CN108051711B - 基于状态特征映射的固体绝缘表面缺陷诊断方法 - Google Patents
基于状态特征映射的固体绝缘表面缺陷诊断方法 Download PDFInfo
- Publication number
- CN108051711B CN108051711B CN201711269654.4A CN201711269654A CN108051711B CN 108051711 B CN108051711 B CN 108051711B CN 201711269654 A CN201711269654 A CN 201711269654A CN 108051711 B CN108051711 B CN 108051711B
- Authority
- CN
- China
- Prior art keywords
- discharge
- voltage
- breakdown
- solid insulation
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000007547 defect Effects 0.000 title claims abstract description 60
- 238000009413 insulation Methods 0.000 title claims abstract description 58
- 239000007787 solid Substances 0.000 title claims abstract description 30
- 238000013507 mapping Methods 0.000 title claims abstract description 23
- 238000003745 diagnosis Methods 0.000 title abstract description 14
- 230000015556 catabolic process Effects 0.000 claims abstract description 36
- 230000007774 longterm Effects 0.000 claims abstract description 12
- 238000011897 real-time detection Methods 0.000 claims abstract description 9
- 208000028659 discharge Diseases 0.000 claims description 148
- 238000012360 testing method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 22
- 238000000513 principal component analysis Methods 0.000 claims description 18
- 239000002184 metal Substances 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 14
- 239000003990 capacitor Substances 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 11
- 238000010168 coupling process Methods 0.000 claims description 11
- 238000005859 coupling reaction Methods 0.000 claims description 11
- 230000032683 aging Effects 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 9
- 230000018109 developmental process Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000004020 conductor Substances 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 239000002390 adhesive tape Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 239000012212 insulator Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
基于状态特征映射的固体绝缘表面缺陷诊断方法,涉及固体绝缘缺陷诊断方法。目前的固体绝缘缺陷诊断方法不能有效地对绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警。本发明包括以下步骤:进行绝缘缺陷在长期电压下放电状态特征库的建立;在此基础对样本库中固体绝缘表面缺陷放电的自然状态阶段划分;依据PCA和FCM方法对实时检测数据进行放电状态自动映射;放电击穿风险的诊断和预报。本技术方案解决了高压电力设备固体绝缘表面缺陷放电故障诊断和预警难题,实现有效地对现场工程条件下绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警。
Description
技术领域
本发明涉及固体绝缘缺陷诊断方法,尤其涉及基于状态特征映射的固体绝缘表面缺陷诊断方法。
背景技术
电力设备绝缘健康是保证供电可靠性的基础,是电力安全生产的根本保证。随着输电、变电的不断提高,电压等级也在不断提高,电气设备的可靠运行及故障诊断越发显得重要。从现场故障统计数据来看,高压设备固体绝缘缺陷由于不可恢复和具有累积性的特点,最终引发击穿或闪络故障的概率要远远高于其他型式的缺陷。特别是固体绝缘沿面放电会使绝缘在短时间内损坏,对设备造成危害严重。
目前,在GIS等高压设备局部放电诊断方面,工程上只能基于模式识别及故障定位的结果,由具有经验的专家根据绝缘理论进行猜测和推理,具有很大的主观性和不确定性。实验室的研究则往往通过升压加压方法,通过不同外施电压下的放电相位、幅值、次数及图谱等的变化,给出放电发展阶段的论断。由于人工升压过程引发了绝缘缺陷电场的突变,造成了放电参数的突变,使得放电阶段的划分与运行情况产生了本质的差异。同时,实验过程施加电压过高,也与工程中设备实际运行条件有着巨大差别,绝缘缺陷放电特征参数发展变化被人为升压过程掩盖掉了。此外,放电阶段的划分也不具有科学性,而是依据施加的电压水平为参考制定,不能有效地对绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供基于状态特征映射的固体绝缘表面缺陷诊断方法,以达到有效地对现场工程条件下绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警的目的。为此,本发明采取以下技术方案。
基于状态特征映射的固体绝缘表面缺陷诊断方法,包括以下步骤:
1)建立绝缘缺陷在长期电压下的放电状态特征库;
建库基于特高频法,对沿面放电发展至击穿全过程的放电信号进行实时采集,获得长期电压作用下的统计参数样本并存储,形成状态特征量样本库,参数包括局部放电幅度、放电次数等相关参数;
建库包括以下子步骤:
101)构建试验系统;
试验系统包括加压试验装置、特高频检测装置及GIS设备,加压试验装置用于输出试验所需电压,特高频检测装置用于进行局部放电信号的实时检测、数据采集和存储;
102)构建绝缘子沿面缺陷模型;
在GIS设备的绝缘盆子靠近高压导杆处放置一段金属导线模拟缺陷,金属导线一端为楔形尖端,用绝缘胶带固定在绝缘盆子表面;
103)加压试验;
在起始电压Ui和击穿电压Ub之间,选取多个电压等级,先施加接近Ub的电压,使其在较短的时间内击穿;接着由高到低施加多组不同恒定电压,记录沿面放电击穿全过程;
104)数据分析;
根据加压试验数据,进行数据分析,获得局部放电信号各统计参量放电发展趋势图;
2)对样本库中固体绝缘表面缺陷放电的状态划分;
将整个放电样本库数据划为两阶段,分别为正常电老化阶段和预击穿阶段;在正常电老化阶段采取跟踪监测策略,当检测到各项放电参数出现明显震荡跃变的现象时,判断放电进入到预击穿阶段,该阶段为严重高风险类型,需进行预警;
3)依据PCA和FCM方法对实时检测数据进行放电状态自动映射;
对实时检测的放电数据进行数字化参量提取;由于提取的特征参数之间可能存在相关联的量,因此首先采用主成分分析法PCA,对提取的特征参数进行降维处理;经过PCA降维后,获得较小的不相关的新特征参数,再通过模糊C均值算法,对提取的样本点进行聚类划分;
4)根据长期加压下对放电自然状态参量的阶段性特征、状态临界转换特征和实时检测数据的映射,对高压电力设备固体绝缘表面缺陷放电故障进行诊断和预警,对现场工程条件下绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警。
作为对上述技术方案的进一步完善和补充,本发明还包括以下附加技术特征。
在步骤104)中,数据分析包括子步骤:
a)统计特高频局放信号从加压到试品击穿全过程的放电次数N,放电幅值的均值Vave,放电幅值的标准差σ(V)以及放电幅值的熵值En(V);
b)统计油纸绝缘沿面放电PRPD谱图中正、负半周期的放电次数N+、N-,计算δ随统计次数T的变化趋势;
c)将放电幅值分成若干份,统计每个幅值段的放电次数;得到特高频局放信号放电次数相对放电幅值的分布情况随加压时间t的变化趋势,绘制n-v-t谱图;
d)按照特高频放电特性分析的方法,分别统计高频电流信号放电次数N、放电幅值的均值Vave、标准差σ(V)、熵值En(V)以及正负半周放电次数比δ随统计次数T的变化趋势图。
优选的,在步骤a)中,放电幅值的均值Vave、放电幅值的标准差σ(V)以及放电幅值的熵值En(V)的计算公式如下:
其中:Vi表示每次采集到特高频放电信号所对应的幅值;N表示单位统计时间内的放电次数;μ表示单位统计时间内放电幅值的均值;p(Vi)表示放电幅值为Vi的不确定度,即概率。
优选的,在步骤b)中,δ随统计次数T的变化趋势计算公式为:
优选的,在步骤3)中,基于主成分分析的降维过程包括:
301)选取的n个特征参数可能具有一定的相关性,采用KMO因子相关性分析方法进行特征参数的选择;并对原始数据进行标准化处理后,得到矩阵C;
302)根据公式(5)计算变量xi、xj之间的相关系数rij(i,j=1,2,3,…,n),构造相关系数矩阵Rn×n;
303)计算特征值λi(i=1,2,…,n)和特征向量Un×n;
304)根据公式(6)、(7)分别计算主成分贡献率和累计贡献率;选取累计贡献率为85-95%的特征值λ1,λ2,…,λm(m≤n)所对应的第一,第二,…,第m个主成分,即降维成m个互不相关的特征参数;
优选的,在步骤3)中,模糊C均值聚类计算过程如下:
305)在[0,1]中选取随机数,初始化隶属矩阵U,使其满足公式(8)中的约束条件;
306)根据公式(9)计算聚类中心ωi(i=1,…,ω);
其中m∈[1,∞),为加权指数;
307)根据公式(10)计算价值函数J;当J小于某个确定的阈值,或相对上次价值函数值的改变量小于某个阈值,则算法停止;
dij=‖ωi-xj‖ (11)
其中,ωi表示聚类中心,dij为第i个聚类中心与第j个数据点间的欧氏距离,按公式(11)计算;
308)根据公式(12)计算新的矩阵U′,返回306);
优选的,在步骤102)中,金属导线直径为0.7mm~0.9mm,长度为14.0mm~14.6mm,楔形尖端长1.2mm~1.4mm,末端距离高压导体4mm~6mm。
优选的,金属导线另一端距离腔体外壁24mm~26mm。
优选的,金属导线直径为0.8mm,长度为14.3mm,楔形尖端长1.3mm,末端距离高压导体约5mm;另一端距离腔体外壁25mm。
优选的,加压试验装置包括变压器T0、耦合电容器C0、设于变压器T0和耦合电容器C0之间的电阻Zp;变压器T0为无晕工频高压试验变压器;电阻Zp为限制大电流流过以避免工频试验变压器发生损坏的保护电阻;耦合电容器C0与GIS设备上的绝缘缺陷模型并联,耦合电容器C0底座上的电容分压器直接接地;试验系统的变压器T0、耦合电容器器C0与缺陷模型的单点接地;采用空载加压测试,确认试验过程中被试品上施加的电压远低于起晕电压Ui,且系统背景噪声水平不高于3pC,以满足局放试验要求。有效提高试验的准确性。
有益效果:本发明克服了以往高压设备局放诊断仅能进行放电类型识别和放电定位,却无法提供深度绝缘缺陷放电风险性的认识,无法有效应用于长期运行电压下放电缺陷严重程度的评估的不足。通过长期加压下对放电自然状态参量的阶段性特征及状态临界转换特征的发现和实时检测数据的映射,解决了高压电力设备固体绝缘表面缺陷放电故障诊断和预警难题,实现有效地对现场工程条件下绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警。
附图说明
图1是本发明的流程图。
图2是本发明的试验系统示意图。
图3是局部放电信号各统计参量放电发展趋势图。
图4是经PCA和FCM处理后的聚类映射图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明包括以下步骤:
S01:进行绝缘缺陷在长期电压下放电状态特征库的建立;
S02:在此基础对样本库中固体绝缘表面缺陷放电的自然状态阶段划分;
S03:依据PCA和FCM方法对实时检测数据进行放电状态自动映射;
S04:放电击穿风险的诊断和预报。
具体的实施方式如下:
(一)基于实时放电信号采集的状态特征量样本库建库;
基于特高频法和高频电流法,对沿面放电发展至击穿全过程的放电信号进行实时采集,获得长期电压作用下局部放电幅度、放电次数等相关的统计参数样本并建库。
具体建库实例说明如下:
1)试验系统
采用真实GIS腔体作为试验舱,内部充入0.4MPa气压的SF6,采用实时长记录特高频检测系统进行局部放电信号的检测、数据采集和存储。加压试验及检测回路如图2所示。
其中,T0为无晕工频高压试验变压器,电源容量10kVA,最高输出电压为120kV;Zp为保护电阻,当试品击穿时,其能够限制大电流流过,避免工频试验变压器发生损坏;C0为耦合电容器,与绝缘缺陷模型并联,本试验用容量为1000pF的高压电容器,其底座上的电容分压器直接接地。试验系统的变压器、耦合电容器器与缺陷模型的单点接地。通过空载加压测试,确认试验过程中被试品上施加的电压远低于起晕电压Ui,且系统背景噪声水平不高于3pC,满足局放试验要求。
2)绝缘子沿面缺陷模型
在GIS绝缘盆子上靠近高压导杆处放置一段金属导线模拟缺陷,本实例中,缺陷直径为0.8mm,长度为14.3mm,一端在截取时留下了楔形尖端,尖端长1.3mm,末端距离高压导体约5mm;另一端距离腔体外壁25mm,用绝缘胶带固定在绝缘盆子表面。
3)加压方式
具体操作如下:在起始电压Ui和击穿电压Ub之间,选取几个电压等级。先施加一个接近Ub(85%Ub)的电压,使其在较短的时间内击穿。按照表1,施加多组不同恒定电压,记录沿面放电击穿全过程。
表1各试品施加电压及击穿时间
3)数据分析
(1)统计特高频局放信号从加压到试品击穿全过程的放电次数N,放电幅值的均值Vave,放电幅值的标准差σ(V)以及放电幅值的熵值En(V),公式如下:
(2)统计油纸绝缘沿面放电PRPD谱图中正、负半周期的放电次数N+、N-,用公式(4)求取δ随统计次数T的变化趋势。
(3)绘制n-v-t谱图。N-V谱常用于表征放电次数相对于放电幅值的分布情况,将放电幅值分成若干份,统计每个幅值段的放电次数。得到特高频局放信号放电次数相对放电幅值的分布情况随加压时间t的变化趋势。
(4)按照特高频放电特性分析的方法,分别统计高频电流信号放电次数N、放电幅值的均值Vave、标准差σ(V)、熵值En(V)以及正负半周放电次数比δ随统计次数T的变化趋势图。
试验得到的图谱库如图3所示。
(二)正常电老化阶段和预击穿阶段;
根据对大量固体绝缘表面缺陷的恒压击穿验证,此类缺陷均经历正常电老化阶段和邻近击穿前的剧烈震荡期。正常电老化阶段是可以长期持续存在的,放电缺陷以蚕蚀方式缓慢发展,设备在该阶段并无击穿风险。而当电老化过程发展到一定程度,此时放电过程会从量变的积累发展到质变阶段,由于绝缘距离处于临界状态,放电发生桥连高低压电极的概率极具增大,放电变得非常不稳定,多项放电参数发生关联性剧烈跃变,特别在长期电压作用下这一现象尤为明显。
因此,本发明提出根据上述特征,将整个放电样本库数据划为两阶段,在正常电老化阶段采取跟踪监测策略;而一旦检测到各项放电参数出现明显震荡跃变的现象,即意味着放电进入到预击穿阶段,尽管此过程也可持续较长时间,但由于击穿风险极大,为避免突发性击穿事故发生,系统将该阶段放电诊断为严重高风险类型并进行预警。
(三)采用PCA和FCM方法进行放电状态自动映射;
对实时检测的放电数据以下参数进行数字化参量提取,如下表所示。
表2提取的特征参量
考虑到提取的特征参数之间可能存在相关联的量,因此首先采用主成分分析法(PCA),对提取的21个特征参数进行降维处理。经过PCA降维后,获得较小的不相关的新特征参数,再通过模糊C均值算法,对提取的样本点进行聚类划分,具体操作过程如下所示。
基于主成分分析的降维过程
①选取的n个特征参数可能具有一定的相关性,通常采用KMO(Kaiser-Meyer-Olkin)因子相关性分析方法进行特征参数的选择。并对原始数据进行标准化处理后,得到矩阵C。
②根据公式(5)计算变量xi、xj之间的相关系数rij(i,j=1,2,3,…,n),构造相关系数矩阵Rn×n。
③计算特征值λi(i=1,2,…,n)和特征向量Un×n。
④根据公式(6)、(7)分别计算主成分贡献率和累计贡献率。选取累计贡献率为85-95%的特征值λ1,λ2,…,λm(m≤n)所对应的第一,第二,…,第m个主成分,即降维成m个互不相关的特征参数。
基于模糊C均值算法的聚类处理
模糊C均值聚类算法(FCM)是按照某种判别准则,将数据的聚类转化为一个非线性优化问题,并通过迭代来进行求解,是目前非监督模式识别常用的方法。它的核心过程就是把p个向量xi(i=1,2,…,p)分为ω个模糊组,并求每组的聚类中心,使得非相似性指标的价值函数达到最小。具体计算过程如下:
①在[0,1]中选取随机数,初始化隶属矩阵U,使其满足公式(8)中的约束条件。
②根据公式(9)计算聚类中心ωi(i=1,…,ω)。
其中m∈[1,∞),为加权指数。
③根据公式(10)计算价值函数J。当J小于某个确定的阈值,或相对上次价值函数值的改变量小于某个阈值,则算法停止。
dij=‖ωi-xj‖ (11)
其中dij为第i个聚类中心与第j个数据点间的欧氏距离,按公式(11)计算。
④根据公式(12)计算新的矩阵U′,返回②。
图4为测验证试品的放电信号经PCA和FCM处理后的放电阶段映射图。通过图示,说明提取的特征参数可用于区分平稳发展区和预警区。与前期划分的两个放电区域结果相符。
以上图1、2所示的基于状态特征映射的固体绝缘表面缺陷诊断方法是本发明的具体实施例,已经体现出本发明实质性特点和进步,可根据实际的使用需要,在本发明的启示下,对其进行形状、结构等方面的等同修改,均在本方案的保护范围之列。
Claims (8)
1.基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于包括以下步骤:
1)建立绝缘缺陷在长期电压下的放电状态特征库;
建库基于特高频法和高频电流法,对沿面放电发展至击穿全过程的放电信号进行实时采集,获得长期电压作用下的统计参数样本并存储,形成状态特征量样本库,参数包括局部放电幅度、放电次数相关参数;
建库包括以下子步骤:
101)构建试验系统;
试验系统包括加压试验装置、特高频检测装置及GIS设备,加压试验装置用于输出试验所需电压,特高频检测装置用于进行局部放电信号的实时检测、数据采集和存储;
102)构建绝缘子沿面缺陷模型;
在GIS设备的绝缘盆子靠近高压导杆处放置一段金属导线模拟缺陷,金属导线一端为楔形尖端,用绝缘胶带固定在绝缘盆子表面;
103)加压试验;
在起始电压Ui和击穿电压Ub之间,选取多个电压等级,先施加接近Ub的电压,使其在较短的时间内击穿;接着由高到低施加多组不同恒定电压,记录沿面放电击穿全过程;
104)数据分析;
根据加压试验数据,进行数据分析,获得局部放电信号各统计参量放电发展趋势图;
2)对样本库中固体绝缘表面缺陷放电的状态划分;
将整个放电样本库数据划为两阶段,分别为正常电老化阶段和预击穿阶段;在正常电老化阶段采取跟踪监测策略,当检测到各项放电参数出现明显震荡跃变的现象时,判断放电进入到预击穿阶段,该阶段为严重高风险类型,需进行预警;
3)依据PCA和FCM方法对实时检测数据进行放电状态自动映射;
对实时检测的放电数据进行数字化参量提取;由于提取的特征参数之间可能存在相关联的量,因此首先采用主成分分析法PCA,对提取的特征参数进行降维处理;经过PCA降维后,获得较小的不相关的新特征参数,再通过模糊C均值算法,对提取的样本点进行聚类划分;
4)根据长期加压下对放电自然状态参量的阶段性特征、状态临界转换特征和实时检测数据的映射,对高压电力设备固体绝缘表面缺陷放电故障进行诊断和预警,对现场工程条件下固体绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警;
步骤104)中,数据分析包括子步骤:
a)统计特高频局放信号从加压到试品击穿全过程的放电次数N,放电幅值的均值Vave,放电幅值的标准差σ(V)以及放电幅值的熵值En(V);
b)统计油纸绝缘沿面放电PRPD谱图中正、负半周期的放电次数N+、N-,计算δ随统计次数T的变化趋势;
c)将放电幅值分成若干份,统计每个幅值段的放电次数;得到特高频局放信号放电次数相对放电幅值的分布情况随加压时间t的变化趋势,绘制n-v-t谱图;
d)按照特高频放电特性分析的方法,分别统计高频电流信号放电次数N、放电幅值的均值Vave、标准差σ(V)、熵值En(V)以及正负半周放电次数比δ随统计次数T的变化趋势图;
在步骤102)中,金属导线直径为0.7mm~0.9mm,长度为14.0mm~14.6mm,楔形尖端长1.2mm~1.4mm,末端距离高压导体4mm~6mm。
4.根据权利要求3所述的基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于:在步骤3)中,基于主成分分析的降维过程包括:
301)选取的n个特征参数可能具有一定的相关性,采用KMO因子相关性分析方法进行特征参数的选择;并对原始数据进行标准化处理后,得到矩阵C;
302)根据公式(5)计算变量xi、xj之间的相关系数rij(i,j=1,2,3,…,n),构造相关系数矩阵Rn×n;
303)计算特征值λi(i=1,2,…,n)和特征向量Un×n;
304)根据公式(6)、(7)分别计算主成分贡献率和累计贡献率;选取累计贡献率为85-95%的特征值λ1,λ2,…,λm(m≤n)所对应的第一,第二,…,第m个主成分,即降维成m个互不相关的特征参数;
5.根据权利要求4所述的基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于:在步骤3)中,模糊C均值聚类计算过程如下:
305)在[0,1]中选取随机数,初始化隶属矩阵U,使其满足公式(8)中的约束条件;
其中,uij表示矩阵U中的元素;
306)根据公式(9)计算聚类中心ωi(i=1,…,ω);
其中m∈[1,∞),为加权指数;
307)根据公式(10)计算价值函数J;当J小于某个确定的阈值,或相对上次价值函数值的改变量小于某个阈值,则算法停止;
dij=||ωi-xj|| (11)
其中,ωi表示聚类中心,dij为第i个聚类中心与第j个数据点间的欧氏距离,按公式(11)计算;
308)根据公式(12)计算新的矩阵U′,返回306);
其中,dij表示第i个聚类中心与第j个数据点间的欧氏距离,dkj表示第k个聚类中心与第j个数据点间的欧氏距离。
6.根据权利要求5所述的基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于:金属导线另一端距离腔体外壁24mm~26mm。
7.根据权利要求1所述的基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于:金属导线直径为0.8mm,长度为14.3mm,楔形尖端长1.3mm,末端距离高压导体5mm;另一端距离腔体外壁25mm。
8.根据权利要求7所述的基于状态特征映射的固体绝缘表面缺陷诊断方法,其特征在于:加压试验装置包括变压器T0、耦合电容器C0、设于变压器T0和耦合电容器C0之间的电阻Zp;变压器T0为无晕工频高压试验变压器;电阻Zp为限制大电流流过以避免工频试验变压器发生损坏的保护电阻;耦合电容器C0与绝缘缺陷模型并联,其底座上的电容分压器直接接地;试验系统的变压器T0、耦合电容器C0与缺陷模型的单点接地;采用空载加压测试,确认试验过程中被试品上施加的电压远低于起晕电压Ui,且系统背景噪声水平不高于3pC,以满足局放试验要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269654.4A CN108051711B (zh) | 2017-12-05 | 2017-12-05 | 基于状态特征映射的固体绝缘表面缺陷诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711269654.4A CN108051711B (zh) | 2017-12-05 | 2017-12-05 | 基于状态特征映射的固体绝缘表面缺陷诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108051711A CN108051711A (zh) | 2018-05-18 |
CN108051711B true CN108051711B (zh) | 2021-05-28 |
Family
ID=62122042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711269654.4A Active CN108051711B (zh) | 2017-12-05 | 2017-12-05 | 基于状态特征映射的固体绝缘表面缺陷诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108051711B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116193B (zh) * | 2018-06-14 | 2020-11-24 | 国网浙江省电力有限公司检修分公司 | 基于局放信号综合熵值的电气设备危险性放电判别方法 |
CN109061426B (zh) * | 2018-11-02 | 2021-10-22 | 国网河北省电力有限公司电力科学研究院 | 变压器局部放电故障诊断方法及在线监测装置 |
CN110470964A (zh) * | 2019-08-13 | 2019-11-19 | 国网天津市电力公司电力科学研究院 | 基于检修决策目的的gis尖端放电阶段判断方法及判断装置 |
CN110531228A (zh) * | 2019-09-03 | 2019-12-03 | 国网湖南省电力有限公司 | 基于主成分降维与聚类分析的gis局放严重程度判断方法、系统及介质 |
CN112447258B (zh) * | 2019-09-05 | 2024-05-28 | 上海交通大学 | 闪存器件本征击穿时间的测量方法及系统 |
CN111308288B (zh) * | 2020-03-06 | 2021-11-26 | 西南交通大学 | 一种考虑油中水分的油纸绝缘局部放电发展阶段的判断方法 |
CN111175626A (zh) * | 2020-03-20 | 2020-05-19 | 广东电网有限责任公司 | 一种开关柜绝缘状态异常检测方法 |
CN111783344B (zh) * | 2020-07-07 | 2024-03-08 | 天津大学 | 一种基于磁场分布特征仿真分析电缆缺陷的方法 |
CN112417950A (zh) * | 2020-09-29 | 2021-02-26 | 华北电力大学 | 一种gis特高频法局部放电类型诊断方法 |
CN113379313B (zh) * | 2021-07-02 | 2023-06-20 | 贵州电网有限责任公司 | 一种具有智能化的预防性试验作业管控系统 |
CN113406460A (zh) * | 2021-07-30 | 2021-09-17 | 江苏新亚高电压测试设备有限公司 | 一种电压互感器局部放电故障诊断方法、装置及电子设备 |
CN113568353A (zh) * | 2021-07-30 | 2021-10-29 | 国网四川省电力公司电力科学研究院 | 基于精简状态特征集的开关柜局部放电监测预警方法 |
CN114200020A (zh) * | 2021-11-04 | 2022-03-18 | 广西电网有限责任公司南宁供电局 | 基于耦合超声的二次电缆线芯绝缘损伤识别方法 |
CN114184904B (zh) * | 2021-11-05 | 2022-07-08 | 西南交通大学 | 一种动车组乙丙橡胶电缆绝缘损伤程度的评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3493970B2 (ja) * | 1997-09-22 | 2004-02-03 | 株式会社日立製作所 | ブッシング監視装置及びその監視方法 |
CN103645425B (zh) * | 2013-11-15 | 2015-06-10 | 广东电网公司电力科学研究院 | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 |
CN203849364U (zh) * | 2014-04-30 | 2014-09-24 | 王敏 | 用于绝缘电器检测的局部放电检测仪 |
-
2017
- 2017-12-05 CN CN201711269654.4A patent/CN108051711B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108051711A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108051711B (zh) | 基于状态特征映射的固体绝缘表面缺陷诊断方法 | |
CN109116193B (zh) | 基于局放信号综合熵值的电气设备危险性放电判别方法 | |
CN112014700B (zh) | 基于局部放电多信息融合的gis绝缘子缺陷识别方法及系统 | |
Chan et al. | Time-frequency sparsity map on automatic partial discharge sources separation for power transformer condition assessment | |
CN109029959B (zh) | 一种变压器绕组的机械状态检测方法 | |
CN111308288B (zh) | 一种考虑油中水分的油纸绝缘局部放电发展阶段的判断方法 | |
CN105403777A (zh) | 一种复合绝缘子老化状态分级及判别方法 | |
CN115856529A (zh) | 一种基于pdc多特征量权重的cvt绝缘老化状态评估方法 | |
KR20030025362A (ko) | 임피던스 스펙트럼의 패턴 매칭기법을 이용한 단위전지분류방법 | |
CN114217164B (zh) | 一种基于放电波形智能识别的电缆故障测距方法及系统 | |
Javandel et al. | Multiple partial discharge sources separation using a method based on laplacian score and correlation coefficient techniques | |
Gulski et al. | Automized recognition of partial discharges in cavities | |
Chang et al. | Adaptive adjustment of threshold criterion in predicting failure for medium voltage power cable joints | |
Kiitam et al. | Characteristic pulse pattern features of different types of partial discharge sources in power cables | |
CN113837003B (zh) | 识别局部放电类型方法、装置、存储介质及电子装置 | |
CN115902557A (zh) | 开关柜故障诊断处理方法、装置及非易失性存储介质 | |
Fan et al. | Research on partial discharge identification of power transformer based on chaotic characteristics extracted by GP algorithm | |
CN109917245B (zh) | 考虑相位差的超声检测局部放电信号模式识别方法 | |
Tharamal et al. | Statistical analysis of the partial discharge data for the classification of transformer oil | |
Massingue et al. | Partial discharge pattern analysis of modeled insulation defects in transformer insulation | |
Bozzo et al. | Electrical tree tests. Probabilistic inference and insulating material evaluation | |
Abd Rahman et al. | Partial discharge location within a transformer winding using principal component analysis | |
Dalstein et al. | Partial Discharge Defect Recognition Tool For MV/HV DC Equipment | |
Chang et al. | Application of Convolutional Neural Networks on Insulation Status Prediction Using Partial discharges for Underground Cable Joints | |
CN113792034B (zh) | 局部放电数据的清洗方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |