基于多信息融合的GIS局部放电类型识别方法研究

为了实现气体绝缘开关(gas insulated switchgear,GIS)局部放电故障类型的识别,利用GIS局部放电试验采集的特高频(ultra-high frequency,UHF)和超声波信号得到了局部放电相位解析(phase resolved partial discharge,PRPD)图和格拉姆角场(Gramian angular field,GAF)图,提出了基于自适应卷积神经网络的GIS局部放电类型识别算法,优化了卷积神经网络(convolutional neural network,CNN)超参数,建立了基于决策级多信息融合的GIS局部放电类型识别模型框架,研究了不同GIS局部放电类型识别方法的准确性及内在影响因素。结果表明:基于超高频和超声波信号的决策级多信息融合方法能够进一步提高GIS局部放电类型的识别准确性,识别准确率在98%以上,提出的决策级多信息融合方法的识别准确率高于特征级多信息融合方法,研究成果可为GIS局部放电类型识别提供技术支撑。

1100kV GIS设备特高频(UHF)法测量局部放电的应用研究

以交流特高压变电站1100kV GIS设备特高频(UHF)法测量局部放电的应用实例为基础,介绍了用特高频(UHF)法测量GIS局部放电的原理以及内部传感器的构造。通过特高频(UHF)法和常规脉冲电流法同步测量,找出特高频(UHF)信号和视在电荷之间相互关系,结合工厂内的试验数据,得到UHF信号的衰减值,以便现场就可以直接观察出局部放电的电荷量。