基于自适应DBSCAN算法的开关柜绝缘状态评价方法

为了更合理地评价开关柜绝缘状态,挖掘开关柜异常数据蕴含的价值,提出一种基于自适应DBSCAN的开关柜绝缘状态评价方法.首先计算绝缘状态检测数据暂态对地电压和超声波的偏差量,消除背景噪声;将绝缘状态偏差量与开关柜环境温度、环境湿度和运行年限构成开关柜绝缘状态的特征量,并建立开关柜的多维特征数据集.然后采用K平均最近邻法和数学期望法生成DBSCAN算法的扫描半径r和最少数目MinPts的候选参数,引入密度阈值自动寻找聚类簇数变化稳定的区间;利用开关柜检测数据集自身分布特性对DBSCAN算法中参数进行自适应最优选择,避免了人为主观设定导致的误差.最后构建基于加权集成的聚类有效性指标来判断聚类结果的有效性,以某开关柜现场检测数据为例,通过比较K-means和DBSCAN两种算法的结果,验证了该评价方法的优越性,为开关柜运行状态的评价提供一定的理论依据.     

油纸绝缘电热老化的聚类判别算法

油纸绝缘老化诊断是保障充油电力设备安全运行的重要手段之一。为研究采用局部放电参数进行油纸绝缘老化诊断的新方法,设计了新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热联合老化试验,采集老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度。采用因子分析方法,从传统的27个局部放电统计算子中提取一组新的9个局部放电主成分因子向量,组成统计矩阵进行聚类及老化状态的判别。采用c-均值聚类算法和模糊c-均值聚类算法分别对两种向量进行聚类分析,聚类结果表明,基于局部放电统计算子和其主成分因子,采用模糊c-均值聚类算法对油纸绝缘老化状态识别,都可获得稳定的识别结果,正确识别率均>70%,优于c-均值聚类算法。     

基于声电联合检测技术的高压开关柜局部放电缺陷分析及整改措施研究

利用带电检测技术可有效发现开关柜中的绝缘类缺陷,准确掌握开关柜运行状态。针对一起典型的10kV开关柜内部局部放电的案例,采用暂态地电压(TEV)检测技术、超声波(AE)检测技术及超高频(UHF)检测技术对开关柜进行检测,发现存在局放信号,通过信号分析和停电检查找出局部放电的原因并提出了相应的整改措施。得出的结论对开关柜的局部放电带电检测诊断和整改措施提供了可靠的指导。     

高压开关柜局部放电检测装备线性度误差的算法优化研究

对高压开关柜局部放电带电检测装备的硬件性能指标如线性度误差和稳定性等进行校验比对是开展带电检测工作的前提条件,根据高压开关柜局部放电带电检测装备现场应用要求,使用最小二乘法对线性度误差算法进行优化,理论和实践结果均显示该优化后算法能够提高线性度误差计算的准确性,从而实现对局部放电带电检测装备的准确校验比对.     

基于新型关联规则算法的开关柜局放程度分类研究

为对开关柜绝缘状态进行评估,文中介绍了一种新型的关联规则数据挖掘(ARM)算法,用于识别开关柜局部放电的严重程度。该算法采用模糊C均值聚集(FCM)的方法划分局部放电特征量区间,基于改进型Apriori寻找满足最小支持度和最小可信度的候选集,对候选集进行递推和多次检索以产生用于分类的关联规则库。基于关联规则库对采集的10 kV开关柜中的多组针尖电晕局部放电信号进行模糊推理,结果表明采用关联规则的局部放电分类识别率高,分类结论准确,为开关柜绝缘状态评估提供了一定的理论依据和实际应用价值。     

基于模糊聚类算法的油纸绝缘缺陷识别

采用典型模糊聚类算法(FCM)对电力变压器油纸绝缘缺陷进行诊断,研究不同绝缘缺陷的局部放电超高频信号特征识别问题。根据变压器内部绝缘缺陷特征,文章构建典型油纸绝缘缺陷模型,通过提取局部放电超高频信号特征量,构建综合识别矩阵,对缺陷进行识别。采用模糊C-均值聚类算法分别对信号小波去噪前后两种综合特征矩阵进行聚类分析及识别。对比结果表明,小波包多尺度超高频网格维数和能量参数能有效区分4种绝缘缺陷;小波去噪方法提高了正确识别率、最小识别率、识别稳定性、算法稳定性和收敛性。验证了模糊C-均值算法对油纸绝缘缺陷识别的适用性。     

变压器油纸绝缘老化状态的分析方法

油纸绝缘老化与充油电气设备绝缘寿命具有紧密联系。文章介绍了采用新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热老化试验,采集油纸绝缘老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度、油中水分含量。提取了27个局部放电的统计算子用于油纸绝缘老化状态的识别,采用模糊C-均值聚类算法对统计向量进行聚类分析,并与样本聚合度及油中水分含量相比较。结果表明模糊c-均值聚类算法对油纸绝缘老化状态的判别结果可以为绝缘状态诊断提供具有重要参考价值的信息。     

变压器油纸绝缘老化状态的分析方法

油纸绝缘老化与充油电气设备绝缘寿命具有紧密联系。文章介绍了采用新的油纸绝缘缺陷模型模拟变压器匝间绝缘缺陷,通过电热老化试验,采集油纸绝缘老化过程中缺陷模型的局部放电信号及绝缘纸样本聚合度、油中水分含量。提取了27个局部放电的统计算子用于油纸绝缘老化状态的识别,采用模糊C-均值聚类算法对统计向量进行聚类分析,并与样本聚合度及油中水分含量相比较。结果表明模糊c-均值聚类算法对油纸绝缘老化状态的判别结果可以为绝缘状态诊断提供具有重要参考价值的信息。     

采用双向改进模糊2DLDA算法提升多因素影响的局部放电识别可靠性

缺陷尺寸、施加电压、绝缘老化等多因素会引起局部放电特征的分散、交叉,并对变压器局部放电的识别可靠性产生较大影响.为了解决上述问题,本文提出了一种双向改进模糊2DLDA(TD-MF2DLDA)算法,提取局部放电(PD)灰度图像特征以提升局部放电的识别可靠性.首先,提出了一种改进模糊2DLDA(MF2DLDA)算法,并引入双向压缩策略,构建了局部放电灰度图像压缩的TD-MF2DLDA算法.最后,采用模糊C均值聚类算法对TD-MF2DLDA特征和其他特征进行了对比分析.对实验室局部放电样本的识别结果表明,当存在绝缘老化等多因素影响时,TD-MF2DLDA算法可以取得92.84％的聚类正确率,较NMF-PCA特征和传统局部放电PRPD特征的77.80％和71.12％具有明显的提高,能够有效避免缺陷尺寸、施加电压、绝缘老化等因素导致的局部放电特征分散、相互交叉等问题,提高了局部放电识别的可靠性.同时,FCM聚类指标XBI表明TD-MF2DLDA特征较NMF-PCA特征和PRPD特征具有更好的类内紧凑性和类间可分性,更适合现场应用.     

固体绝缘开关柜局部放电模式识别优化算法

电力设备内部绝缘缺陷引起的局部放电,含有可用于绝缘状态评估的特征信息。可以有效识别不同局部放电的类型。现有基于传统BP神经网络或SVDD模式识别方法在函数参数选择自主性很强,但由于不同放电类型的特征量在分布上是重叠、非线性的,BP神经网络容易陷入局部最优,识别率不高,SVDD算法在自由金属微粒缺陷识别效果不好。文中对SVDD算法提出了改进,在AP聚类与GPAM-PSO优化算法基础上提出一种用于固体绝缘开关柜局部放电模式识别的SA-SVDD算法。以解决传统模式识别算法在参数选择、训练方法上的不足,通过训练不同放电类型下的分类器,以达到准确识别不同放电类型。仿真结果显示该方法能自主识别不同PD类型,识别率、收敛速度较传统方法有较大提高,以便电力人员准确判断局部放电类型并制定相对应的抢修方案。