CN114035007A - 一种非接触式变压器套管局部放电检测系统 - Google Patents
一种非接触式变压器套管局部放电检测系统 Download PDFInfo
- Publication number
- CN114035007A CN114035007A CN202111402003.4A CN202111402003A CN114035007A CN 114035007 A CN114035007 A CN 114035007A CN 202111402003 A CN202111402003 A CN 202111402003A CN 114035007 A CN114035007 A CN 114035007A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- transformer bushing
- bushing
- ultrahigh frequency
- discharge
- 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
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
- G01R31/1209—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 using acoustic measurements
-
- 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
Abstract
本发明涉及一种非接触式变压器套管局部放电检测系统,属于变压器套管运行状态监测领域,包括特高频传感器,用于采集并处理变压器套管周围的特高频电磁波信号,获得PRPD谱图;数据采集模块,用于对电磁波信号进行滤波处理,获得特高频信号模拟量,并提取PRPD谱图的特征量;信号识别模块,利用IGWO‑WNN检测模型进行局放模式识别,并定位局放故障的具体位置。本发明在降低检测成本、实现带电检测变压器套管局放故障的同时,相比于现有技术更准确的分析放电位置,实现定量分析。
Description
技术领域
本发明属于变压器套管运行状态监测领域,涉及一种非接触式变压器套管局部放电检测系统。
背景技术
变压器套管是特高压、高压输电网络中的关键性绝缘支撑设备,其涵盖了穿墙套管、换流变压器套管、电抗器套管等。作为变压器重要附件之一,变压器套管将变压器内部高、低压引线引到油箱外部,不但起到固定引线作用,同时还作为引线的对地绝缘。变压器出线套管缺陷主要有绝缘受潮、气泡或杂质、局部过热,这些缺陷往往伴随出现局部放电
现象。由于其结构紧凑,运行及电磁环境恶劣,局部放电发展迅猛,有可能导致套管运行故障、变压器停运等严重后果。带电检测技术可以在不停电的情况下对电力设备进行故障分析诊断,是目前电力检修中常用的手段。
对于变压器套管在线监测技术的研究与应用,目前主要集中在对其介质损耗因数测量、电容量测量和频域介电谱法等。对于介质损耗检测,其大小只与设备的材质有关,而与尺寸形状无关,并且可以很好地反应绝缘配置整体的劣化、缺陷等故障。电容量检测法也可以有效反应变压器套管局部故障缺陷,根据套管的电容量变化特性,可以很好地判断其电容屏是否劣化、放电,如果检测过程中套管电容屏发生击穿,则其电容量会呈显著增加趋势。频域介电谱法是将常规的工频介损和电容测量扩展到低频和高频频段,利用介质的复电容、复介电常数及介质损耗因数等参量在低压正弦交变电场下随频率的变化来评估绝缘材料的绝缘状态,从而可反映出更宽频域范围内的极化和损耗情况
介质损耗因数测量的局限性主要在于其结果并不能反映所有的缺陷类型,只有电气设备的绝缘故障为整体受潮、老化或者绝缘中有局部放电时,其电气设备中的有功电流分量较大,测量出的tanδ才会变大,电气设备的分部性缺陷才能被有效表现出来。变压器套管电容量测量的主要缺点在于,由于变压器套管的本身电容量不大,在测量时需要排除杂散电容和寄生电容的影响。对于频域介电谱法而言,虽然该方法作为一种油浸式变压器等设备油纸绝缘老化诊断的无损检测手段,具有一定的抗滤噪能力且可以携带姜维丰富的信息,但其测试结果受试品绝缘结构、温度、水分分布等影响较大。另外以上几种测试方法均为接触式测量。变压器作为高压带电设备,对其进行接触式测量需要结合电力企业的停电计划,难以实现对变压器套管运行状态的实时监测。同时,以上方法操作步骤相对繁琐,且试验仪器价格高昂,难以满足对现场设备进行长期连续监测的要求。
发明内容
有鉴于此,本发明提供一种非接触式变压器套管局部放电检测系统,重点解决对变压器套管局部放电的长期、连续、非接触式测量。在现有技术中,特高频传感器仅在GIS设备上应用较多,但在其他设备上推广困难。本发明针对变压器套管结构,电磁波信号在套管中衰减较大但能量较高的情况,设计了一套完整的检测系统。
本发明适用于变压器套管的特高频检测传感器,结合特高频电磁波信号的泄露路径和衰减特性分析结果,形成非接触式变压器套管局部放电监测装置。本发明可实现变压器套管局放程度诊断、局放发展趋势预判,且不影响实际设备的正常运行。可望为输配电设备运行状态监测及故障识别提供新的技术支撑,为变压器套管状态监测提供新方法,在降低检测成本、提高可靠性的同时,达到充分保障电力系统安全稳定运行的目的。
为达到上述目的,本发明提供如下技术方案:
一种非接触式变压器套管局部放电检测系统,包括:
特高频传感器,用于采集并处理变压器套管周围的特高频电磁波信号,获得局部放电相位分布(phase resolved partial discharge,PRPD)谱图;
数据采集模块,用于对电磁波信号进行滤波处理,获得特高频信号模拟量,并提取PRPD谱图的特征量;
信号识别模块,利用改进灰狼算法优化小波神经网络(IGWO-WNN)检测模型进行局放模式识别,并定位局放故障的具体位置。
进一步,所述特高频传感器包括接收器与处理器,所述接收器用于采集变压器套管周围的电磁波信号,所述处理器用于对所述电磁波信号进行处理,形成PRPD谱图;所述处理器还用于对电磁波信号进行分析,判断集变压器套管产生的电磁波是否超出预设的可靠数据范围,实现非接触式变压器套管空间电场监测。
进一步,在变压器套管上设有多个特高频传感器,包括在套管后侧顶部设置第一特高频传感器,在套管左侧底部设置第二特高频传感器,在套管右侧顶部设置第三特高频传感器,在套管前侧底部设置第四特高频传感器。
进一步,所述特高频传感器的频带为0.3~1.5GHz,检测的特高频电磁波信号范围为 300MHz~3GHz。
进一步,所述数据采集模块包括图像滤波处理模块和谱图特征提取模块,所述图像滤波处理模块用于对图像中干扰信号进行滤除,获得准确的特高频信号特征量;所述谱图特征提取模块用于利用主成分分析法将多维谱图特征在降维的同时保持数据元素之间的相互关系。
进一步,所述IGWO-WNN检测模型通过以下方式获得:
将实验获得的多组实际局部放电信号与PRPD谱图进行数模转换,得到样本数据;将样本数据输入IGWO-WNN网络进行训练,从而建立变压器套管局放的IGWO-WNN检测模型。
进一步,所述信号识别模块利用幅值比较法、时差定位法或声电联合定位法来定位局放故障的具体位置;
所述幅值比较法是根据放电源附近信号最强的原理定位放电位置;
所述时差定位法是利用放电源最接近的传感器的时域信号最超前的原理定位放电位置;
所述声电联合定位法是将特高频信号作为触发信号,利用超声波作为测量媒介,通过计算可大致判断放电源的位置。
本发明的有益效果在于:
1.特高频检测技术能够完成对变压器套管的非接触检测;
2将外置特高频传感器摆放为方形,多个传感器共同检测,捕捉变压器套管的频谱信号;
3对PRPD谱图进行特征提取,运用PCA算法进行降维,简化谱线信息;
4通过多次局放试验建立谱图与变压器局放类型程度之间的关联,训练IGWO-WNN检测模型;
5在降低检测成本、实现带电检测变压器套管局放故障的同时,相比于现有技术更准确的分析放电位置,实现定量分析。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为变压器套管局放非接触检测系统结构示意图;
图2为非接触式变压器套管局部放电检测系统工作流程图;
图3为非接触式变压器套管检测系统现场布置图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
请参阅图1~图3,为本发明提供的非接触式变压器套管局部放电检测系统,具体包括: (1)特高频传感器、(2)数据采集模块、(3)信号识别模块。
(2)数据采集模块包括(4)图像滤波处理、(5)谱图特征提取;
(3)信号识别模块包括(6)局放模式识别、(7)局放位置定位。
特高频传感器是特高频带电检测技术的主要检测设备。检测的特高频电磁波信号范围为 300MHz~3GHz,在获得该波段电磁波的相关信息后,通过特征量的不同实现局部放电的判断。设备在很小范围内出现局部放电时,将产生上升时间小于1ns的脉冲电流,其击穿过程快并能激发出数GHz的电磁波。由于变电站空气中电晕干扰的电磁波频段主要集中在300MHz以下,因此该技术具有较高的抗干扰能力,能实现实际工作中局部放电巡检、定位及缺陷识别和诊断。特高频传感器包含接收器与处理器。接收器用于采集变压器套管周围的电磁波信号,处理器对所述电磁波进行处理,获得精确的相位频谱图。传感器设置好可靠数据范围,处理器对电磁波数据进行分析,判断集变压器套管产生的电磁波是否超出设定范围,实现非接触式变压器套管空间电场监测。
变压器套管外部放电主要分布在0~0.4GHz内,而内部放电由于波导的限制,低频段几乎没有信号分布。电晕放电波动范围较大,并且整体相对稳定;末屏放电在特高频段分布能量较少,但其放电起始电压低,放电量高,因此虽然其主峰频率并不在特高频范围内,但实际也能有效检测;下瓷套沿面放电频谱主峰在0.3GHz附近,后续呈现相对稳定的波动但幅值较低,分布范围相对更宽。3种放电类型中近90%的能量集中在0.3~1.2GHz之内,但最大能量占比所在频段各有差别。电晕放电中47.24%的能量集中在0.6~0.9GHz内,末屏放电整体上为单调下降趋势,而下瓷套沿面放电能量多分布在较低频段,且比较平稳。
本实施例中考虑成本、耗时等因素,选择频带为0.3~1.5GHz的特高频传感器进行检测,在采集大部分有效信号的同时降低硬件需求、较少采样时间。
如图3,在本发明实施例的一种具体实施方式中,特高频传感器的数量大于1,各传感器分别布置在变压器套管周围空间内。1号传感器设置高度为套管后侧顶部,2号传感器设置高度为套管左侧底部,3号传感器设置高度为套管右侧顶部,4号传感器设置高度为套管前侧底部。形成传感器阵列,数据采集模块与信号识别模块均设置在上位机内。
数据采集模块主要实现对特高频谱图的采集及处理。特高频传感器对每种放电故障进行采样,各采集200组数据,形成局部放电相位分布谱图。其中滤波处理对图像中各种其他频率的干扰信号进行滤除,获得更多准确的特高频信号特征量,谱图特征提取采用主成分分析法将多维谱图特征在降维的同时保持数据元素之间的相互关系。
信号识别模块将不同局放类型与程度的特高频谱图特征量作为训练样本,利用IGWO- WNN算法对样本进行训练,建立变压器套管局放的IGWO-WNN检测模型,利用检测模型对降维算法获取的数据进行分析,并给出变压器局放类型与程度的检测结果。最后,利用幅值比较法、时差定位法等方法对放电位置进行定位查找。
如图2所示,在本实施例中,数据采集模块中的滤波处理电路对电磁波信号等数据滤除其他频率的干扰信号后得到准确的特高频信号模拟量。由上位机通过降维计算获取特高频谱图的特征量,利用IGWO-WNN检测模型对其进行预测,并给出变压器套管局放程度的检测结果。最后利用幅值比较法、时差定位法等方法定位局放故障具体位置。
变压器套管内部采用多层电容屏,其实质为多层同轴波导结构。
电磁波传播过程研究可从麦克斯韦方程组出发,由边界及其他限制条件求出方程组的解。首先对麦克斯韦方程组进行化简,得到亥姆霍兹方程为:
式中:E,H分别为电场和磁场强度;ε,μ分别为波导介质的介电常数和磁导率;ω为角频率。
在柱坐标系下进行分解,通过边界条件得出方程的解为贝塞尔函数,进而求出各个传播模式下的截止频率。
式中:a,b分别为同轴波导的内、外直径;v为电磁波在介质中的传播速率;m,n为不同电磁波的模式。
横电磁波(transverse electromagnetic wave,TEM)不存在截止频率,且能在波导中传播;横磁波(transverse magnetic wave,TM)截止频率很高;横电波(transverseelectric wave,TE) 截止频率相对较低。波导结构中传播的主模为TEM,并存在部分TE。
为得到更接近真实情况的电磁波传播特性,对分析过程中的某些条件进行修改。实际的介质均存在损耗,有损介质也称为耗散介质,即电导率σ不为0,且考虑传导电流JC不为 0。为了简化分析,仍保持介质均匀、线性和各向同性。将麦克斯韦方程组改写为∶
令:
式中:α为衰减常数;β为相位常数。
代入求解亥姆霍兹方程,得到电磁波在介质中的透入深度为:
铝电导率σ为3.4×10-7S/m,磁导率μ为4π×10-7H/m。当电磁波频率f为0.3GHz时,电磁波透入铝的深度为4.97μm。由于存在透入深度,可将透入并损耗的能量等效为电阻上消耗的能量(实际转化为焦耳热)。对应单位长度、单位宽度下的表面等效电阻率RS为:
则由金属波导壁引起的衰减常数为:
油浸纸电导率σ为10-15S/m,f为3GHz时,其对应的衰减常数为0.27dB/m。可以看出,油浸纸电导率很低,绝缘性能良好,电磁波在其内部传播时损耗很小。此外,可以根据式(8)计算得到同轴波导中传播时介质(油浸纸)损耗近似为0。
式中:λ0为电磁波在空气中的波长;εr为相对介电常数。
综上所述,特高频电磁波无法穿透电容屏,在波导中的传输损耗主要为导体损耗,损耗值较小。理论上来说,电容屏间和外侧油道都是特高频电磁波传播的有效路径。
电磁波在套管同轴结构中传播时存在3种不同模式:TE模、TM模、TEM模。TE模和 TM模存在截止波长,当信号波长低于截止波长时将会衰减,因此实际电磁波中各分量难以确定。而根据不同模式电磁波的定义,即TE模在传播方向上存在磁场分量、TM模在传播方向上存在电场分量、TEM模在传播方向上无电场和磁场分量,分析沿传播方向的E,H分量,即可得到TE模、TM模的传播特性。而分析沿传播方向的S分量可得到电磁波整体能量的变化特性。从这3个方面可分析每层波导结构中的电磁波传播规律。
(1)TM由于截止频率很高(10GHz以上),其进入波导后立刻大幅衰减,虽然E初始能量相对较高,但在特高频段立刻衰减了近10~40倍;
(2)H的变化规律并不明显,呈现相对稳定的波动,但其能量占比不到1%;
(3)总体而言,TE模和TM模占总体的电磁波的能量很小,因此进一步分析的必要性不高;而传播的模式主要为TEM模,可在电容屏间及油道进行有效传播。
根据理论分析,电磁波进入电容屏间时产生较大衰减,后续变化较为平稳,衰减程度不大,即第1个到第2个传感器之间衰减较大(高次模波迅速衰减),后续衰减很小(介质损耗)。由仿真结果可知,虽然进入不同波导的初始能量明显不同(电磁波在套管下部油箱内多次折、反射造成),但整体变化趋势与理论分析能够较好吻合。实际情况下各部件成分更为复杂,不但为非线性、非均匀介质,且在波导内部传播时会产生介质中的折、反射,导致能量损耗,因此电磁波信号在电容屏间将会衰减更大。由于油道间介质为变压器油,其线性度和均匀度比油浸纸更高,相对衰减则更小。
在本实施例中,特高频段为0.3~3GHz,根据采样定理,采样频率应达到所需最高频率的2.56~4倍甚至更高。但实际采样时,对于一个工频周期内的信号,通过包络检波电路对实际采集的特高频信号进行包络检波,可大大降低所需的硬件采样频率,且保留大部分原始波形特征,便于后续数据统计分析。调整信号放大器增益为40dB,增益频带为0.3~2GHz。对于具体的放电波形采集,提高采样率为10GS/s,采样周期为100ns。
需对每种放电故障进行采样,各采集200组数据,进行局部放电相位分布(phaseresolved partial discharge,PRPD)谱图绘制。其中,幅值采用归一化设置,相位为0~360°。套管顶部高压端电晕放电的起始电压为35kV,且随着电压升高,局放次数的增长不明显,放电主要分布在0°~120°和180°~280°范围内,分布分散,放电量较低。套管末屏引线柱悬浮放电的起始电压为6kV,且发展很快,8kV以上时无法维持局放,进而发展为更为严重的电弧放电,这是因为末屏引线柱靠近接地法兰,较低电压就能引起局放。末屏悬浮放电分布范围较窄,主要为0°~120°和200°~320°,局放电荷量较高。套管下瓷套表面沿面放电的起始电压为15kV,继续升压可以观察到单个周期内局放次数明显增多,幅值也略有提升但较为稳定;升压到30kV时,放电主要分布在0°~110°,150°~270°,340°~360°,其中稳定的局放电量在100pC左右,最高可达到120pC。
下瓷套沿面放电时其信号无法穿透金属制的油箱及法兰,而外部实际可检测到电磁波信号。
综上所述,外部放电主要分布在0~0.4GHz内,而内部放电由于波导的限制,低频段几乎没有信号分布,这也印证了同轴波导的传输特性。电晕放电波动范围较大,并且整体相对稳定;末屏放电在特高频段分布能量较少,但其放电起始电压低,放电量高,因此虽然其主峰频率并不在特高频范围内,但实际也能有效检测;下瓷套沿面放电频谱主峰在0.3GHz附近,后续呈现相对稳定的波动但幅值较低,分布范围相对更宽。3种放电类型中近90%的能量集中在0.3~1.2GHz之内,但最大能量占比所在频段各有差别。电晕放电中47.24%的能量集中在0.6~0.9GHz内,末屏放电整体上为单调下降趋势,而下瓷套沿面放电能量多分布在较低频段,且比较平稳。
最后,实际检测时考虑成本、耗时等因素,可选择频带为0.3~1.5GHz的特高频传感器进行检测,在采集大部分有效信号的同时降低硬件需求、较少采样时间。
在本实施例中,谱图数据中包含了众多重要的有用信息,想要从这些数据中提取有用的信息,就需要对这些数据进行数据提取处理。因此必须先对高维数据集进行降维处理,包括特征提取和变量选择等手段,在降维的同时保持数据元素之间的相互关系。一方面解决高维数据集的维数灾难问题,另一方面使得可以在一个较低维的空间对原有的高维数据集进行处理,减少计算的时间和空间复杂度,从而可以使用低维空间上的统计学习方法进行处理。由于在对数据进行降维的同时保持了数据元素之间的关系,降维后在低维空间上的数据分析结果对降维前的高维空间同样适用。
为了保留数据中的主要信息,剔除冗余的信息并将高维的数据用低维的数据信息有效的表征,准确的表征系统的特性,选取主成分分析法(PCA)。主成分分析法PCA也称为K-L 变换或者Hotelling变换,被认为是最为成功的线性组合数据降维算法,该方法的基本思想以最小均方误差为准则,将高维度空间中的特征数据投影到低维空间当中,投影之后,各个新的分量相互独立而且不相干,同时能保证投影降维之后的数据能有效代表原始数据,以达到减少数据冗余信息和提高计算速度的目的。
PCA降维的基本原理为:给定一个M*N的数据矩阵,在构架数据矩阵时,每一行为一个样本,每一列是一个被观测量即特征点。在对该数据矩阵做PCA降维处理前,必须对数据进行标准化处理,这样可以有效降低由于量纲差异、变量自身变异大小和数值大小所造成的影响。如对数据样本进行z-score标准化处理,其标准化公式为:
式中,n为样本个数,k为参数个数,xij和x′ij为原始数据和标准化处理后的数据,E和σ为原始数据的均值和标准差。然后便可以对标准化后的数据矩阵进行PCA降维处理,首先计算原来数据矩阵的协方差矩阵C,即
其中Xi表示第i个样本,α表示均值
并可求得协方差矩阵C的N个特征值和对应的N个特征向量λ,同时将特征值按由大到小的顺序排列并得到相应的特征向量矩阵,该特征矩阵也称之为转换矩阵。
对于主元数目l的确定,通常采用主元累计贡献率的方法,即利用计方差贡献率lCPV计算 l,其计算公式如下,
其中lCL为控制限,一般取0.95l。
在此,原数据矩阵会被投影两个正交的互补空间即主元子空间和残差子空间。当变量间存在一定的线性相关时,主元子空间可以利用很少维数的几个变量描述过程的大部分变化的信息,而残差子空间表示噪音部分。其中主元子空间是前l个特征向量构成的特征向量矩阵,降维后的数据矩阵就是原数据矩阵在主元子空间投影所得矩阵。
小波神经网络(WNN)是一种将波变换和BP神经网络相结合的前馈神经网络,WNN将非线性小波基函数作为隐含层节点的传递函数,是一种信号向前传播、误差反向传播的神经网络。WNN通常采用梯度修正法修正网络的权值和小波基函数参数,但梯度学习算法存在进化速度缓慢且容易陷入最小值的不足。改进灰狼优化算法(IGWO)具有全局寻优能力强、收敛速度快和预测精度高等优点,将小波神经网络的权值和小波基函数参数作为IGWO中灰狼的位置信息,利用灰狼对猎物的追踪不断更新位置,即可不断更新权值和小波基函数参数,从而获取WNN最优模型结构参数,最终寻得全局最优解,实现IGWO对WNN的优化。
改进灰狼算法
灰狼算法按照适应度将整个狼群划分为四个级别,适应度前3个分别为最优狼α、次优狼β和第三优狼δ,其余灰狼作为ω,灰狼在捕食过程中,要接近猎物并对猎物进行包围,与之相对应,在IGWO算法中要确定灰狼个体与猎物之间的距离并更新灰狼的位置。
D=|C·XP(t)-X(t)|
X(t+1)=XP(t)-A·D
式中:t为当前迭代次数;XP为猎物的位置;X(t+1)为灰狼更新后的位置;C为摆动因子,C=2r1,r1是[0,1]内的随机数;A=2ar2-a,r2为[0,1]内的随机数,a为收敛因子,a随着迭代次数增加从2线性递减到0。
式中:t为当前迭代次数;tmax为最大迭代次数。
在狩猎过程中,最优狼α带领β、δ对猎物进行追捕,追捕猎物的方位机制如图3所示。狼群中个体追捕猎物方位的数学表达如下:由式(5)计算出狼群中个体与α、β、δ的距离,然后由式(6)计算出个体向猎物移动的方向,得到灰狼个体ω更新后的位置。
Xω(t+1)=[Xα(t+1)+Xβ(t+1)+Xδ(t+1)]/3
式中:Dα、Dβ、Dδ分别为灰狼个体α、β、δ与猎物之间的距离;C1、C2、C3分别为对应的摆动因子;Xα(t)、Xβ(t)、Xδ(t)分别为灰狼个体α、β、δ的当前位置;Xα(t+1)、 Xβ(t+1)、Xδ(t+1)分别为灰狼个体α、β、δ更新后的位置;A1、A2、A3分别为对应的系数;Xω(t)和Xω(t+1)分别为灰狼ω的当前位置和更新后位置。
综上,改进灰狼算法优化的小波神经网络(IGWO-WNN)算法流程,具体步骤如下:
(1)构建小波神经网络,确实能够小波神经网络拓扑结构。
(2)IGWO参数初始化。确定灰狼种群的规模、最大迭代次数、确定灰狼个体位置信息的维度以及灰狼维度的上下界,随机初始化灰狼位置。
(3)选取适应度函数,计算适应度,选取最优狼α、次优狼β以及第三优狼δ。
(4)更新剩余灰狼的位置信息ω,并更新参数A、C和α。
(5)判断是否达到设定的最大迭代次数或者设定的误差,否则重复3和4直到满足条件。
(6)输出最优狼α的位置,映射为权值矩阵,作为BP神经网络隐含层到输出层的权值,实现IGWO-WNN模型。
(7)将数据预处理后输入已经训练好的IGWO-WNN模型,得到预测结果,与实际值对比,检验模型的可靠性。
本实施例中,定位放电源有助于查找缺陷部件,提升工作效率。特高频定位方法主要包括幅值比较法、时差定位法、声电联合定位法等。
幅值比较法是根据放电源附近信号最强的原理定位放电位置。该方法实施过程中需安放多个检测点,通常幅值最大的点即信号强度最高,由此可判定这类检测点最接近放电源。然而,该方法的准确性会受到现场检测条件的影响,如外界干扰很大、放电信号很强、同时存在两个及以上的放电源。
时差定位法是利用放电源最接近的传感器的时域信号最超前的原理定位放电位置。高速示波器可获取放电信号的时域波形,读取两个传感器检测到的信号波头时差并根据信号传播速度和传感器之间的物理距离计算出放电源的位置。
声电联合定位法。由于声波的传播速度远低于电磁波的传播速度,因此可将特高频信号作为触发信号,利用超声波作为测量媒介,通过计算可大致判断放电源的位置。特高频与超声波两种检测方法具有互补性,使得声电联合定位不仅可避免机械振动的影响,还可防止电气干扰,实现放电源定位的准确性。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种非接触式变压器套管局部放电检测系统,其特征在于:包括:
特高频传感器,用于采集并处理变压器套管周围的特高频电磁波信号,获得局部放电相位分布(phase resolved partial discharge,PRPD)谱图;
数据采集模块,用于对电磁波信号进行滤波处理,获得特高频信号模拟量,并提取PRPD谱图的特征量;
信号识别模块,利用改进灰狼算法优化小波神经网络(IGWO-WNN)检测模型进行局放模式识别,并定位局放故障的具体位置。
2.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:所述特高频传感器包括接收器与处理器,所述接收器用于采集变压器套管周围的电磁波信号,所述处理器用于对所述电磁波信号进行处理,形成PRPD谱图;所述处理器还用于对电磁波信号进行分析,判断集变压器套管产生的电磁波是否超出预设的可靠数据范围,实现非接触式变压器套管空间电场监测。
3.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:在变压器套管上设有多个特高频传感器,包括在套管后侧顶部设置第一特高频传感器,在套管左侧底部设置第二特高频传感器,在套管右侧顶部设置第三特高频传感器,在套管前侧底部设置第四特高频传感器。
4.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:所述特高频传感器的频带为0.3~1.5GHz,检测的特高频电磁波信号范围为300MHz~3GHz。
5.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:所述数据采集模块包括图像滤波处理模块和谱图特征提取模块,所述图像滤波处理模块用于对图像中干扰信号进行滤除,获得准确的特高频信号特征量;所述谱图特征提取模块用于利用主成分分析法将多维谱图特征在降维的同时保持数据元素之间的相互关系。
6.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:所述IGWO-WNN检测模型通过以下方式获得:
将实验获得的多组实际局部放电信号与PRPD谱图进行数模转换,得到样本数据;将样本数据输入IGWO-WNN网络进行训练,从而建立变压器套管局放的IGWO-WNN检测模型。
7.根据权利要求1所述的非接触式变压器套管局部放电检测系统,其特征在于:所述信号识别模块利用幅值比较法、时差定位法或声电联合定位法来定位局放故障的具体位置;
所述幅值比较法是根据放电源附近信号最强的原理定位放电位置;
所述时差定位法是利用放电源最接近的传感器的时域信号最超前的原理定位放电位置;
所述声电联合定位法是将特高频信号作为触发信号,利用超声波作为测量媒介,通过计算可大致判断放电源的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402003.4A CN114035007A (zh) | 2021-11-22 | 2021-11-22 | 一种非接触式变压器套管局部放电检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402003.4A CN114035007A (zh) | 2021-11-22 | 2021-11-22 | 一种非接触式变压器套管局部放电检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114035007A true CN114035007A (zh) | 2022-02-11 |
Family
ID=80145322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111402003.4A Pending CN114035007A (zh) | 2021-11-22 | 2021-11-22 | 一种非接触式变压器套管局部放电检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114035007A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252749A (zh) * | 2022-02-28 | 2022-03-29 | 国网湖北省电力有限公司检修公司 | 基于多传感器的变压器局部放电检测方法及装置 |
CN115015684A (zh) * | 2022-08-10 | 2022-09-06 | 山东和兑智能科技有限公司 | 基于时频域特征融合的高压套管数字化评估方法与系统 |
CN117192311A (zh) * | 2023-11-06 | 2023-12-08 | 国网天津市电力公司电力科学研究院 | 放电检测装置及方法 |
GB2622910A (en) * | 2022-09-30 | 2024-04-03 | Silk Road Gansu Communication Tech Co Ltd | A method for identifying partial discharge types based on generated adaptive labels |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070513A1 (zh) * | 2013-11-14 | 2015-05-21 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
CN104749498A (zh) * | 2015-01-28 | 2015-07-01 | 西安交通大学 | 一种便携式局部放电检测及诊断装置 |
CN110850249A (zh) * | 2019-11-28 | 2020-02-28 | 国网青海省电力公司 | 一种变压器套管绝缘局部放电监测系统及方法 |
CN110927538A (zh) * | 2019-11-28 | 2020-03-27 | 国网江苏省电力有限公司电力科学研究院 | 一种变压器套管局部放电监测系统及方法 |
CN110967601A (zh) * | 2019-11-21 | 2020-04-07 | 南京航空航天大学 | 一种变压器套管局部放电多维检测方法 |
CN111175622A (zh) * | 2020-01-09 | 2020-05-19 | 顾胜坚 | 一种变压器特高频局部放电检测系统 |
CN111198309A (zh) * | 2020-01-09 | 2020-05-26 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器状态监测与故障预警方法 |
CN112014691A (zh) * | 2020-07-10 | 2020-12-01 | 国网安徽省电力有限公司电力科学研究院 | 电力物联网下多信息融合的局部放电检测终端及方法 |
CN113341283A (zh) * | 2021-06-04 | 2021-09-03 | 山东电工电气集团有限公司 | 一种变压器套管局部放电模式识别方法 |
CN113506252A (zh) * | 2021-06-29 | 2021-10-15 | 国家电网有限公司 | 一种基于t-SNE和核极限学习机的变压器套管典型缺陷类型识别方法 |
-
2021
- 2021-11-22 CN CN202111402003.4A patent/CN114035007A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015070513A1 (zh) * | 2013-11-14 | 2015-05-21 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
CN104749498A (zh) * | 2015-01-28 | 2015-07-01 | 西安交通大学 | 一种便携式局部放电检测及诊断装置 |
CN110967601A (zh) * | 2019-11-21 | 2020-04-07 | 南京航空航天大学 | 一种变压器套管局部放电多维检测方法 |
CN110850249A (zh) * | 2019-11-28 | 2020-02-28 | 国网青海省电力公司 | 一种变压器套管绝缘局部放电监测系统及方法 |
CN110927538A (zh) * | 2019-11-28 | 2020-03-27 | 国网江苏省电力有限公司电力科学研究院 | 一种变压器套管局部放电监测系统及方法 |
CN111175622A (zh) * | 2020-01-09 | 2020-05-19 | 顾胜坚 | 一种变压器特高频局部放电检测系统 |
CN111198309A (zh) * | 2020-01-09 | 2020-05-26 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器状态监测与故障预警方法 |
CN112014691A (zh) * | 2020-07-10 | 2020-12-01 | 国网安徽省电力有限公司电力科学研究院 | 电力物联网下多信息融合的局部放电检测终端及方法 |
CN113341283A (zh) * | 2021-06-04 | 2021-09-03 | 山东电工电气集团有限公司 | 一种变压器套管局部放电模式识别方法 |
CN113506252A (zh) * | 2021-06-29 | 2021-10-15 | 国家电网有限公司 | 一种基于t-SNE和核极限学习机的变压器套管典型缺陷类型识别方法 |
Non-Patent Citations (1)
Title |
---|
王旭等: "基于多频超声波技术和改进灰狼优化算法的变压器油检测系统研究", 电气自动化, vol. 42, pages 10 - 12 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252749A (zh) * | 2022-02-28 | 2022-03-29 | 国网湖北省电力有限公司检修公司 | 基于多传感器的变压器局部放电检测方法及装置 |
CN114252749B (zh) * | 2022-02-28 | 2022-06-17 | 国网湖北省电力有限公司检修公司 | 基于多传感器的变压器局部放电检测方法及装置 |
CN115015684A (zh) * | 2022-08-10 | 2022-09-06 | 山东和兑智能科技有限公司 | 基于时频域特征融合的高压套管数字化评估方法与系统 |
CN115015684B (zh) * | 2022-08-10 | 2022-11-29 | 山东和兑智能科技有限公司 | 基于时频域特征融合的高压套管数字化评估方法与系统 |
GB2622910A (en) * | 2022-09-30 | 2024-04-03 | Silk Road Gansu Communication Tech Co Ltd | A method for identifying partial discharge types based on generated adaptive labels |
CN117192311A (zh) * | 2023-11-06 | 2023-12-08 | 国网天津市电力公司电力科学研究院 | 放电检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114035007A (zh) | 一种非接触式变压器套管局部放电检测系统 | |
CA2918679C (en) | Pattern recognition method for partial discharge of three-phase cylinder type ultrahigh voltage gis | |
Dai et al. | Feature extraction of GIS partial discharge signal based on S‐transform and singular value decomposition | |
Jiang et al. | Partial discharge detection and diagnosis of transformer bushing based on UHF method | |
Gao et al. | Investigation of the Evaluation of the PD Severity and Verification of the Sensitivity of Partial-Discharge Detection Using the UHF Method in GIS | |
CN110009236A (zh) | 一种油浸式电力变压器内部绝缘老化程度定量评估方法 | |
JP2015503765A (ja) | 部分放電を分析して位置を特定するシステム | |
Boczar et al. | Indicator analysis of partial discharges measured using various methods in paper-oil insulation | |
Robles et al. | Shielding effect of power transformers tanks in the ultra-high-frequency detection of partial discharges | |
Hikita et al. | Recent trend of the partial discharge measurement technique using the UHF electromagnetic wave detection method | |
CN113702754A (zh) | 采用加窗傅里叶变换的配电电缆缺陷的定位算法 | |
CN107192930A (zh) | 一种变压器局部放电定位方法 | |
Rostaminia et al. | Evaluation of transformer core contribution to partial discharge electromagnetic waves propagation | |
Xavier et al. | Detection, classification and location of sources of partial discharges using the radiometric method: Trends, challenges and open issues | |
Lin et al. | Optimized denoising method for weak acoustic emission signal in partial discharge detection | |
Refaat et al. | A review of partial discharge detection techniques in power transformers | |
Yang et al. | Raman spectrum feature extraction and diagnosis of oil–paper insulation ageing based on kernel principal component analysis | |
Tenbohlen et al. | Frequency range of UHF PD measurements in power transformers | |
Cheng et al. | Investigation of sensitivity of the ultra‐high frequency partial‐discharge detection technology for micro‐crack in epoxy insulator in GIS | |
Frącz et al. | Diagnosis of high voltage insulators made of ceramic using spectrophotometry | |
Chaudhuri et al. | Denoising of partial discharge signal using a hybrid framework of total variation denoising-autoencoder | |
Uckol et al. | Characterization of DC corona discharge current pulses using high-frequency measurement techniques | |
CN116522080A (zh) | 局部放电信号降噪方法 | |
Firuzi et al. | Transformer components impact on compatibility of measured PDs: comparison of IEC60270 and RF methods | |
CN116008751A (zh) | 一种基于样本增强的电缆局部放电故障特性识别方法 |
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 |