学位论文 > 优秀研究生学位论文题录展示

光测法检测局部放电的模式识别及放电量估计研究

作　者: 刘永刚
导　师: 唐炬
学　校: 重庆大学
专　业: 电气工程
关键词: 局部放电光测法多重分形谱 BP神经网络放电量
分类号: TM855
类　型: 硕士论文
年　份: 2012年
下　载: 116次
引　用: 0次
阅　读: 论文下载

内容摘要

气体绝缘组合电器(Gas Insulated Substation，简称GIS)以其占地面积小、运行稳定等独有的优点在城市电网中得到广泛的运用。然而，GIS存在不可避免的绝缘缺陷，从而引发重大绝缘事故。由于局部放电(Partial Discharge，简称PD)是反映GIS内部绝缘状况的重要参数，因此通过GIS内部PD在线监测判断其绝缘状况成为国内外研究热点。光测法具有抗电磁干扰能力强，灵敏高并且传感器可以置入复杂绝缘结构内部等优点，使其在GIS PD在线监测领域具有广泛的应用前景。本文在PD模式识别以及光测法检测PD技术的研究基础上，开展了光测法检测PD的模式识别及放电量估计的研究，为光测法用于PD在线监测及故障诊断提供依据。主要工作和成果有：(1)根据GIS内部常见绝缘缺陷类型，完善了四种绝缘缺陷模型。利用实验室已研制的荧光光纤传感系统获取了四种绝缘缺陷模型在不同放电强度下PD信号，并构建了不同绝缘缺陷模型下PD的光测法信号φ-u-n谱图及其灰度图像，实验结果表明：不同绝缘缺陷模型下PD的光测法信号特征不同，PD的光测法信号可用于区分不同绝缘缺陷产生的PD。(2)依据多重分形理论以及多重分形谱定义，提出了PD灰度图像多重分形谱的构造方法。对比计算得到的不同绝缘缺陷下PD灰度图像多重分形谱可知，利用多重分形谱可描述PD放电特征。在分析PD灰度图像多重分形谱的特征参数物理意义基础上，提取了PD灰度图像多重分形谱的16个特征参数。(3)利用该16个特征作为PD模式识别特征量，采用改进共轭梯度算法优化后的反向传播人工神经网络作为识别分类器对GIS PD进行模式识别，不同放电类型的识别准确率均在85%以上，说明采用该方法辨识PD放电类型是可行的，同时也验证了利用光测法信号可以区分PD放电类型。通过与以盒维数和信息维数为特征量进行模式识别的对比研究表明，多重分形谱的特征描述不同绝缘缺陷下PD特征能力优于单一分形特征。(4)从光测法检测原理出发，分析了PD光测法信号一次积分值实质表征PD释放的光能量，并根据PD产生光效应原理推导出PD光测法信号一次积分值与视在放电量存在线性关系，为利用光测法定量检测GIS PD提供了理论指导。(5)再次对GIS内部四种典型绝缘缺陷了进行了PD实验，同时采用光测法和脉冲电流法采集PD信号，研究光测法检测结果与视在放电量的关系，实验结果表明：光测法信号平均一次积分值与平均视在放电量呈线性关系，但由于不同绝缘缺陷产生的PD性质不同，因此不同绝缘缺陷对应的线性关系曲线不同，并且针板间隙距离对线性关系曲线也有影响，间隙距离越大，斜率越大。因此，在确定放电类型的基础上，利用PD光测法信号可以确定PD放电量。以上研究结果表明，利用PD光测法信号可以识别放电类型，也可以确定PD放电水平，因此光测法用于PD在线监测与故障诊断是可行的。

全文目录

摘要  3-5
ABSTRACT  5-10
1 绪论  10-25
  1.1 GIS 局部放电在线监测技术  10-14
    1.1.1 GIS 局部放电在线监测的意义  10
    1.1.2 GIS 局部放电的原因及缺陷种类  10-11
    1.1.3 GIS 局部放电主要检测方法  11-14
  1.2 局部放电光测法测量现状  14-17
    1.2.1 局部放电光测法技术  14-17
    1.2.2 局部放电量标定  17
  1.3 局部放电模式识别的研究现状  17-23
    1.3.1 局部放电的放电模式  18-19
    1.3.2 局部放电模式的特征参数提取  19-21
    1.3.3 局部放电模式的分类器  21-23
  1.4 主要研究内容与技术路线  23-25
2 光测法检测 GIS 局部放电及其灰度图像获取  25-36
  2.1 荧光光纤传感系统  25-28
  2.2 GIS 内部典型缺陷模型的设计  28-29
  2.3 光测法检测 GIS 局部放电实验  29-32
    2.3.1 实验系统的构成  29-30
    2.3.2 实验的步骤及方法  30
    2.3.3 实验数据处理  30-31
    2.3.4 实验结果分析  31-32
  2.4 局部放电灰度图像的获取  32-35
    2.4.1 局部放电灰度图像的构造方法  32-33
    2.4.2 不同缺陷局部放电灰度图像的对比  33-35
  2.5 本章小结  35-36
3 局部放电灰度图像多重分形谱及其特征提取  36-46
  3.1 分形的基本理论  36-39
    3.1.1 分形的定义及分维数  36-37
    3.1.2 数学分形及统计分形  37-38
    3.1.3 多重分形及多重分形谱  38
    3.1.4 统计分形的多重分形谱构造原理  38-39
  3.2 局部放电灰度图像多重分形谱的构造  39-43
    3.2.1 局部放电灰度图像分形无标度区及其确定方法  39-40
    3.2.2 权值系数 q 对局部放电灰度图像多重分形谱的影响  40-41
    3.2.3 局部放电灰度图像多重分形谱  41-43
  3.3 局部放电灰度图像多重分形谱的特征提取  43-45
  3.4 本章小结  45-46
4 基于 BP 神经网络的模式识别  46-53
  4.1 人工神经网络的基本理论  46-48
    4.1.1 人工神经元模型及网络结构  46-47
    4.1.2 人工神经网络工作原理  47-48
  4.2 BP 神经网络的算法  48-50
  4.3 识别结果的分析  50-52
  4.4 本章小结  52-53
5 局部放电光测法信号和放电量的关系  53-63
  5.1 光测法信号和放电量关系的理论分析  53-55
    5.1.1 光测法信号一次积分值的物理意义  53-54
    5.1.2 信号一次积分值和放电量的关系  54-55
  5.2 实验系统及实验方法  55-57
    5.2.1 实验系统  55-56
    5.2.2 脉冲电流法系统校正  56
    5.2.3 实验方法及步骤  56
    5.2.4 实验数据的处理  56-57
  5.3 实验结果及其分析  57-59
    5.3.1 脉冲电流法和光测法信号波形  57-58
    5.3.2 信号一次积分值与视在放电量的分布区间  58-59
  5.4 信号一次积分值和放电量关系的建立  59-61
    5.4.1 特征参量的选取  59-60
    5.4.2 不同缺陷下信号一次积分值与放电量的关系  60-61
  5.5 光测法定量检测 GIS 内部局部放电的有效性验证  61-62
  5.6 本章小结  62-63
6 结论和展望  63-65
  6.1 结论  63-64
  6.2 展望  64-65
致谢  65-66
参考文献  66-72
附录  72
  A. 作者在攻读硕士学位期间发表的论文目录  72
  B. 作者在攻读硕士学位期间参与的科研项目  72

光测法检测局部放电的模式识别及放电量估计研究

内容摘要

全文目录

相似论文