机性强且易受外界干扰所以难以检测。基于120 MVA变压器进行长期超高频局部放电信号监测,通过放电信号绝对数量和相对分数两个特征量,从统计行为的角度分析了不同局部放电信号的统计行为特征。结果表明变压器中存在3种主要局部放电信号源,其中一种相对分数达48%的信号具有放电绝对数量多、幅值高、放电数量随时间变化稳定的特点,由此得出其主导了变压器中的局部放电活动。该分析方法能有效识别局部放电模式和放电行为特征。

局放模式识别中常用波形特征及其识别效率之比较

文中研究了分段线性法、多项式拟合法、自回归模型法、物理特征法等4种不同的特征提取法,并对各种方法的识别效率进行了测定。结果表明,利用局部放电物理特征来进行局部放电模式识别的方法是最简单而有效的。