GIS超高频局部放电在线监测技术应用研究

超高频(UHF)局部放电检测技术是目前国际上对气体绝缘全封闭组合电器(GIS)类设备普遍采用的状态监测技术,具有灵敏度高、抗干扰性好等特点。本文介绍了一个基于超高频局放检测技术的GIS设备在线监测系统,其中运用UHF传感器捕捉GIS内部局部放电信号,经过在线监测系统对捕捉信号进行信号采集、检测、运算和分类,结合人工智能专家判别系统,来分析GIS设备状态与故障特征。实际现场应用结果表明了该系统的有效性。     

网格寻优SVM在GIS局部放电故障检测中的应用

绝缘气体组合开关(Gas Insulated Switchgear,GIS)是变电站重要设备,它的绝缘特性直接关系到电力系统的可靠性。针对当前GIS局部放电(Partial Discharge,PD)故障分类检测算法主要使用的BP神经网络由于运行速度慢且参数调节麻烦而不适合在线检测的问题,提出将网格寻优算法结合LIBSVM工具包的支持向量机(Support Vector Machine,SVM)应用于GIS局部放电故障分类检测。仿真结果表明,与无网格寻优的SVM和BP神经网络相比,网格寻优SVM具有速度快、参数自动寻优的特点,对六类典型GIS局部放电故障的分类检测都有很好的识别效果。该方法结合超声波法检测局部放电具有灵敏度高、不受电磁场影响、可实现在线定位的特点,这将更有利于GIS局部放电故障在线检测的工程实际应用。     

基于振动特征估计的气体绝缘开关设备故障检测与定位

为了有效检测气体绝缘金属全封闭开关设备(Gas Insulated Switchgear, GIS)故障,提出一种基于振动特征分析的GIS设备故障检测与定位方法。首先,选取GIS金属外壳多测点振动信号作为设备的状态变量。然后,构建多输出支持向量回归(Multi-Output Support Vector Regression, MOSVR)模型对GIS设备多测点振动特征进行回归估计,并利用多测点振动特征残差相对值计算故障预警指标。之后,利用指数移动加权平均方法计算自适应阈值来衡量故障预警指标的变化趋势以实现设备的故障检测。检测出故障后,利用箱形图分析多测点振动特征残差来定位设备故障。最后,利用现场实测信号验证了提出方法的有效性。     

全封闭组合电器室SF6气体泄漏分布规律与气体检测布置策略

全封闭组合电器(GIS)在运行过程中不免故障,会出现SF6气体泄漏的问题,这不仅会对设备维护人员的人身安全构成极大威胁,也会对环境造成难以估量的负面影响。目前,SF6气体检测及回收装置布置策略缺乏理论指导。针对盆式绝缘子开裂而造成的SF6气体泄漏事故,本文基于FLUENT软件,结合SF6气体泄漏的两相流三维非定常态湍流流动特征,搭建三维传递现象模型,进行真型尺寸GIS站室泄漏SF6气体分布规律仿真研究。分析了GIS设备因故障而发生气体泄漏时,SF6气体扩散的过程及SF6气云的分布规律,比较了不同位置、不同方向出现单点泄漏时SF6气体的扩散分布情况。再结合GIS室实际空间布局,指出应在贴地安全警示带距离地面0.5m处及GIS设备上方沿纵横方向均匀布置SF6气体检测设备,形成立体的空间密集网状检测系统。     

谈谈安全管理中变压器早期故障在线监测

通过对变压器内部故障发展过程的分析，提出油中氢气水分在线监测早期检出局部放电性故障的必要性和可靠性，并论述了油中气体在线监测装置应具备的基本功能。     

气体绝缘组合电器(GIS)典型绝缘缺陷的局部放电模型研究

GIS简称气体绝缘组合电器设备,此设备具有较强特性,并且占地面积相对较小,能够有效保证特高压电网的稳定运行,因此,GIS配电装置一经推出便被广泛应用至特高压电网运行过程中。但就国内外GIS维护现状分析,影响GIS设备稳定运行的主要原因即为绝缘故障。在GIS出现绝缘故障期间,电网将出现局部放电现象,此现象不但影响GIS运行,还对电网安全性造成影响。该文即针对气体绝缘组合电气进行分析,并以实验形式探究GIS设备典型剧院缺陷模型。以解决GIS设备出现局部放电现象。     

可移动式微型空气质量监测系统的设计

介绍了微型气体传感器与无线通讯系统采集环境气体数据,进行空气质量监测的一种方法,载体选用自由度高、飞行高度广度皆高的鸽子,GIS地理信息系统作为监测平台,结合微型GPS接收定位以及GPRS数据传输,完成小型的空气质量监测系统,该系统可在一定程度上补充空气质量监测站的大气浓度数据。     

浅谈变压器油色谱在线监测系统

对于油浸式电力设备,尤其是变压器,油中溶解气体进行在线或者离线的气体含量分析技术是一种可靠有效的诊断设备潜伏性故障的检测技术,可以判断设备内部的隐藏缺陷,目前它在变压器的预防性监测中其重要性列于首位。变压器油中溶解气体在线监测装置的出现弥补了常规油色谱分析的不足,实现了在线智能化监测与故障诊断,可以及时掌握变压器的运行状况,发现和跟踪潜伏性故障。本文就变压器油色谱在线监测的应用必要性、意义、理论及实际依据、设计进行简单分析。     

一种基于最短长度m2圈算法的故障监测方案

针对光突发交换网络中“逐跳检验”监测模式成本较高等问题,提出了一种新的基于最短长度m2圈算法的光突发交换网络故障监测机制.该机制根据最短长度m2圈算法寻找光突发交换网络中的圈覆盖放置故障探测模块,从而形成基于圈覆盖的光突发交换网络故障监测模式.同时,在最短长度m2圈算法的基础上提出一种相应的故障定位算法,利用异或关系衡量告警编码与链路相关编码是否吻合,从而进行快速故障定位.计算结果表明,基于最短长度m2圈算法的故障监测机制具备网络开销小、故障定位率高和故障定位快速等特点.     

加权模糊聚类及其在电力变压器故障诊断中的应用

理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关.融合上述两类信息,对充油电力变压器DGA数据进行分析,提出针对特征气体组分含量和组分比值的规格化及提升与压缩数据处理方法,使用权值表示各类数据对于故障划分的相对重要程度,完成故障聚类,并设计出一种加权模糊聚类算法,该算法可实现故障聚类,计算故障聚类原型,完成权值的计算和优化.     

一起GIS组合电器拒动事故的原因分析与处理

某电厂220kV开关站的主变压器220kV侧安装SF6气体绝缘金属全封闭组合电器(Gas Insulated Switch,GIS)发生一起开关拒动事故,描述了开关拒动故障的具体情况,分析了故障的产生原因,并提出有效的故障处理方法。     

基于GPS/GIS的公共安全监测系统的研究

GPS技术在公共安全监测领域中的应用正向高精度、实时化和自动化的方向发展.GPS公共安全监测不仅注重结果,还要分析产生变形的原因.要实现这一目标,就需要借助于GIS的空间分析功能,即需要建立一种基于GPS/GIS的公共安全监测系统.研究了GPS监测的似单差数学模型和算法流程,由于该模型只用到L1载波相位观测值及伪距,因此可适用于单频接收机,从而降低监测成本.同时,结合GPS公共安全监测的特点,提出了GPS/GIS公共安全监测系统的技术路线.     

一种支持多故障定位的低开销监测站点部署方法

在节点覆盖约束条件下,以最小化监测站点数目为目标,提出了一种支持多故障定位的监测站点部署方法.该方法以传统k-path算法为基础,使用基于弱连接节点求取独立路径的改进算法来选取监测站点.仿真实验表明:进行故障定位时,该算法所需的监测站点数少于k-path算法,而故障定位能力则强于k-path算法,具有更好的性能.使用该...     

基于自适应学习算法的智能代理网络故障监测

提出一种基于自适应学习算法的故障监测智能代理，通过分段测量抽取描述网络正常行为的ＭＩＢ变量值并检测偏差。对学习获得的信息经由贝叶斯图加以组合，从而鉴别未知的或不可预见的故障。实验结果表明，智能监测代理系统能够在故障发生以前检测网络异常行为。     

在线监测技术应用情况分析

1.前言近几年在线监测技术广泛应用于变电站一次设备,例如超高频测量GIS组合电器的内部局放以及断路器和组合电器中六氟化硫气体湿度的在线测量和安装在主变压器的油中溶解气体在线监测。在大连供电公司应用的在线监测技术应用时间较长效果较好的是安装在主变压器油中溶解气体在线监测。对于目前所采用的离线试验测量,由于它的     

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。     

一种SF_6气体分解产物谱峰智能识别算法的设计

本文介绍了一种色谱峰智能识别算法的设计和实现,该算法在自动分析SF6气体分解产物色谱中有较好的效果,可广泛应用于变电站SF6电气设备内SF6气体分解产物在线监测系统。     

一种基于人工神经网络的旋转机械故障监测方法

把神经网络与数字信号处理相结合，提出并实现了一种基于神经网络的旋转机械在线故障监测系统，主要用于识别旋转机械的一些常见故障如转子不平衡振动、转子零部件松动、油膜涡动等等。系统主要由数字信号采集、数字信号预处理和Ｂ－Ｐ神经网络几部分组成。在神经网络中采用批处理加动量项的梯度下降算法学习。仿真结果表明该故障监测系统在故障识别率等各方面性能指标均优于传统的基于知识的工况监测与故障诊断系统。     

一种实时GIS在线故障诊断方法

针对GIS的在线诊断,文中给出了一种基于识别的系统设计,在此基础上,还给出了一种基于统计对比分析的异常情况定位算法,通过实验证明了文中方案及算法的实效性,有力推动开关站在线监测的发展。     

变压器早期故障在线监测

通过对变压器内部故障发展过程的分析,提出油中氢气水分在线监测早期检出局部放电性故障的必要性和可靠性,并论述了油中气体在线监测装置应具备的基本功能。