组合电器自由金属颗粒的电场分析与缺陷诊断

为了准确识别组合电器(gas insulated switchgear,GIS)自由金属颗粒缺陷,研究了GIS母线气室金属颗粒的受力情况、运动特性,用仿真方式分析了不同位置颗粒的电场分布,归纳了金属颗粒的缺陷表征,比较了颗粒缺陷的检测方法,找到了识别颗粒缺陷的主要图谱和诊断方法,并用案例进行了验证。研究结果表明:金属颗粒在GIS母线气室中,其所处位置不同,受到的电场力也不同,电场力越强,颗粒运动越剧烈,更易引起局部放电; GIS设备内部存在金属颗粒缺陷时,信号幅值图、波形图、飞行图和声音等主要图谱能够有效反映缺陷类型,检测时通过多图谱诊断方式可准确识别颗粒缺陷。     

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。