CN113158452A - 一种基于支持向量机的避雷器缺陷原因分析方法和系统 - Google Patents
一种基于支持向量机的避雷器缺陷原因分析方法和系统 Download PDFInfo
- Publication number
- CN113158452A CN113158452A CN202110382680.8A CN202110382680A CN113158452A CN 113158452 A CN113158452 A CN 113158452A CN 202110382680 A CN202110382680 A CN 202110382680A CN 113158452 A CN113158452 A CN 113158452A
- Authority
- CN
- China
- Prior art keywords
- lightning arrester
- support vector
- vector machine
- component
- defect
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 59
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 64
- 230000015556 catabolic process Effects 0.000 claims abstract description 32
- 238000006731 degradation reaction Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 32
- 230000032683 aging Effects 0.000 claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 238000012795 verification Methods 0.000 claims abstract description 17
- 229910052573 porcelain Inorganic materials 0.000 claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 239000012266 salt solution Substances 0.000 claims description 7
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 150000003839 salts Chemical class 0.000 claims description 6
- 239000007921 spray Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000011787 zinc oxide Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 claims 2
- 238000010835 comparative analysis Methods 0.000 abstract description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000011109 contamination Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000009666 routine test Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供了一种基于支持向量机的避雷器缺陷原因分析方法和系统，其中方法包括：对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；进行验证性试验确定所选取特征量的可行性和准确度。本发明提供的方法能够设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用，且降低了样本数量不足的影响，提升分析的准确度。
Description
技术领域
本发明涉及电力设备在线监测领域，特别是指一种基于支持向量机的避雷器缺陷原因分析方法和系统。
背景技术
目前，电力系统避雷器按照停电例行试验周期，基本上在4～6年。运行年限较长的避雷器，存在一定的劣化、进潮失效等缺陷，若不及时发现这一缺陷，极易导致避雷器贯穿接地、甚至爆炸，影响供电可靠性。为此，供电技改、设计部门在变电站室外主变侧、变电站室外无功补偿装置、重要用户出线等避雷器上安装了放电计数器，有些还使用了在线监测表计，监测避雷器运行情况，以便及早发现缺陷采取措施。但是，制造商大多生产的避雷器在线监测表计量程是1mA或3mA，安装在电力系统避雷器上，表计显示泄露电流不明显。另外，表计在现场受到大容量变压器磁场、无功补偿装置电抗器磁场影响，表计指示与实际相比偏差加大。目前，国家及行业没有对避雷器在线检测数据给出标准，通过表计观察避雷器泄露电流变化，判断避雷器的缺陷原因，还存在一定困难。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于支持向量机的避雷器缺陷原因分析方法，能够设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用，且降低了样本数量不足的影响，提升分析的准确度。
本发明采用如下技术方案：
一种基于支持向量机的避雷器缺陷原因分析方法，包括如下步骤：
对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
进行验证性试验确定所选取特征量的可行性和准确度。
具体地，所述避雷器为开关柜内所用的系统额定电压10kV、避雷器额定电压17kV、持续运行电压13.6kV的配电型氧化锌避雷器。
具体地，所述对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器，具体为：
所述模拟不同缺陷原因的避雷器的方法分别为加速老化试验、注水法和盐雾法，不同劣化程度的控制变量分别为高温电阻炉加热时长、注水量和盐溶液的浓度。
具体地，所述结合小波变换法复现原始波形，具体为：
结合平移不变量小波消噪算法或小波阈值消噪算法复现原始波形。
具体地，所述采用支持向量机模型对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量步骤之前还包括：对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为：
采用粗-细网格搜索法或遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，获得优化后的支持向量机模型。
具体地，所述的支持向量机模型为SVR、LIBSVM或LSSVM工具箱。
具体地，采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量，所述选取评估特征量具体为：
阻性电流基波分量、三次谐波分量的波形、幅值和相位。
本发明实施例另一方面提供一种基于支持向量机的避雷器缺陷原因分析系统，包括：
模拟单元：对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
信号提取单元：通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
选取特征量单元：采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
验证单元：进行验证性试验确定所选取特征量的可行性和准确度。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
(1)本发明公开了一种基于支持向量机的避雷器缺陷原因分析方法，首先对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；进行验证性试验确定所选取特征量的可行性和准确度；本发明提供的方法能够设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用，且降低了样本数量不足的影响，提升分析的准确度。
(2)本发明采用预处理的方式如：加速老化试验、注水法和盐雾法模拟缺陷避雷器，并设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用；
(3)本发明采用小波变换法处理泄漏电流波形，极大地消除了噪声和高频谐波的影响，在还原原始波形的同时尽可能保留表征劣化特征的低频分量；
(4)本发明基于支持向量机模型分析避雷器缺陷原因与泄漏电流的关联，降低了样本数量不足的影响；
(5)本发明提供的方法具有可扩展性，通过引入改进的多分类函数可以将阻性电流基波和三次谐波分量的波形、幅值以及相位等多种参数同时考虑进去，进一步提升判断的准确度；获得的分析结果可为避雷器缺陷原因的评估提供参考。
附图说明
图1是本发明实施例提供的一种基于支持向量机的避雷器缺陷原因分析方法的具体流程图；
图2是本发明实施例单相试验原理图；
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
本发明公开了一种基于支持向量机的避雷器缺陷原因分析方法，首先对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；进行验证性试验确定所选取特征量的可行性和准确度；本发明提供的方法能够设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用，且降低了样本数量不足的影响，提升分析的准确度。
如图1，为本发明一种基于支持向量机的避雷器缺陷原因分析方法流程图，包括如下步骤：
S101：对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
避雷器为10kV开关柜中的避雷器，其中10kV开关柜指10千伏电压等级，10千伏三相供电电压偏差低于标称电压的7％、单相供电电压偏差低于标称电压的10％的开关柜；
所述避雷器为开关柜内所用的系统额定电压10kV、避雷器额定电压17kV、持续运行电压13.6kV的配电型氧化锌避雷器。
具体地，所述对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器，具体为：
所述模拟不同缺陷原因的避雷器的方法分别为加速老化试验、注水法和盐雾法，不同劣化程度的控制变量分别为高温电阻炉加热时长、注水量和盐溶液的浓度；
具体实施例中：
在避雷器的各部件组装之前进行预处理。利用加速老化试验模拟阀片老化的缺陷避雷器，具体方式为：将非线性电阻阀片放入高温电阻炉，加热温度设置为500℃，加热时长分别设置为3小时、6小时、9小时、12小时、15小时，从而模拟5组不同劣化程度下的缺陷避雷器。利用注水法模拟内部受潮的缺陷避雷器，具体方式为：在避雷器整体组装完成但尚未密封时，向避雷器内部注入清水，注水量分别设置为6ml、8ml、10ml、12ml、14ml，然后密封静置一周，使水分充分挥发，从而更好地模拟自然受潮的情况。利用盐雾法模拟表面污秽的缺陷避雷器，具体方式为：配置不同浓度的盐溶液，浓度分别设置为2.5kg/m3、5kg/m3、10kg/m3、15kg/m3、20kg/m3，用清水将避雷器的瓷套表面擦拭干净后风干，然后使用配置好的盐溶液均匀地喷洒在瓷套表面。
S102：通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
在实验室搭建避雷器的单相试验平台，试验原理如图2所示，通过单相试验提取缺陷避雷器的泄漏电流波形，以供后续分析。
与传统的Fourier分析技术相比，小波变换具有多分辨分析的特点，可以将信号中不同频率的分量区分开，对非线性问题和突变信号(如雷击电流信号)的分析更加准确，并广泛应用于信号消噪中。小波变换的步骤为：(1)选取不同的小波函数(如sym8小波等)和分解层次(如尺度1～6)，对泄漏电流ix进行小波分解，得到小波系数和尺度系数；(2)小波系数的阈值量化；(3)信号重构，同时保留3次和5次谐波分量；(4)将不同情况下复现得到的波形与比原始模拟信号进行比较，确定小波函数和分解层次的最优组合。
具体地，所述结合小波变换法复现原始波形，具体为：
结合平移不变量小波消噪算法或小波阈值消噪算法复现原始波形。
S103：采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
针对样本(缺陷避雷器)数量不足和特征量(用于表征劣化情况的参数)选取较少的问题，考虑建立支持向量机模型，该方法在小样本多分类方面的适用性较好。
所述的支持向量机模型为SVR、LIBSVM或LSSVM工具箱，本实施例选择了LIBSVM工具箱，因为LIBSVM工具箱能有效解决分类问题和交叉验证参数选择；
具体地，采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量，所述选取评估特征量具体为：
阻性电流基波分量、三次谐波分量的波形、幅值和相位。
具体地，所述采用支持向量机模型对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量步骤之前还包括：对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为：
采用交叉验证思想和粗-细网格搜索法优化支持向量机模型参数，具体指优化支持向量机模型的惩罚因子c和核函数参数g。本实施例中采用粗-细网格搜索法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好，即误差最小的参数作为最优值，从而获得优化后的支持向量机模型。本具体实施中，k取3。除了粗-细网格搜索法，也可以采用遗传算法或粒子群算法搜索优化支持向量机模型参数。
在避雷器长期运行过程中，将逐渐出现阀片老化或受潮等缺陷，使阀片的非线性电阻减小、阻性电流增大，进而表现为泄漏电流增大。根据本发明方法分析可知，阻性电流的基波和三次谐波分量为主要成分，更能反映避雷器的运行状态。
首先，同步采集避雷器端电压U和泄漏电流信号Ix，通过模数转换器将模拟信号转换为数字信号。其次，运用快速傅里叶变换算法对参考电压U和泄漏电流Ix进行分解，将时域信号转换为对应的频域信号，得到参考电压U和泄漏电流Ix的基波以及各次谐波对应的幅值、相位。然后，根据各电流量的矢量关系和三角函数的正交特性，推导得到阻性电流分量Ir的计算公式，从而分离出阻性电流的基波分量Ir1和各次谐波分量Irk(k＝3，5……)。
S104：进行验证性试验确定所选取特征量的可行性和准确度。
另取已知缺陷原因和劣化程度但劣化程度随机分布的5组避雷器，进行验证性试验，确定所选取特征量的可行性和准确度；
采用电阻炉加热的方式，使避雷器阀片逐渐老化，并利用高温加速这一过程。对避雷器表面进行开孔处理，将其完全浸没于清水中，模拟受潮缺陷。根据污秽试验标准配制盐溶液，利用喷雾器使其均匀分布于避雷器绝缘外套表面。
针对老化、受潮和污秽等缺陷情况，分别对不同劣化程度下的避雷器进行交流泄漏电流实验，采集参考电压和泄漏电流信号，并分离出阻性电流分量Ir。实验结果表明：当阀片老化时，泄漏电流的整体变化趋势与容性分量相似。当阻性电流分量有效值增大至初始值的2.28倍时，其容性分量的增幅为51.20％。在受潮缺陷的模拟实验中，泄漏电流的整体变化趋势，与阻性分量相似。当阻性电流分量有效值，接近初始值的6倍时，其容性分量的增幅约为50％。在表面污秽的模拟实验中，泄漏电流随着污秽程度的加深，而表现出不同的变化趋势。当阻性电流分量有效值的增幅超过2倍时，其容性分量仅上升8.33％。
本发明实施例另一方面提供一种基于支持向量机的避雷器缺陷原因分析系统，包括：
模拟单元：对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
信号提取单元：通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
选取特征量单元：采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
验证单元：进行验证性试验确定所选取特征量的可行性和准确度。
本发明公开了一种基于支持向量机的避雷器缺陷原因分析方法，首先对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；进行验证性试验确定所选取特征量的可行性和准确度；本发明提供的方法能够设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用，且降低了样本数量不足的影响，提升分析的准确度。
本发明采用预处理的方式如：加速老化试验、注水法和盐雾法模拟缺陷避雷器，并设置不同劣化程度进行比较分析，使分析结果的适用性更好，方便工程应用；
本发明采用小波变换法处理泄漏电流波形，极大地消除了噪声和高频谐波的影响，在还原原始波形的同时尽可能保留表征劣化特征的低频分量；
本发明基于支持向量机模型分析避雷器缺陷原因与泄漏电流的关联，降低了样本数量不足的影响；
本发明提供的方法具有可扩展性，通过引入改进的多分类函数可以将阻性电流基波和三次谐波分量的波形、幅值以及相位等多种参数同时考虑进去，进一步提升判断的准确度；获得的分析结果可为避雷器缺陷原因的评估提供参考。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (8)
1.一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，包括如下步骤：
对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
进行验证性试验确定所选取特征量的可行性和准确度。
2.根据权利要求1所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，所述避雷器为开关柜内所用的系统额定电压10kV、避雷器额定电压17kV、持续运行电压13.6kV的配电型氧化锌避雷器。
3.根据权利要求1所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，所述对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器，具体为：
所述模拟不同缺陷原因的避雷器的方法分别为加速老化试验、注水法和盐雾法，不同劣化程度的控制变量分别为高温电阻炉加热时长、注水量和盐溶液的浓度。
4.根据权利要求1所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，所述结合小波变换法复现原始波形，具体为：
结合平移不变量小波消噪算法或小波阈值消噪算法复现原始波形。
5.根据权利要求1所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，所述采用支持向量机模型对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量步骤之前还包括：对支持向量机模型的惩罚因子c和核函数参数g进行优化，具体为：
采用粗-细网格搜索法或遗传算法或粒子群算法取不同的惩罚因子c和核函数参数g，采用k-折交叉验证法得到不同的预测结果，取预测效果最好的惩罚因子c和核函数参数g作为最优参数，获得优化后的支持向量机模型。
6.根据权利要求5所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，所述的支持向量机模型为SVR、LIBSVM或LSSVM工具箱。
7.根据权利要求1所述的一种基于支持向量机的避雷器缺陷原因分析方法，其特征在于，采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量，所述选取评估特征量具体为：
阻性电流基波分量、三次谐波分量的波形、幅值和相位。
8.一种基于支持向量机的避雷器缺陷原因分析系统，其特征在于，包括：
模拟单元：对避雷器的内部阀片和瓷套表面进行预处理，模拟老化、受潮和表面污秽情况下的避雷器；
信号提取单元：通过单相试验提取泄漏电流，结合小波变换法复现原始波形，同时保留下可以低频分量，并分离出阻性电流基波分量和各次谐波分量；
选取特征量单元：采用支持向量机对有限样本的特征量选取和小样本多分类问题进行分析，研究不同缺陷原因及其劣化程度与阻性电流基波分量和各次谐波分量参数之间的联系，并选取评估特征量；
验证单元：进行验证性试验确定所选取特征量的可行性和准确度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110382680.8A CN113158452A (zh) | 2021-04-09 | 2021-04-09 | 一种基于支持向量机的避雷器缺陷原因分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110382680.8A CN113158452A (zh) | 2021-04-09 | 2021-04-09 | 一种基于支持向量机的避雷器缺陷原因分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113158452A true CN113158452A (zh) | 2021-07-23 |
Family
ID=76889649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110382680.8A Pending CN113158452A (zh) | 2021-04-09 | 2021-04-09 | 一种基于支持向量机的避雷器缺陷原因分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113158452A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114325176A (zh) * | 2021-12-09 | 2022-04-12 | 国网河南省电力公司电力科学研究院 | 一种氧化锌避雷器电阻阀片受潮老化的性能评估方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090063115A1 (en) * | 2007-08-31 | 2009-03-05 | Zhao Lu | Linear programming support vector regression with wavelet kernel |
| CN105469156A (zh) * | 2014-09-11 | 2016-04-06 | 国网四川省电力公司电力科学研究院 | Moa健康管理和故障预测方法及系统 |
| CN105954632A (zh) * | 2016-07-01 | 2016-09-21 | 国网江苏省电力公司宿迁供电公司 | 一种氧化锌避雷器在线监测与诊断方法 |
| CN106650037A (zh) * | 2016-11-30 | 2017-05-10 | 国网江苏省电力公司盐城供电公司 | 一种基于支持向量机回归的避雷器状态诊断方法 |
-
2021
- 2021-04-09 CN CN202110382680.8A patent/CN113158452A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090063115A1 (en) * | 2007-08-31 | 2009-03-05 | Zhao Lu | Linear programming support vector regression with wavelet kernel |
| CN105469156A (zh) * | 2014-09-11 | 2016-04-06 | 国网四川省电力公司电力科学研究院 | Moa健康管理和故障预测方法及系统 |
| CN105954632A (zh) * | 2016-07-01 | 2016-09-21 | 国网江苏省电力公司宿迁供电公司 | 一种氧化锌避雷器在线监测与诊断方法 |
| CN106650037A (zh) * | 2016-11-30 | 2017-05-10 | 国网江苏省电力公司盐城供电公司 | 一种基于支持向量机回归的避雷器状态诊断方法 |
Non-Patent Citations (7)
| Title |
|---|
| MASUME KHODSUZ ET AL: "Monitoring and identification of metal–oxide surge arrester conditions using multi-layer support vector machine", 《IET GENERATION, TRANSMISSION & DISTRIBUTION》, 1 December 2015 (2015-12-01), pages 2501 - 2508, XP006054525, DOI: 10.1049/iet-gtd.2015.0640 * |
| 于忠江: "金属氧化物避雷器（MOA）老化在线监测智能算法研究", 《中国优秀博硕士学位论文全文数据库(电子期刊) 工程科技Ⅱ辑》 * |
| 于忠江: "金属氧化物避雷器（MOA）老化在线监测智能算法研究", 《中国优秀博硕士学位论文全文数据库(电子期刊) 工程科技Ⅱ辑》, 15 January 2019 (2019-01-15) * |
| 何正嘉 等: "《测试信号处理技术（第2版）》", 北京航空航天大学出版社 * |
| 吴万春 等: "《测试信号处理技术（第2版）》", 北京航空航天大学出版社, pages: 479 - 480 * |
| 詹仲强 等: "基于小波分析诊断和支持向量机的避雷器在线监测数据故障分析", 《四川电力技术》 * |
| 詹仲强 等: "基于小波分析诊断和支持向量机的避雷器在线监测数据故障分析", 《四川电力技术》, 20 August 2020 (2020-08-20) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114325176A (zh) * | 2021-12-09 | 2022-04-12 | 国网河南省电力公司电力科学研究院 | 一种氧化锌避雷器电阻阀片受潮老化的性能评估方法 |
| CN114325176B (zh) * | 2021-12-09 | 2023-08-08 | 国网河南省电力公司电力科学研究院 | 一种氧化锌避雷器电阻阀片受潮老化的性能评估方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112255484B (zh) | 一种避雷器运行状态在线监测及评估方法和系统 | |
| CN108872820B (zh) | 高压电流互感器内油浸纸绝缘老化状态的评估方法及系统 | |
| CN113792495B (zh) | 一种基于在线监测数据的避雷器运行状态识别方法、装置 | |
| CN104749503A (zh) | 一种xlpe电缆绝缘老化状况的判定方法 | |
| Yang et al. | Dielectric response measurement of oil-paper insulation based on system identification and its time-frequency-domain conversion method | |
| CN110514954B (zh) | 一种基于pmu数据的电力线路故障诊断方法及系统 | |
| Deb et al. | Estimation of contamination level of overhead insulators based on surface leakage current employing detrended fluctuation analysis | |
| CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
| CN113158452A (zh) | 一种基于支持向量机的避雷器缺陷原因分析方法和系统 | |
| Zhang et al. | Research on estimating method for the smart electric energy meter’s error based on parameter degradation model | |
| CN113466607B (zh) | 一种三相电缆中间接头受潮状态分析方法 | |
| CN101930049B (zh) | 超高压电缆在线局放的监测方法 | |
| Dey et al. | Leakage current monitoring of suspension insulator for effective determination of ESDD | |
| Palangar et al. | Predicting critical conditions in polluted insulators using phase angle index of leakage current | |
| CN116819241A (zh) | 一种绝缘子寿命检测方法及系统 | |
| CN116466067A (zh) | 一种基于灰色理论的复合绝缘子硅橡胶材料剩余寿命预警方法 | |
| CN115481806A (zh) | 基于相关系数保留率的电缆剩余寿命在线预测方法及装置 | |
| Ilomuanya et al. | A study of the cleansing effect of precipitation and wind on polluted outdoor high voltage glass cap and pin insulator | |
| CN106908372A (zh) | 一种绝缘子金具腐蚀检测方法及检测实验数据系统 | |
| CN112257227A (zh) | 基于介电模量指纹数据库套管绝缘状态的评估方法 | |
| Yin | Noise Reduction of Insulator Leakage Current based on EMD-CIIT | |
| Yuan et al. | Lab investigation of PD development in transformer winding | |
| CN107861057B (zh) | 一种避雷器用脱离器的关键参数的确定方法 | |
| Fetherston et al. | Power transformer condition assessment-the second century and beyond | |
| Zhao et al. | Error Evaluation Method of Capacitive Voltage Transformer Based on Improved Principal Component Analysis |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
| RJ01 | Rejection of invention patent application after publication |