基于BP人工神经网络的局部放电模式识别

介绍了ＢＰ人工神经网络在局部放电模式识别中的应用，结合实际现场情况提出了一种基于统计分析的局部放电特性提取方法，在此方法的荐对空气火花放同中火花放电进行了式识别实验，实验结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性。     

基于多尺度熵和支持向量机的局部放电模式识别

为了准确、可靠地有效识别电力变压器中绝缘劣化的严重程度和局部放电的位置,本文提出一种基于多尺度熵特征提取方法,采用支持向量机对放电类型进行模式识别。首先,利用多尺度熵对放电信号从定性和定量两个角度有效提取特征放电信号特征量;其次,将获得的特征信号输入支持向量机对放电类型进行模式识别。实验结果表明,该方法可以有效提取局部放电信号特征量。     

火花放电路径发展过程的分形生长模型

根据火花放电的流注／先导机理建立了放电路径分形生长模型．模型描述了火花放电路径形成过程中局部电场强度、流注形状以及先导发展概率三者之间的关系．在计算机上实现了火花放电路径分形生长过程的模拟     

尖端-尖端的火花放电路径的选择性

研究火花放电特性是了解雷电路径的重要手段,研制了短间隙下火花放电实验装置和放电次数测量装置并进行实验研究.对所拍摄的放电图片进行了分析,发现短间隙情况下火花放电存在分步现象并进行解释,认为短间隙火花放电与雷电放电存在一定的相似性.对短空气间隙下尖端电极位置变化对放电次数的影响进行了研究,通过对大量的实验数据进行分析拟合,得到尖端电极位置与放电概率之间的函数关系,其反映了两个下电极对上电极距离差改变对放电选择性的影响.下电极和上电极的高度差对函数关系式中因子P有重要影响,p值决定了火花放电的范围.     

绝缘局部放电在线检测的信号预处理方法

通过对绝缘局部放电在线检测技术的分析,给出了一种基于信号理论的局部放电数字信号预处理方法,提取信号的时域和频域的特征信息,提高了绝缘故障模式识别的准确率。     

绝缘局部放电在线检测的信号预处理方法

通过对绝缘局部放电在线检测技术的分析,给出了一种基于信号理论的局部放电数字信号预处理方法,提取信号的时域和频域的特征信息,提高了绝缘故障模式识别的准确率.     

局部放电脉冲群的实用快速分类技术及应用

对108/s高速采样率获取的超宽带局放脉冲波形-时间序列,使用等效时频法提取了局部放电脉冲群的波形特征参数,并研究了模糊C均值聚类算法的特性及其在局部放电脉冲波形特征向量参数处理中的应用.基于GIS的局部放电试验数据处理表明:由等效时频特征提取和模糊C均值聚类分析组成的局部放电脉冲群快速分类技术可以对多个局部放电源构成的脉冲群进行准确分类.这为研制基于单个脉冲的局部放电超宽带检测与模式识别系统提供了实用的脉冲群快速分类技术.     

绝缘试样老化过程中超宽频带放电信号的分形分析

在超宽频带局部放电研究中,局部放电特征峰的大小、位置和老化时间之间的变化规律,一直是研究工作中的一个重点.在应用小波分析技术提取超宽频带局部放电各频段信号的基础上,提出了采用分形分析技术对局部放电信号各频段信号进行分维数的计算,用分维数来量化分析超宽频带局部放电的频谱特性.应用该方法,对绝缘试样老化过程中特征峰的变化规律进行了量化分析,发现了一些典型特征频段,为根据局部放电特性进行的电力设备绝缘诊断奠定了技术基础.     

基于△u模式和RBF网络的局部放电模式识别

局部放电（PD）模式识别是诊断高压电气设备内绝缘缺陷的重要方法之一．采用了一种△u模式参量作为局部放电的图谱特征，并采用不变矩作为放电特征；同时，采用了径向基函数神经网络（RBFNN）对局部放电△u模式参量构成的图谱特征进行识别．结果表明采用正交最小二乘法（OLS）训练的RBFNN对△u模式中的不变矩特征参量进行识别，RBFNN收敛速度快且稳定性强，识别率达到85．7％以上，能够很好地识别由5种人工绝缘缺陷模型产生的局部放电信号，在实际应用中具有良好的应用前景．     

变压器典型油纸绝缘局部放电特性

根据对变压器油纸绝缘内部常见缺陷的分析,制作了5种油纸绝缘缺陷放电模型,并在不同温度和电压下进行老化实验,用以模拟变压器中的实际缺陷.研究了不同类型放电的发展过程,分析了温度和电压对油纸绝缘局部放电的影响.对应于不同类型的放电和同一放电模型的不同放电阶段,放电的灰度图谱都存在较大差异,因此,可以通过灰度图谱来区分不同的放电类型和放电阶段.所得结果为进一步研究变压器局部放电模式识别和绝缘老化特征提供了实验依据.     

基于小波提取的超宽频带局部放电信号分形分析

为了研究超宽频带局部放电信号在各个频段上的局部特征、发现特征频段，应用小波分析技术，将局部放电信号进行小波分解，使信号变为各个频段的信号，然后计算各个频率段信号的分维数，并通过分维数的变化，来量化分析信号特征峰的特征。应用这种方法，可以得到各频段的放电信号的分形特征，为进一步研究超宽频带放电信号的变化规律奠定了基础。     

基于电缆频率特性及信号脉冲宽度的电缆局部放电在线定位方法

为减小电力电缆局部放电定位过程中噪声及反射脉冲的干扰,实现局放源的在线定位,提出了基于频率特性及信号脉冲宽度的电缆局部放电定位方法。该方法通过模拟局放脉冲信号在电缆中的传播,分析了局部放电脉冲信号在电缆中的传播特性,推导出考虑频率特性的脉宽变化函数关系式,最后结合实测的脉宽与传输距离的拟合曲线,通过迭代计算获取准确的故障位置。利用PSCAD/EMTDC搭建电缆模型,在不同故障距离下的对该方法进行仿真验证,并与小波变换的定位结果进行比较,结果表明其定位误差低于0.6%,说明该方法具有较高的准确性与实用性。     

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息,提高变压器内部局部放电类型的识别率,文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量;将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明,小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

基于大数据分析挖掘技术的电力设备局部放电诊断方法

当前电力设备状态参量规模逐渐增加,电力设备状态数据来自多个不同系统,较为复杂。传统诊断方法不能有效处理大规模数据,导致电力设备局部放电诊断结果不可靠。为此,提出一种新的基于大数据分析挖掘技术的电力设备局部放电诊断方法。给出谱图生成过程,对电力设备局部放电特征进行提取。对电力设备状态参量进行大数据分析挖掘,完成对电力设备各种状态参量的组合、特征合并处理。通过皮尔逊相关性理论计算相关系数。依据相关系数,利用优化迭代将电力设备样本分成若干类,获取对应聚类中心。将局部放电样本聚集在一起,依据局部放电特征实现诊断。实验结果表明,所提方法诊断可靠性与实用性强。     

GIS体外UHF法检测局部放电的研究与应用

简单介绍了GIS几种局部放电常用的检测方法,具体介绍了GIS局部放电UHF检测法,分别对UHF检测法检测原理、干扰原理、定位原理进行了阐述,通过对局部放电的波形特征、相位特征和频率特征的综合分析列出了各种局部放电现象的特征经验总结表。最后给出了GIS局部放电UHF检测法的一个典型实例,应用此实例对GIS进行了局部放电现场测试并进行了测试分析。     

冲击电压下局部放电信号的测量与分析

设计了基于高频电流法的冲击电压局部放电测量系统,获取了油中针板模型在击穿闪络、局部放电、耐压等实验工况下的信号特征。该实验为工频局部放电实验的拓展实验项目,为现场实际的电力设备局部放电检测及故障诊断提供了典型图谱,初步验证了冲击电压下局部放电检测技术的有效性。     

用于GIS局部放电检测的电容型传感器

气体绝缘组合电器(GIS)的同轴结构有利于局部放电激发的电磁场传播，为内部传感器检测局部放电提供了有利的条件，针对GIS结构及其中局部放电的特点，设计了用于局放信号检测的圆板型和圆环型两种内置电容耦合式传感器，描述了该传感器的结构。通过方波响应试验仿真与试验实测研究了传感器频率响应特性，并采用方波信号输入输出关系曲线分析了传感器对暂态信号搞合的输入输出特性。用所设计的传感器进行GIS模拟装置中电晕放电脉冲实测，实测结果表明设计的传感器性能可靠，灵敏度较高，可用于GIS局部放电的测量。     

大电机线棒超宽频带局部放电信号的时频特性研究

利用开发的超宽频带局部放电测试系统,研究了退出运行的300MW汽轮发电机定子线棒和780kW电动机线棒的超宽频带局部放电特性。运用联合时频分析技术,分析了这些放电信号的时频域特征,发现线棒的局部放电时域信号包含着丰富的高频分量,其直线部分和“R”部分的主放电特征峰出现的位置比较相似。同时,还发现随着老化程度的加深,放电时延缩短,在时频联合域上能量密度向高频方向移动。该发现为今后评估电机线棒的绝缘寿命提供了一种新的方法。     

超宽频带局部放电检测技术的初步研究

研究了局部放电的超宽频带特性，分析了局部放电产生的电磁波的传输和耦合特性，研制了一种频率响应为１００￣５００ＭＨｚ的超宽频带局部放电检测装置，并用实验分析了其测量特性。     

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。