基于神经网络的局部放电模式识别方法研究

局部放电是评价在线高压电器绝缘状态的重要技术参数之一.绝缘缺陷和局部放电紧密关联,在线监测高压电器运行状态,实时采集绝缘局部放电信号并对其进行数理分析处理和属性分类,推断、预测绝缘缺陷部位及放电发展程度,可以预报预防事故发生.因此,局部放电模式识别技术的研究和理论探讨具有重要的工程应用价值和学术意义.因此,文中将神经网络应用于局部放电的模式识别并进行研究,对数据进行归一化处理后得到较好的网络收敛性和识别速度.     

特高频法气体绝缘全封闭组合电器的局部放电在线监测技术的发展应用探讨

为了对于气体绝缘全封闭组合电器设备的运行情况进行全方位的掌握,对于其绝缘状态进行在线监测是非常有必要的。本文就通过分析变电站典型局部放电类型,介绍基于特高频法气体绝缘全封闭组合电器局部放电的发展技术、系统的构成及应用探讨,分析中的隐患,并及时发现,以确保设备可以安全的运行。     

基于超声和LabVIEW局部放电在线监测系统的研制

局部放电是使高压电力设备绝缘损坏的一个重要因素,为确保其安全、可靠运行,对高压电力设备进行在线监测至关重要.该文主要研究开发一种基于超声法和虚拟仪器的局部放电实时在线监测系统,基于4个声发射器检测局部放电源超声波信号,通过时域和频域分析,研究局部放电的超声信号特性,为故障诊断提供数据共享;采用虚拟仪器技术,实现本系统人机界面化,再结合后台数据库,达到多功能、多通道的实时监测.该系统的应用有利于发现绝缘故障的早期征兆,是诊断绝缘故障的一种有效方法.     

发电机局部放电超声波检测系统的研究

为了预防发电机绝缘故障放电,减少因发电机局部放电造成的损失,研制了一套基于超声波传感器的发电机定子绕组局部放电在线监测系统.该系统由超声波传感器、数据采集终端和虚拟仪器等部分组成.将检测到的超声信号进行分析、处理,利用串行总线(USB)通信技术,把数据传送到电脑上,在主机界面上显示波形.实验结果表明,该系统具有较好的灵敏度,操作简单,成本低等优点.     

变压器局部放电在线监测系统的研究

电力变压器是电力系统中的重要组成部分,变压器局部放电是其发生绝缘故障的主要征兆。本文阐述了近年来国内外局部放电在线监测方面所取得的成果,对局部放电机理、检测方法、故障定位以及除噪技术做了深入研究,并深入研究了脉冲电流法、超声波法和超高频检测法综合检测的检测方法。最后表明了局部放电未来的研究发展方向。     

基于局部放电检测技术应用于配电开关柜的研究

开关柜的运行状态对电力系统供电可靠性具有重大影响。局部放电检测是反映开关柜绝缘状况的有效手段,利用不同放电模型模拟构造分析对于密闭的高压开关柜及相关设备的在线监测.针对高压开关柜由于在设计、制造、安装和运行维护方面存在着不同程度的问题,运用超声波原理对配电高压开关柜进行在线测试,根据放电类型能量的释放形式不同、各种检测方法的实用性与灵敏度也存在差异,在对开关柜局部放电检测过程中,综合应用各种不同类型的局放检测手段,根据不同测试波形及时发现问题,及时制定检修计划。     

基于关联维数的高压电机定子绕组局部放电信号模式识别

提出了利用分形理论对高压电机定子绕组局部放电信号进行处理的方法,得到局部放电信号的关联维数,并将其作为特征参量对几种典型的局部放电信号进行模式识别。局部放电信号是非线性、非平稳随机信号。因此采用非线性理论中的分形理论对其进行分析,即计算关联维数。考虑到相空间重构中嵌入维数和时间延迟对关联维数精度的影响,采用联合算法确定2个参数。仿真结果表明,关联维数用于局部放电信号模式识别是行之有效的。     

电力电容器局部放电的检测理论与技术探讨

对电力电容器的局部放电的在线检测方法进行了分类阐述,对比了各种检测方法的优缺点及应用现状;概括了国内外各种检测手段(特别是超声波法)的研究成果;阐述了局部放电机理与绝缘失效之间的关系;揭示了电力电容器局部放电在线检测的发展前景和当前的研究重点。     

电气设备绝缘系统局部放电检测技术研究

国内SF6气体绝缘类的电气设备常发生局部放电故障,影响电力系统的安全稳定运行。针对这种情况,文中提出了基于电气设备局部放电的超声波检测技术,对电气设备进行局部放电故障检测与诊断,同时对电力变压器的在线监测进行诊断,最终给出电力变压器的检测图谱。通过使用超声波对SF6气体绝缘类电气设备进行实例验证,结果表明采用超声波技术可以准确地检测出电气设备的电晕放电、悬浮放电等故障。     

一种新型发电机绝缘动态接地辨识装置的设计

阐述发电机绝缘动态接地辨识装置的设计,能够实时监测发电机转子绝缘状况、并能够及时定位接地故障位置的装置。实际案例表明,装置可以在线对发电机进行绝缘监测,保护发电机正常运行。     

基于超声红外热像的电缆终端局部放电缺陷检测方法

电缆终端局部放电缺陷特征短暂,缺陷范围与外部环境纠缠,很难准确定位,需要结合温度特征和模式识别特征共同检测,本文利用超声红外热成像的优势,提出基于超声红外热像的电缆终端局部放电缺陷检测方法,方法利用图像梯度化、灰度化处理采集到的电缆终端局部放电缺陷特征超声红外热成像图,并通过智能模式识别处理方法抑制采集图像的复杂背景,删除包含在电缆终端局部放电缺陷特征红外图像中的大面积地物及地面;根据K-means聚类算法,圈定疑似局部放电缺陷特征范围,构建局部放电缺陷范围模板,经匹配参考范围后,得出疑似局部放电缺陷范围的温度特性信息,诊断电缆终端是否存在局部放电缺陷。实验结果表明,该方法可有效获取电缆终端局部放电缺陷部位,检测不同类型的电缆终端局部放电缺陷的平均精准率高达98%,平均漏检率为1%。     

局部放电信号试验模拟及统计特征提取

模式识别中,特征是决定相似性与分类的关键.对于局部放电模式识别,如何找到合适的局部放电特征量成为认知与识别的核心问题.在参阅大量国内外现有的局部放电模式识别文献基础上,依据局部放电产生机理,设计了电极模型.通过对放电信号进行统计特征提取,为电力系统运行中的故障预测和诊断提供重要依据.     

基于小波概率网络的局部放电模式识别

针对高压电器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,提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解,提取小波能量系数作为特征参数,并作为概率神经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。     

Digital Image Processing for On-line Classification of Partial Discharge Patterns in Electrical Equipment

This paper presents a new method to analyze partial discharge (PD) digital patterns obtained from power equipment measurements to automatically classify PD patterns than can issue alarms in continuous monitoring systems. The method has two steps, in the firs one, a preclassification analyses the information contained in an *.dat type file and it generates a JPG image of the PD pattern. Then a color to grey reduction is performed to account for random variations and sporadic pulses are removed to discriminate sporadic activity and background interference. The second step involves the use of graphical filters and morphological operations like image opening and closing to segment and define regions of interest. Finally, a contour following technique is applied with Gaussian regression to identify corona from partial discharges. Obtained results include arrow pointing images with text labels that identify different PD types. This feature will greatly improve on-line monitoring system diagnosis.     

基于多重卷积神经网络的大模式联机手写文字识别

联机手写识别在日常生产生活中有着广阔的应用,模式识别也一直把其作为研究的重点。传统的识别方法是利用普通卷积神经网络技术,该方法在对小规模字符集联机手写文字识别时有着较高识别率,总体性能高,但在对大规模字符集识别时,识别率则大大降低。提出一种基于多重卷积神经网络的识别方法,旨在克服以往方法对大规模字符集识别时识别效率不高的问题,提高大规模字符集联机手写文字的识别率。系统使用随机对角Levenberg-Marquardt方法来优化训练,通过使用UNIPEN训练集测试该方法识别准确率可达89%,是一个有良好前景的联机手写识别方法。     

基于SiC基光电传感器的局部放电探测系统设计

针对高压电力设备局部放电的监测需求,结合放电光谱的紫外波段分布特征,提出一种基于SiC基光电传感器的放电监测方法,并进行了系统设计,重点给出模拟电路模块、以FPGA为核心的数字电路模块和识别定位软件的设计思路和方法。通过实验测试,验证了基于SiC基的放电探测系统能够实现对局部放电现象的准确探测和放电方位的识别。克服了以往监测设备体积大、易受干扰、成本高,只能判断有无,很难判断方位的问题,为电力系统局部放电监测提供了新的技术手段。     

基于分布反馈激光器的局部放电监测系统研究

电力设备的局部放电监测是发现设备的绝缘缺陷、维护电网安全运行的重要手段。文章基于分布反馈(DFB)激光器线宽窄、噪声低、相干长度长等优点，设计了一种用于局部放电监测的振动传感系统。系统采用粘接在悬臂梁上的DFB激光器作为传感头，利用光纤迈克尔逊干涉仪将DFB激光器波长变化转换为干涉仪的输出光强变化，采用相位生成载波(PGC)算法进行局部放电信号解调。设计并仿真分析了悬臂梁的振动响应特性，得到其一阶谐振频率为876 Hz。研究了迈克尔逊干涉仪臂长差与系统灵敏度的关系。实验选取脉冲点火器作为局部放电源进行放电检测，验证了系统用于局部放电检测的可行性。结果表明，该系统能够检测到800～900 Hz放电信号，灵敏度可达-74.67 dB re rad/Pa。