CN113553756A - 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 - Google Patents
一种含气泡油纸绝缘状态评估模拟测试的方法及系统 Download PDFInfo
- Publication number
- CN113553756A CN113553756A CN202110636774.3A CN202110636774A CN113553756A CN 113553756 A CN113553756 A CN 113553756A CN 202110636774 A CN202110636774 A CN 202110636774A CN 113553756 A CN113553756 A CN 113553756A
- Authority
- CN
- China
- Prior art keywords
- insulation
- partial discharge
- test
- aging
- bubble
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012360 testing method Methods 0.000 claims abstract description 92
- 230000032683 aging Effects 0.000 claims abstract description 80
- 230000005684 electric field Effects 0.000 claims abstract description 31
- 238000013210 evaluation model Methods 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 18
- 238000000556 factor analysis Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 239000000123 paper Substances 0.000 claims description 89
- 239000003921 oil Substances 0.000 claims description 82
- 238000009826 distribution Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000003878 thermal aging Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000001035 drying Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 239000002480 mineral oil Substances 0.000 claims description 4
- 235000010446 mineral oil Nutrition 0.000 claims description 4
- 239000011087 paperboard Substances 0.000 claims description 4
- 238000001291 vacuum drying Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000002791 soaking Methods 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 claims description 2
- 239000012212 insulator Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- WCVXAYSKMJJPLO-UHFFFAOYSA-N furan Chemical class C=1C=COC=1.C=1C=COC=1 WCVXAYSKMJJPLO-UHFFFAOYSA-N 0.000 description 1
- 150000002240 furans Chemical class 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 229920013716 polyethylene resin Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G01R31/1263—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1281—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 of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of liquids or gases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请公开了一种含气泡油纸绝缘状态评估模拟测试的方法及系统。其中，搭建含气泡油纸绝缘的局部放电实验平台；建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；根据所述含气泡油纸绝缘测试结果，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；构建GA‑BP神经网络老化评估模型；构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA‑BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
Description
技术领域
本申请涉及电气设备故障诊断技术领域，特别是涉及一种含气泡油纸绝缘状态评估模拟测试的方法及系统。
背景技术
大型油浸式电力变压器作为电力系统的枢纽设备，其绝缘运行状况好坏和健康水平直接关系到电网的安全与稳定，而油纸绝缘是油浸式电力变压器内绝缘的主要组成形式，因此对油纸绝缘状态进行诊断评估具有重要的工程意义。电力变压器绝缘故障的主要原因是绝缘薄弱处的局部放电(PD，简称局放)引起的绝缘失效。局部放电不仅是绝缘劣化的原因，更是绝缘劣化的先兆和表现形式，因此，国内外都广泛地把局部放电测量作为绝缘状态质量监控的重要指标。
化学诊断法是目前国内外评估油纸绝缘老化状态的主要方法，包括油中溶解气体分析(DGA)、油中呋喃(Furan)衍生物含量检测、聚合度DP与抗拉强度TS测量、油中酸值和微水测量等。但这些方法均存在一定的不足：DGA的油中溶解气体不仅可以来源于纸老化，油在老化过程中也会产生各种气体；呋喃衍生物是纤维素老化过程中的特殊产物，但其浓度会受到热虹吸器以及滤油的影响；DP和TS需要离线吊罩测量，且取纸部位不同得到的结果相差较大；油中酸值和微水含量对老化过程有着重要的影响，但与老化状态之间没有明显的相关性。因此，传统诊断方法的固有缺陷使得其不再实用，而电力系统的快速发展则迫切需要研究能够克服传统化学方法不足的电力变压器油纸绝缘老化状态的在线评估方法。
虽然电力变压器现场故障诊断仍以离线实验和在线油色谱分析为主，但是基于局部放电的油纸绝缘状态评估在预测变压器放电性故障方面具有一定的优势与潜力，不仅可以弥补油中气体溶解性与扩散性对油色谱分析的影响，还可以实时灵敏地反映油纸绝缘的质量，从而排除高能放电隐患。
局部放电是一种无损的在线监测手段，国内外的多项研究结果表明局部放电的某些特征量能够在一定程度上反映不同老化阶段的绝缘特性，但这些特征量与绝缘真实老化状态之间可能是多维空间上的复杂非线性关系，并且油纸绝缘是固液两相复合绝缘，老化机理较单一固、液绝缘复杂，使得通过某一个或几个特征量的变化来确定其真实老化状态很难实现，因此需要采用智能化的分析手段，融合多个老化特征量，对绝缘所处状态进行准确的评估。
以局部放电为特征量来反映电力设备绝缘状态的研究主要开展于20世纪90年代初，除了应用于聚乙烯、环氧树脂等材料的绝缘状态评估外，近年来也大量应用于油纸绝缘状态评估。目前局部放电(PD)已作为绝缘状态质量监控的重要指标，但基于局部放电的变压器油纸绝缘状态评估并无广泛工程应用。
发明内容
本公开的实施例提供了一种含气泡油纸绝缘状态评估模拟测试的方法及系统，以至少解决现有技术中存在的目前局部放电(PD)已作为绝缘状态质量监控的重要指标，但基于局部放电的变压器油纸绝缘状态评估并无广泛工程应用的技术问题。
根据本公开实施例的一个方面，提供了一种含气泡油纸绝缘状态评估模拟测试的方法，包括：搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
根据本公开实施例的另一方面，还提供了一种含气泡油纸绝缘状态评估模拟测试的系统，包括：搭建实验平台模块，用于搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；建立测试模型模块，用于建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；确定测试结果模块，用于在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；提取主成分因子模块，用于根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；构建评估模型模块，用于根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；评估样本模块，用于构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
在本发明中，由于含气泡油纸绝缘老化评估的原理和方法的研究是基于实验室加速热老化试品的局部放电数据，取得了较好的效果。GA-BP网络对老化的识别率得到了一定的提高，能够对油纸绝缘的热老状态进行较有效评估，可以灵敏地反映油纸绝缘的质量，从而排除高能放电隐患，使电力系统运行更加可靠、安全、稳定。
附图说明
此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：
图1是根据本公开实施例所述的一种含气泡油纸绝缘状态评估模拟测试的方法的流程示意图；
图2是根据本公开实施例所述的老化状态的单位圆描述示意图；
图3是根据本公开实施例所述的老化评估模型结构的示意图；
图4是根据本公开实施例所述的一种含气泡油纸绝缘状态评估模拟测试的系统的示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
根据本申请的另一个方面，提供了一种含气泡油纸绝缘状态评估模拟测试的方法100。参考图1所示，该方法100包括：
S102：搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；
S104：建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；
S106：在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；
S108：根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；
S110：根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；
S112：构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
本实施例含气泡油纸绝缘状态评估模拟测试方法，包括以下步骤：
(1)搭建含气泡油纸绝缘局部放电实验平台，两种电极结构分别为板-板电极和针-板电极两种电极结构，分别用于产生均匀电场和不均匀电场。
(2)制作不同绝缘状态(老化程度)的含气泡油纸绝缘测试模型。将绝缘纸板放入120℃/50Pa的真空干燥箱中干燥2h，在真空状态下注入温度为60℃的25#普通矿物油，保持真空50Pa，箱内温度为60℃，浸渍48h，确保绝缘纸浸渍充分。在脉冲电流法基础上，依据国际标准IEC60270-2000搭建电热老化实验平台，采用改进的阶梯升压法开展电老化试验，进而得到样品。
(3)进行含气泡油纸绝缘模型的局部放电测试。测试不少于3种典型振动频率下的绝缘性能参数变化，优选适用于含气泡油纸绝缘状态评估的局部放电特征量，根据采集的局部放电原始数据提取了PRPD模式的四个统计图谱及其29个特征参量，四个图谱包括最大放电量-相位分布
平均放电量-相位分布
放电频数-放电量分布
以及放电频数-放电量分布Hn(q)，29个统计参量包括偏斜度Sk、陡翘度Ku、峰值个数Peaks、不对称度Asy、相关系数Cc以及Weibull分布尺度、形状参数α和β。
(4)结合含气泡油纸绝缘测试结果，统计分析不同实验条件(不同电场条件及频率)下的局部放电特征量；利用因子分析方法提取局部放电统计参量的10个主成分因子作为网络的输入参量以消除特征量之间的相关性和简化评估模型，
(5)引入二维平面的单位圆来描述油纸绝缘的老化状态，并进行归一化处理。然后根据放电频率n将油纸绝缘状态划分为五个老化阶段。如图2所示为本实施例的老化状态的单位圆描述，如表1所示为本实施例的老化阶段划分。
表1
(6)构建基于局部放电特征量的数学映射关系(构建反映含气泡油纸绝缘状态的局部放电特征量数据库及含气泡油纸绝缘状态评估方程)。根据步骤(4)中局部放电特征参量的主成分因子和步骤(5)中的单位圆构建GA-BP神经网络老化评估模型，并对测试样本进行老化状态评估。所述GA-BP网络对老化的识别率得到了一定的提高，能够对油纸绝缘的热老化状态进行较有效评估。如图3所示为本实施例的老化评估模型结构。
GA-BP神经网络的编码方式如下：
采用实数编码方式将网络权值按一定顺序编为一个长串(w11，w12，…，b1，w21，w22，b2，…，wij，bi，…)，其中wij是神经元j到神经元i的权值，bi是神经元i的阈值。
GA-BP神经网络的个体适应度函数如下：
式中，E为平均误差，yoi为第i个训练样本的网络输出值；doi为第i个训练样本的网络期望输出值；k为训练样本数。
GA-BP神经网络的初始化种群P如下：
式中，f为进行交叉或变异的个体适应度值；fmax为该代种群个体的最大适应度值；favg为该代所有个体的适应度平均值；Pc1，Pc2，Pm1，Pm2为数。
对个体i的选择概率Pi为
式中，fi为个体i的适应度。
具体的交叉过程如下所示：
Gi+1＝PcGi+(1-Pc)Gj
Gj+1＝PcGj+(1-Pc)Gi
变异操作如下式所示：
Gj+1＝Gj[1+Pm(2δ-1)]
将每一代遗传操作产生的新一代群体的最高适应度值与上一代群体的最高适应度值比较，若小于上一代的最高适应度值，则随机淘汰新一代中的一个个体，并加入上一代中具有最高适应度值的个体。
从而，由于含气泡油纸绝缘老化评估的原理和方法的研究是基于实验室加速热老化试品的局部放电数据，取得了较好的效果。GA-BP网络对老化的识别率得到了一定的提高，能够对油纸绝缘的热老状态进行较有效评估，可以灵敏地反映油纸绝缘的质量，从而排除高能放电隐患，使电力系统运行更加可靠、安全、稳定。
可选地，设置两种电极结构以适用于均匀/不均匀电场，包括：设置板-板电极结构，适用于均匀电场；设置针-板电极结构，适用于不均匀电场。
可选地，所述不同绝缘状态的含气泡油纸的制作方法，包括：将绝缘纸板放入120℃/50Pa的真空干燥箱中干燥2h，在真空状态下注入温度为60℃的25#普通矿物油，保持真空50Pa，箱内温度为60℃，浸渍48h，确保绝缘纸浸渍充分；在脉冲电流法基础上，依据国际标准IEC60270-2000搭建电热老化实验平台，采用阶梯升压法开展电老化试验，进而得到所述不同绝缘状态的含气泡油纸。
可选地，在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果，包括：根据预先采集的局部放电原始数据，提取PRPD模式的统计图谱以及局部放电特征量，所述统计图谱包括最大放电量-相位分布
平均放电量-相位分布
放电频数-放电量分布
以及放电频数-放电量分布Hn(q)，所述局部放电特征量的特征量包括偏斜度Sk、陡翘度Ku、峰值个数Peaks、不对称度Asy、相关系数Cc以及Weibull分布尺度、形状参数α和β；在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果。
可选地，构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估，包括：在单因子加速热老化试验的基础上测量不同老化阶段试品的局部放电，利用因子分析方法从局部放电特征量中提取主成分因子向量；引入单位圆描述油纸绝缘的老化状态，建立以老化半径R为单一目标的三层BP神经网络评估模型；以局部放电因子向量作为输入，老化状态的表征量作为输出；确定BP网络拓扑结构，输入训练样本利用GA对权值进行优化，对种群最终进化代的最优个体进行解码得到网络权值。
从而，由于含气泡油纸绝缘老化评估的原理和方法的研究是基于实验室加速热老化试品的局部放电数据，取得了较好的效果。GA-BP网络对老化的识别率得到了一定的提高，能够对油纸绝缘的热老状态进行较有效评估，可以灵敏地反映油纸绝缘的质量，从而排除高能放电隐患，使电力系统运行更加可靠、安全、稳定。
根据本实施例的另外一个方面，还包括了一种含气泡油纸绝缘状态评估模拟测试的系统400，参考图4所示，该系统400包括：搭建实验平台模块410，用于搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；建立测试模型模块420，用于建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；确定测试结果模块430，用于在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；提取主成分因子模块440，用于根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；构建评估模型模块450，用于根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；评估样本模块460，用于构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
本发明的实施例的一种含气泡油纸绝缘状态评估模拟测试的系统400与本发明的另一个实施例的一种含气泡油纸绝缘状态评估模拟测试的方法100相对应，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种含气泡油纸绝缘状态评估模拟测试的方法，其特征在于，包括：
搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；
建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；
在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；
根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；
根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；
构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
2.根据权利要求1所述的方法，其特征在于，设置两种电极结构以适用于均匀/不均匀电场，包括：
设置板-板电极结构，适用于均匀电场；
设置针-板电极结构，适用于不均匀电场。
3.根据权利要求1所述的方法，其特征在于，所述不同绝缘状态的含气泡油纸的制作方法，包括：
将绝缘纸板放入120℃/50Pa的真空干燥箱中干燥2h，在真空状态下注入温度为60℃的25#普通矿物油，保持真空50Pa，箱内温度为60℃，浸渍48h，确保绝缘纸浸渍充分；
在脉冲电流法基础上，依据国际标准IEC60270-2000搭建电热老化实验平台，采用阶梯升压法开展电老化试验，进而得到所述不同绝缘状态的含气泡油纸。
4.根据权利要求1所述的方法，其特征在于，在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果，包括：
根据预先采集的局部放电原始数据，提取PRPD模式的统计图谱以及局部放电特征量，所述统计图谱包括最大放电量-相位分布
平均放电量-相位分布
放电频数-放电量分布
以及放电频数-放电量分布Hn(q)，所述局部放电特征量的特征量包括偏斜度Sk、陡翘度Ku、峰值个数Peaks、不对称度Asy、相关系数Cc以及Weibull分布尺度、形状参数α和β；
在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果。
5.根据权利要求1所述的方法，其特征在于，构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估，包括：
在单因子加速热老化试验的基础上测量不同老化阶段试品的局部放电，利用因子分析方法从局部放电特征量中提取主成分因子向量；
引入单位圆描述油纸绝缘的老化状态，建立以老化半径R为单一目标的三层BP神经网络评估模型；
以局部放电因子向量作为输入，老化状态的表征量作为输出；
确定BP网络拓扑结构，输入训练样本利用GA对权值进行优化，对种群最终进化代的最优个体进行解码得到网络权值。
6.一种含气泡油纸绝缘状态评估模拟测试的系统，其特征在于，包括：
搭建实验平台模块，用于搭建含气泡油纸绝缘的局部放电实验平台，设置两种电极结构以适用于均匀/不均匀电场；
建立测试模型模块，用于建立不同绝缘状态的含气泡油纸绝缘测试模型，将不同绝缘状态的含气泡油纸分别置放于不同频率下的均匀电场/不均匀电场中；
确定测试结果模块，用于在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果；
提取主成分因子模块，用于根据所述含气泡油纸绝缘测试结果，在不同实验条件下，利用因子分析方法对所述局部放电特征量的主成分因子进行提取；
构建评估模型模块，用于根据二维平面的单位圆确定所述含气泡油纸绝缘的老化状态，进行归一化处理，构建GA-BP神经网络老化评估模型；
评估样本模块，用于构建基于局部放电特征量的数学映射关系，根据所述主成分因子和所述GA-BP神经网络老化评估模型，对不同绝缘状态的含气泡油纸进行老化状态评估。
7.根据权利要求6所述的系统，其特征在于，搭建实验平台模块，包括：
设置板-板电极结构子模块，用于设置板-板电极结构，适用于均匀电场；
设置针-板电极结构子模块，用于设置针-板电极结构，适用于不均匀电场。
8.根据权利要求6所述的系统，其特征在于，建立测试模型模块，包括：
浸渍绝缘纸子模块，用于将绝缘纸板放入120℃/50Pa的真空干燥箱中干燥2h，在真空状态下注入温度为60℃的25#普通矿物油，保持真空50Pa，箱内温度为60℃，浸渍48h，确保绝缘纸浸渍充分；
得到含气泡油纸子模块，用于在脉冲电流法基础上，依据国际标准IEC60270-2000搭建电热老化实验平台，采用阶梯升压法开展电老化试验，进而得到所述不同绝缘状态的含气泡油纸。
9.根据权利要求6所述的系统，其特征在于，其特征在于，确定测试结果模块，包括：
提取局部放电特征量子模块，用于根据预先采集的局部放电原始数据，提取PRPD模式的统计图谱以及局部放电特征量，所述统计图谱包括最大放电量-相位分布
平均放电量-相位分布
放电频数-放电量分布
以及放电频数-放电量分布Hn(q)，所述局部放电特征量的特征量包括偏斜度Sk、陡翘度Ku、峰值个数Peaks、不对称度Asy、相关系数Cc以及Weibull分布尺度、形状参数α和β；
确定测试结果子模块，用于在不同实验条件下，利用所述局部放电实验平台对不同绝缘状体的含气泡油纸绝缘模型的局部放电特征量进行局部放电测试，确定含气泡油纸绝缘测试结果。
10.根据权利要求6所述的系统，其特征在于，评估样本模块，包括：
提取主成分因子向量子模块，用于在单因子加速热老化试验的基础上测量不同老化阶段试品的局部放电，利用因子分析方法从局部放电特征量中提取主成分因子向量；
建立评估模型子模块，用于引入单位圆描述油纸绝缘的老化状态，建立以老化半径R为单一目标的三层BP神经网络评估模型；
确定输入输出子模块，用于以局部放电因子向量作为输入，老化状态的表征量作为输出；
得到网络权值子模块，用于确定BP网络拓扑结构，输入训练样本利用GA对权值进行优化，对种群最终进化代的最优个体进行解码得到网络权值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110636774.3A CN113553756A (zh) | 2021-06-08 | 2021-06-08 | 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110636774.3A CN113553756A (zh) | 2021-06-08 | 2021-06-08 | 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113553756A true CN113553756A (zh) | 2021-10-26 |
Family
ID=78130395
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110636774.3A Pending CN113553756A (zh) | 2021-06-08 | 2021-06-08 | 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113553756A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116143066A (zh) * | 2022-12-30 | 2023-05-23 | 西南大学 | 用于微观模拟油纸绝缘气泡效应的微流控芯片制备方法 |
| CN117849560A (zh) * | 2024-03-07 | 2024-04-09 | 南京中鑫智电科技有限公司 | 结合末屏电压和局部放电的阀侧套管绝缘监测方法及系统 |
-
2021
- 2021-06-08 CN CN202110636774.3A patent/CN113553756A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116143066A (zh) * | 2022-12-30 | 2023-05-23 | 西南大学 | 用于微观模拟油纸绝缘气泡效应的微流控芯片制备方法 |
| CN116143066B (zh) * | 2022-12-30 | 2023-08-08 | 西南大学 | 用于微观模拟油纸绝缘气泡效应的微流控芯片制备方法 |
| CN117849560A (zh) * | 2024-03-07 | 2024-04-09 | 南京中鑫智电科技有限公司 | 结合末屏电压和局部放电的阀侧套管绝缘监测方法及系统 |
| CN117849560B (zh) * | 2024-03-07 | 2024-05-28 | 南京中鑫智电科技有限公司 | 结合末屏电压和局部放电的阀侧套管绝缘监测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107063349A (zh) | 一种诊断变压器故障的方法及装置 | |
| JP2019504299A (ja) | 変圧器油紙絶縁の主絶縁条件のインテリジェントな評価方法 | |
| CN113553756A (zh) | 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 | |
| Abu-Siada | Correlation of furan concentration and spectral response of transformer oil-using expert systems | |
| CN107657287A (zh) | 一种变压器油酸值多频超声波测试回归预测方法 | |
| CN108872814B (zh) | 一种高压电流互感器内部油纸绝缘寿命评估方法 | |
| CN110889234B (zh) | 一种油浸式变压器内部绝缘油纸老化寿命评估方法 | |
| CN113297797A (zh) | 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置 | |
| CN113792495A (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 | |
| CN112485609A (zh) | 一种变压器油纸绝缘老化拉曼光谱诊断方法 | |
| CN107941862A (zh) | 一种基于频域介电响应的变压器油纸绝缘老化诊断系统 | |
| 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 | |
| Fan et al. | Polarization loss analysis and ageing characterisation of transformer oil‐immersed insulation by using decoupled frequency domain spectroscopy | |
| CN111896849A (zh) | 一种考虑非均匀介质的油纸绝缘性能分析方法及装置 | |
| CN112668604A (zh) | 基于频域介电响应和支持向量机的套管绝缘水分预测方法 | |
| Ding et al. | NSGA-II model-based dielectric frequency response parameters for aging and moisture analysis of transformer insulation | |
| Janeiro et al. | Gene expression programming in sensor characterization: Numerical results and experimental validation | |
| Yang et al. | A circuital model-based analysis of moisture content in oil-impregnated-paper insulation using frequency domain spectroscopy | |
| CN117421918A (zh) | 用于数字孪生平台的变压器状态预测模型构建方法及系统 | |
| CN116894165A (zh) | 一种基于数据分析的电缆老化状态评估方法 | |
| CN117972571A (zh) | 一种基于油中溶解气体的变压器故障诊断方法 | |
| CN112082930A (zh) | 一种诊断变压器固体绝缘老化状态方法 | |
| Liu et al. | A novel curve database for moisture evaluation of transformer oil-immersed cellulose insulation using FDS and exponential decay model | |
| CN114088660B (zh) | 一种基于稳健波长筛选的绝缘纸含水量评估方法 | |
| CN114779029B (zh) | 融合群体冗余关联和结构参数的cvt内绝缘在线评估方法 |
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 |