GW6-252型隔离开关操作绝缘子动态应变特性

针对高压隔离开关操作力矩过大引起支柱绝缘子断裂的问题,采用电阻应变测量技术对GW6-252型隔离开关操作绝缘子进行了动态应变测试,分析了三相绝缘子应变大小及分布特性,测试了隔离开关机构卡涩、合闸不到位、平衡弹簧故障情况下的绝缘子应变.结果表明:隔离开关动作过程中,操作绝缘子上节顶端承受扭转应力最大;三相连杆安装调试不当、传动和转动机构卡涩会导致绝缘子异常受力,其最大应力可达正常动作情况下的4.3倍,接近绝缘子的破坏应力.     

基于鸣声组合特征与CNN的电网危害鸟种识别

为了辅助电网涉鸟故障的差异化防治,提出一种基于组合特征和卷积神经网络 （Convolutional Neural Network,CNN）的电网危害鸟种鸣声识别方法 . 根据历史涉鸟故障的鸟 种信息及输电线路周边鸟种调查结果,选择13种高危鸟类、8种微害鸟类和2种无害鸟类建立 鸣声样本集;对鸟种鸣声信号进行分帧、加窗、降噪和剪裁等预处理,提取鸟鸣 Mel 倒谱系数 （Mel-frequency Cepstrum Coefficients,MFCC）、Gammatone 倒 谱 系 数（Gammatone Frequency Cepstrum Coefficients,GFCC）和短时能量（Short-term Energy,STE）特征 . 针对单一特征表达能 力不足的问题,将MFCC及其一阶差分、GFCC及其一阶差分和STE归一化后进行组合,生成新 的鸣声特征集 . 搭建卷积神经网络模型对组合特征进行训练和识别,鸟种鸣声测试集的识别 正确率达91.8%,较单一MFCC和GFCC特征表现更为优异.     

架空输电线路杆塔涉鸟故障风险等级评估

为提高架空输电线路涉鸟故障防治措施的精准性,对江西电网2005—2019年期间的337起涉鸟故障进行统计分析,提取电压等级、杆塔类型、导线排列方式及绝缘子串型等杆塔结构特征,以及农田、水库、林区、河流和鸟类迁徙通道等地理环境特征.根据统计结果计算不同杆塔结构特征对涉鸟故障的影响度,拟合地理环境特征指标值与杆塔距离的关系式,分别采用层次分析法与熵值法计算这2类特征各个指标的权重系数,运用线性加权法构建输电线路涉鸟故障风险等级的量化评估模型.基于历史故障数据,划分出杆塔涉鸟故障的风险等级,通过评估算例验证了模型的合理性.研究结果有助于实现电网涉鸟故障的差异化防治,进而降低输电线路的跳闸率.     

棒/球-板长间隙的电场分布特征与操作冲击放电电压预测

空气间隙的电场分布是决定其绝缘强度的重要因素,建立电场分布特征与放电电压的关联性是实现绝缘计算的关键.该文针对棒-板和球-板长间隙,提出一种空间电场分布表征方法,对电场有限元仿真结果进行后处理,从极间路径和锥形场域中提取66个特征量.建立基于最小二乘支持向量机的预测模型,以电场分布特征集和放电电压作为输入和输出参数,通过改进灰狼算法对模型进行参数优化,利用最大信息系数法进行特征降维.采用该模型对棒/球-板长间隙进行标准操作冲击放电电压预测,算例结果表明,测试样本预测值与试验值较为吻合,最大相对误差为8.3%,平均绝对百分比误差为3.2%.研究结果可为实现空气间隙绝缘计算提供参考.     

基于Mel频谱图和CNN的电网涉鸟故障鸟声识别

为了提高电网渉鸟故障防治的针对性，提出了一种基于Mel频谱图和卷积神经网络(CNN)的鸟声识别方法。建立常见渉鸟故障对应的40类代表性鸟种的鸣声样本集，对鸟鸣信号进行分帧、加窗与降噪等预处理，计算每帧信号在各个Mel滤波器中的能量，根据能量大小与颜色深浅的映射关系提取鸟鸣信号的Mel频谱图。以电网涉鸟故障相关鸟种的Mel频谱图作为输入，通过CNN反复执行卷积-池化过程提取Mel频谱图特征，并进行多次迭代训练调整网络内部参数，得到最优模型用于鸟种识别。算例结果表明，40类鸟种的识别准确率达96.1%,识别效果优于其他迁移学习模型。文中研究结果可为输电线路运维人员正确识别相关鸟种、开展渉鸟故障差异化防治提供参考。