基于AdaBoost的局部放电综合特征决策树识别方法

在GIS局部放电模式识别研究中,为解决传统决策树方法中只针对单一特征及有限模式进行学习而导致决策树结构复杂、预测准确率不高、对噪声数据的抗干扰能力差等问题,提出综合多类特征的AdaBoost决策树识别方法。设计实验并通过超高频方法采集GIS中高压导体毛刺放电、悬浮电极放电、气隙放电、微粒放电及手机、灯光干扰信号,从p-q-n图谱的统计分布、q-t图谱的矩分布、q-n图谱的Weibull分布三个不同角度提取特征,研究单一及综合形式的特征对C4.5决策树及AdaBoost决策树的识别效果的影响。实验及现场检测的识别结果表明综合三类不同特性的特征并通过AdaBoost方法生成决策树,能有效优化决策树的识别性能,提高决策树的时间和空间效率。     

变压器局部放电超高频信号的改进小波去噪

提出一种改进小波去噪算法,适用于变压器局部放电超高频检测系统的信号去噪。     

变压器超高频局部放电自动识别系统

本文研制了一套变压器超高频局部放电自动识别系统，详细介绍了系统的硬件和软件实现。硬件主要包括超高频天线和频谱分析仪，软件由信号采集，统计谱图生成，统计算子（指纹）计算，用基于遗传算法的神经网络进行模式识别四部分组成，在实验室中对变压器典型局放模型进行实验，结果表明，该系统可以很好地用于提取高频（中心频率在500－1000MHz之间可调）窄带（带宽5MHz)时域放电信号，并且具有强大的数据处理，显示、分析、识别等功能，从而为变压器超高频局部放电检测以及绝缘状态评估提供了丰富的信息。     

基于荧光光纤检测GIS局部放电的多重分形谱识别

为了获取SF6气体绝缘电器(GIS)局部放电(PD)光信息特征,完善了反映GIS内部4种典型绝缘缺陷的物理模型,并利用研制的PD荧光光纤传感系统,获取了用绝缘缺陷模型产生的PD光信号,构建出了相应的φ-u-n三维图谱及其灰度图像。同时,针对简单分形特征不足以描述PD灰度图像而导致模式识别率较低的问题,采用具有分析灰度图像丰富特征信息能力的多重分形谱技术,提出了一种计算PD光信号灰度图像的多重分形谱概率算法。然后通过对多重分形谱中各特征信息的物理意义分析,提取了用于PD模式识别的特征量,并选用改进共轭梯度算法的反向传播(BP)神经网络作为分类器。研究结果表明:多重分形谱可有效描述PD灰度图像不均匀程度及其不同层次的几何结构特征,用于分类识别4种典型绝缘缺陷产生的PD时正确率均87%,优于用盒维数与信息维数作为特征量的识别。     

GIS局部放电外置超高频检测系统

研制了宽带和窄带两种超高频外置天线传感器,两种传感器增益均大于1,驻波比在其有效带宽范围内均小于2,均能用于GIS局部放电超高频检测。设计了高性能放大器和半分布参数超高频滤波器,工作频带为300～1000MHz,完全覆盖了两种传感器的工作频带。性能测试表明,传感器和滤波放大器性能优良,频率匹配,能满足超高频信号检测预处理的要求。通过对绝缘子表面金属污染缺陷产生的局部放电信号进行检测研究表明,超高频检测系统能够检测到超高频段微弱的局部放电信号,并能抑制低频段干扰,为后续模式识别的研究打下了基础。     

超声波信号在局部放电检测技术的特征集合探索

高压设备绝缘损坏会引起电力设备的局部放电,造成设备损坏。为实现对电力设备绝缘水平的有效监控,防止严重放电事故的发生,避免造成严重的损失,必须深入研究设备局部放电特征。局部放电超声信号检测是一种行之有效的检测方法,在检测过程中,电磁干扰不会对局部放电的超声波检测造成影响,但传播路径对检测结果的影响较大。本文对局部放电超声波信号的传输特性进行了介绍,对局部放电超声波信号的特征提取方法进行了分析,并利用小波分析对局部放电超声波信号进行了模式识别,对局部放电超声波信号检测的研究工作具有一定的参考价值。     

基于EEMD与边际谱能量的电缆局部放电定位方法

振荡波局部放电试验在电缆绝缘缺陷检测中得到了越来越多的研究和应用,但背景噪声干扰和放电脉冲匹配的问题会影响局部放电定位的准确度。为实现振荡波电压下电缆绝缘缺陷的准确定位,提出一种基于集合经验模态分解与Hilbert边际谱能量的局部放电定位方法。首先采用移动窗口阈值法提取出局部放电脉冲信号,采用集合经验模态分解算法对信号进行分解,对得到的各分量进行Hilbert变换获得其边际谱能量值;然后选择不同本征模态函数分量在原始信号边际谱能量值的占比作为特征量,计算信号相似度进行入射脉冲信号和反射脉冲信号的匹配,最终采用时域反射法进行局部放电定位;最后对35 kV电缆进行振荡波耐压试验,对检测到的局部放电信号进行定位计算。结果表明,提出的方法可以在高斯白噪声较强的情况下实现电缆绝缘缺陷定位,定位平均误差可以达到1.15%。     

油中局部放电超声信号模式识别的研究

本文设计了4种油中局部放电模型，通过实验采集了局部放电超声,在一超声信号的时域，频域特征和时域压缩波形数据等特征提取方法，采用人工神经网络进行了局部放电的模式识别，获得了较好的模式识别效果，最后分析了影响识别效果的主要因素。     

基于超高频特高频法的GIS局部放电特征图谱提取与研究

局部放电检测对发现GIS设备内部潜在的缺陷发挥着重要作用,不同类型的放电对GIS的危害程度存在明显差别,正确识别GIS的放电类型对于保证设备安全运行、评估绝缘状况和制定检修策略具有十分重要的意义。文中研究了三相共筒式GIS在运行中常见的故障类型,根据具体的试验条件,,设计了4种典型的绝缘缺陷模拟常见的GIS故障类型,并通过采用超高频特高频(UHF)法对存在故障的GIS进行了局部放电检测,分析了4种绝缘缺陷放电的典型图谱,为GIS的稳定运行和故障的及时检修提供了依据。     

气体绝缘管道电缆局部放电的超高频检测技术

该文介绍了用超高频法监测气体绝缘道电缆内部局部放电的基本原理、应用及抗干扰能力。     

变压器局部放电超高频信号外传播特性的试验研究

介绍了目前内置超高频传感器在电力变压器局部放电监测中的应用情况,分析了利用外部传感器检测局部放电产生的超高频信号的可行性,设计了一套基于超高频法的电力变压器局放测量系统。实验结果表明,超高频电磁波可以透过变压器夹缝衍射出来,为变压器局部放电检测提供了一种新途径。     

能量比值法定位变压器局部放电

提出了先确定变压器两测量端信号能量比值与放电位置的关系曲线,用放电后测算得的信号能量比值确定放电位置的方法。仿真和试验表明,<1 MHZ放电信号的能量比值具有良好的位置特性,其定位特征量的误差<10%。     

基于局部放电能量的油纸绝缘典型缺陷放电严重程度评估方法

变压器内部缺陷引发的局部放电会导致油纸绝缘老化与损伤,甚至造成威胁变压器安全运行的绝缘故障。为探究基于局部放电信号的变压器缺陷严重程度评估方法,文中搭建了球—板、柱—板、针—板3种典型缺陷模型,得到局部放电相位谱图、放电次数和放电量等特征参量随时间的变化规律,发现球—板和柱—板模型下放电次数、针—板模型下平均放电量由上升到下降这一变化趋势的改变,可作为放电后期的判断依据。在此基础上,引入放电能量对放电强度进行量化表征,分析了缺陷类型和放电发展阶段对放电能量的影响规律,据此可将放电严重程度划分为起始、发展和危险3个等级。研究成果可为不同缺陷类型下的局部放电严重程度评估提供参考依据。     

用超高频局部放电测量法实现电力变压器局部放电的在线监测

高频局部放电测量法(UHF法)与传统的脉冲电流法完全不同，它采集的被测信号为局部放电过程所产生的超高频电磁波：利用UHF法可有效解决电力变压器局部放电在线监测中的抗干扰问题。文中结合变压器结构设计的放油阀式和人孔／手孔盖式超高频信号传感器安装在220kV和110kV电压等级变压器上，成功地捕捉到变压器内部局部放电产生的超高频信号。对变压器局部放电故障诊断的判据等问题进行讨论，为变压器超高频局部放电在线监测方法的应用积累了经验。     

基于声电联合的便携式GIS局部放电检测系统

GIS设备内部出现绝缘缺陷时会在运行中产生局部放电.为了检测和分析GIS设备的绝缘状态和发展趋势,研发出运用超高频法和超声法实时检测GIS内部局部放电信号的系统.     

基于超高频窄带法的GIS局部放电的研究

为了提高GIS运行的可靠性,笔者简要说明了超高频法检测GIS局部放电的原理,并在实验室以一段220 kV电压等级的GIS母线为试验对象,设计和模拟了GIS中典型的4种局部放电模型,并使用自主研发的超高频窄带检测系统对其局部放电信号进行检测。试验结果表明,该超高频窄带系统能有效测量GIS局部放电信号,同时获得了不同类型缺陷所产生的超高频信号及其对应的特征,为今后GIS局部放电模式识别提供了数值依据。     

根据UHF信号特征的GIS局部放电模式识别

综合自适应遗传算法和BP算法各自的优点,构造了基于两者混合训练的神经网络,应用到GIS局部放电超高频的模式识别。分别用基于自适应遗传算法的神经网络、基于BP算法的神经网络,以及基于自适应遗传算法和BP算法混合训练的神经网络对用局部放电超高频检测系统检测到的GIS中4种模式的局部放电进行了识别。实验结果表明,基于自适应遗传算法和BP算法混合训练的神经网络提高了神经网络训练的收敛速度,保证了收敛的可靠性,具有较高的识别率和较强的泛化能力。     

融合超高频及脉冲电流法的局部放电监测系统

基于脉冲电流法和超高频法的基本原理和特点,研制出融合超高频法及脉冲电流法的局部放电监测系统.系统采用简易的超高频信号波形转换装置,将超高频信号转换成方波信号作为脉冲电流传感器的触发信号,避开了超高频方法需要高速采集和海量存储的缺点.与传统的脉冲电流法比较,系统有效地去除了局部放电信号中所包含的脉冲型干扰.实验结果表明该系统可以准确地识别局部放电及干扰信号,有针对性地找出干扰源并有效地去除干扰信号.     

GIS中局部放电在线监测研究的现状与展望

阐述了GIS的局部放电产生的根本原因和目前普遍采用的5种在线监测方法。介绍了相位门极控制、物理—化学诊断、小波和有限时域差分等近期新的研究,在故障模式识别方法中,重点介绍了通过局放信号相位分布与放电模式极性间关系判别故障类型的方法;最后提出了该项研究目前存在的问题及发展方向。