CN114113942B - 油纸绝缘局部放电的识别、特征修正方法以及实验装置 - Google Patents
油纸绝缘局部放电的识别、特征修正方法以及实验装置 Download PDFInfo
- Publication number
- CN114113942B CN114113942B CN202111411415.4A CN202111411415A CN114113942B CN 114113942 B CN114113942 B CN 114113942B CN 202111411415 A CN202111411415 A CN 202111411415A CN 114113942 B CN114113942 B CN 114113942B
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- paper insulation
- oil paper
- temperature
- model
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012937 correction Methods 0.000 title claims abstract description 34
- 238000002474 experimental method Methods 0.000 claims abstract description 37
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 241000283153 Cetacea Species 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 11
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 239000000123 paper Substances 0.000 description 44
- 238000010586 diagram Methods 0.000 description 10
- 238000010438 heat treatment Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 239000011087 paperboard Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 206010001488 Aggression Diseases 0.000 description 1
- 230000016571 aggressive behavior Effects 0.000 description 1
- 208000012761 aggressive behavior Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009421 internal insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了油纸绝缘局部放电的识别、特征修正方法以及实验装置,搭建油纸绝缘局部放电温控实验装置,设置不同的油纸绝缘局部放电模型;设置基准温度,对不同的油纸绝缘局部放电模型分别进行加压实验,提取对应模型的基准局部放电特征参数;改变实验温度,对不同的油纸绝缘局部放电模型分别进行局部放电测试实验,记录在不同温度下对应模型的局部放电特征参数;并对不同温度下对应模型的局部放电特征参数进行非线性拟合,得到油温修正系数;根据油温修正系数修正所述基准局部放电特征参数,得到修正局部放电特征参数,减小油温对局部放电特征参数的影响,从而提高局部放电类型识别的准确性。
Description
技术领域
本发明属于电力变压器故障诊断技术领域,具体涉及油纸绝缘局部放电的识别、特征修正方法以及实验装置。
背景技术
变电站在电力系统中承担着交换电压、电流,接受分配电能的职责,变压器是其不可或缺的核心设备。如果变压器绝缘出现故障,这不仅会导致电力设备损坏,甚至会引发供电线路失压,影响居民用电、给社会生产造成不可预估的经济损失。变压器内绝缘为油纸绝缘,局部放电是导致油纸绝缘劣化的主要原因之一,因而能及时识别油纸绝缘局部放电缺陷类型尤为重要。
伴随着夏季长期的高温天气和居民用电水平的提升,各城市电网负荷接连创新高,而由于现阶段存在的负荷分布不均衡问题,各变电站主变负载率存在差异,进而造成各主变油温不同。温度是影响局部放电发展的主要因素之一,现有研究大多聚焦于分析温度对油纸绝缘局部放电特性的影响,而温度的不同会造成油纸绝缘局部放电缺陷类型识别的难度加大,因此急需一种经油温修正的油纸绝缘局部放电识别方法,减小温度的影响以提高识别结果的准确率。
发明内容
本发明所要解决的技术问题是如何提高油纸绝缘局部放电类型识别的准确度,本发明的目的在于提供油纸绝缘局部放电的识别、特征修正方法以及实验装置,减小因为油温影响而引入的在不同温度下,对局部放电特征参数的影响,从而造成的识别结果误差,本发明通过模拟在不同温度下的局部放电测试实验,提取不同温度下的局部放电特征参数进行非线性拟合,利用油温修正系数修正局部放电特征参数,从而提高局部放电类型识别的准确性。
本发明通过下述技术方案实现:
一方面,本发明提供一种油纸绝缘局部放电的局部放电特征修正方法,包括以下步骤:
搭建油纸绝缘局部放电温控实验装置,设置不同的油纸绝缘局部放电模型;
设置基准温度,对不同的油纸绝缘局部放电模型分别进行加压实验,提取对应模型的基准局部放电特征参数;
改变实验温度,对不同的油纸绝缘局部放电模型分别进行局部放电测试实验,记录在不同温度下对应模型的局部放电特征参数;并对不同温度下对应模型的局部放电特征参数进行非线性拟合,得到油温修正系数;
根据油温修正系数修正所述基准局部放电特征参数,得到修正局部放电特征参数。
一般变压器油纸绝缘局部放电识别过程中,需要提取局部放电特征参数,而温度的不同会影响局部放电识别的识别结果的准确性,因此,本发明通过考虑不同温度下局部特征参数的不同,将不同温度下提取到的局部特征参数进行非线性拟合,得到油温修正系数,利用油温修正系数对一般情况下提取的局部特征参数进行修正,从而减小油温对后期识别过程的影响。
进一步地,提取对应模型的基准局部放电特征参数的方法为:
加压实验过程中,对于每种油纸绝缘局部放电模型,使用加压装置持续加压30分钟,加压过程每隔5s升高电压500V直至工作电压达到额定工作电压,并持续对工作电压和放电信息进行采集;
根据采集的工作电压和放电信息,生成记录局部放电信息的PRPD图谱;
从记录局部放电信息的PRPD图谱中采用有序系统抽样等时间间隔地抽取30组样本,从每组样本中提取6维局部放电特征参数。
进一步地,记录在不同温度下每种模型对应的局部放电特征参数的过程为;
局部放电测试实验过程中,对于每种油纸绝缘局部放电模型,改变实验温度,记录在多个随机设定的温度下,多个实验温度之间间隔10℃,根据提取对应模型的基准局部放电特征参数的方法,提取不同温度下的6维局部放电特征参数;,基准温度设置为T0;
将不同温度下提取到的所述6维局部放电特征参数进行非线性拟合,得到每个局部放电特征参数对应的油温修正系数。
进一步地,6维局部放电特征参数分别为:
基于PDHD的二参数Weibull分布函数提取的正负半周形状参数:±β;
正负半周归一化放电量:±q;
正负半周放电相位:±θ。
进一步地,所述油温修正系数的非线性拟合的过程为:
则对于正负半周归一化放电量±q的油温修正系数cq:
其中,i表示对应的油纸绝缘局部放电模型,a表示油纸绝缘局部放电量基准参数,b表示温度影响放电量强弱的参数,T0为基准温度,T为设定的温度,e是自然常数;
对于正负半周放电相位±θ的油温修正系数cθ,拟合过程为:
其中,i表示对应的油纸绝缘局部放电模型,d表示油纸绝缘局部放电相位基准参数,c表示温度影响放电相位强弱的参数,T0为基准温度,T为设定的温度,e是自然常数。
第二方面,基于上述的油纸绝缘局部放电的局部放电特征修正方法,本发明提供一种油纸绝缘局部放电识别方法,包括以下步骤:
构建WOA-ELM模型,将修正局部放电特征参数作为模型的输入,根据修正局部放电特征参数对WOA-ELM模型模型进行初始化,并利用WOA算法优化ELM网络参数;
将在基准温度下,每种油纸绝缘局部放电模型对应的PRPD图谱中抽取的样本作为训练样本,利用训练样本训练所述WOA-ELM模型,得到训练好的WOA-ELM模型;
将在不同温度下的每种油纸绝缘局部放电模型,从记录局部放电信息的PRPD图谱中抽取的样本作为测试集,利用测试集验证训练好的WOA-ELM模型;输出油纸绝缘局部放电识别结果。
进一步地,所述油纸绝缘局部放电模型分为三种:沿面放电、尖端放电、气隙放电。
进一步地,利用WOA算法优化ELM网络参数的过程为:
步骤1、设置鲸鱼种群数目与最大迭代次数,初始化WOA中鲸鱼的初始位置向量X;
步骤2、随机生成WOA中鲸鱼位置向量Xrand;判断Xrand的个体适应度是否优于X;若是,则利用鲸鱼位置向量Xrand更新鲸鱼的位置向量,进入下一次迭代;
若否,进入下一次迭代;
步骤3、判断当前的迭代次数是否大于最大迭代次数,若否则执行步骤2,若是则将当前的鲸鱼的位置向量作为鲸鱼最优位置向量,即获得ELM网络的最优参数。
本方案采用一个随机的搜索代理,根据随机选择的鲸鱼位置来更新其它鲸鱼的位置,迫使鲸鱼扩大搜索猎物的范围,从而寻找一个更合适的猎物,此方法可加强WOA算法的勘探能力使得WOA算法可以完成全局搜索,从而提高识别的准确度。
第三方面,本发明提供一种油纸绝缘局部放电实验装置,应用于上述的油纸绝缘局部放电的特征修正方法中,包括绝缘实验箱、温控装置、电源、加压装置,所述绝缘实验箱包括腔体和外壳,外壳和腔体之间为中空结构,在腔体内设有油纸绝缘局部放电模型,在腔体内壁上间隔安装有多个温度传感器,在外壳和腔体之间安设有多个电热丝;
所述多个电热丝通过导线串联在一起后与所述电源连接;
油纸绝缘局部放电模型与加压装置连接;
多个温度传感器用于检测油纸绝缘局部放电模型进行局部放电时不同位置的油温;
所述温控装置用于对采集到的所述油温进行处理,得到绝缘实验箱的平均油温,并与从电脑接收到的预设油温进行比较,所述温控装置根据比较结果控制电源通断电。
本方案中增加温控装置对实验过程的温度进行控制,从而采集不同温度下局部放电特征参数,为提高后期的局部放电类型识别提供实验数据来源,温控装置根据比较结果控制电源通断电,若绝缘实验箱的平均油温低于预设油温,则控制电源通电,对油温进行加热,达到实验所需的温度条件,若绝缘实验箱的平均油温高于预设油温,则控制电源断电。
进一步地,多个电热丝均匀分布在绝缘实验箱的两侧,多个温度传感器等间隔安装在安设有电热丝的腔体内壁的一侧。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明通过设置温控装置,使得油纸绝缘局部放电实验装置可以通过控制电源通断电控制油温,从而模拟不同油温下提取到的局部放电特征参数,将不同温度下的局部放电特征参数进行非线性拟合,从而得到油温修正系数,修正局部放电特征参数,减小油温对局部放电特征参数的影响,从而提高局部放电类型识别的准确性。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。在附图中:
图1为本发明实施1中油纸绝缘局部放电实验装置的结构示意图;
图2为本发明实施例1中沿面放电模型的示意图;
图3为本发明实施例1中尖端放电模型的示意图;
图4为本发明实施例1中气隙放电模型的示意图;
图5为本发明实施例2油纸绝缘局部放电的特征修正方法流程示意图;
图6为本发明实施例3中优化ELM网络参数的流程示意图。
附图中,
1-绝缘实验箱,11-腔体,12-外壳,13-油纸绝缘局部放电模型,131-高压电极,132-绝缘纸板,133-接地电极,14-电热丝,15-高压引线,16-接地线,17-接线柱,18-绝缘油,2-温控装置,21-一号温度传感器,22-二号温度传感器,23-三号温度传感器,3-电源,4-加压装置,5-接地装置,6-电流传感器,7-滤波器,8-局部放电测试仪,9-电脑,10-导线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,本实施例1提供一种油纸绝缘局部放电实验装置,包括绝缘实验箱1、温控装置2、电源3、加压装置4,所述绝缘实验箱1包括腔体11和外壳12,外壳12和腔体11之间为中空结构,在腔体11内设有油纸绝缘局部放电模型13,在腔体11内壁上间隔安装有多个温度传感器,在外壳12和腔体11之间安设有多个电热丝14;多个电热丝14通过导线10串联在一起后与所述电源3连接;油纸绝缘局部放电模型13与加压装置4连接;多个温度传感器用于检测油纸绝缘局部放电模型13进行局部放电时不同位置的油温;所述温控装置2用于对采集到的所述油温进行处理,得到绝缘实验箱1的平均油温,并与从电脑9接收到的预设油温进行比较,所述温控装置2根据比较结果控制电源3通断电。
如图2-图4所示,本实施例中油纸绝缘局部放电模型13包括3种典型变压器油纸绝缘局部放电缺陷模型,均包括高压电极131、绝缘纸板132和接地电极133,图2表示沿面放电模型,其中绝缘纸板132的直径为15㎜,图3表示尖端放电模型,绝缘纸板132的形状如图所示,图4中表示气隙放电模型;
在搭建本实施例的油纸绝缘局部放电实验装置时,需要将设备与装置进行连接,具体地,本实施例中的设备与装置除了上述的绝缘实验箱1、油纸绝缘局部放电模型13、温控装置2、电源3、加压装置4外,还包括接地装置5、电流传感器6、滤波器7、局部放电测试仪8、高压引线15、接地线16和电脑9;
绝缘实验箱1为封闭的具有容纳油纸绝缘局部放电模型13和绝缘油18的腔体11,接地线16和高压引线15通过接线柱17分别固定在绝缘实验箱1的壳体和内腔壁上,高压引线15两端分别与油纸绝缘局部放电模型13和加压装置4连接,接地线16的两端分别与加压装置4和接地装置5相连,接地线16穿过绝缘实验箱1;
电流传感器6环绕在所述接地线16上,且与滤波器7连接,电流传感器6测得的电流信号通过滤波器7过滤环境噪声,滤波器7与局部放电测试仪8连接,将已过滤噪声的信号传导给局部放电测试仪8;局部放电测试仪8再将测试结果传输给电脑9。
在一种实施方式中,在绝缘实验箱1内部的多个电热丝14均匀分布在绝缘实验箱1的两侧,且将多个温度传感器设置为三个,包括一号温度传感器21、二号温度传感器22、三号温度传感器23;三个温度传感器等间隔安装在安设有电热丝14的腔体11内壁的一侧,具体地,可以将一号温度传感器21安装在绝缘实验箱1腔体11内壁从地面自下至上90%的位置处,二号温度传感器22安装在绝缘实验箱1腔体11内壁自下至上60%处,三号温度传感器23安装在绝缘实验箱1腔体11内壁自下至上30%处;所述温控装置2将处理得到的所述绝缘实验箱1的平均油温与所述温控装置2自所述电脑9接收的预设油温相比较,若所述绝缘实验箱1的平均油温低于预设油温,则控制所述电源3通电,对油温进行加热,达到实验所需的温度条件,若所述绝缘实验箱1的平均油温高于预设油温,则控制所述电源3断电。
实施例2
如图5所示,本实施例2提供一种油纸绝缘局部放电的局部放电特征修正方法,包括以下步骤:
S1、搭建如实施例1所述的油纸绝缘局部放电实验装置,实现温控设置,设置不同的油纸绝缘局部放电模型;包括3种典型变压器油纸绝缘局部放电缺陷模型:沿面放电模型、尖端放电模型、气隙放电模型;
S2、设置基准温度,对三种油纸绝缘局部放电模型分别进行加压实验,提取每种模型对应的基准局部放电特征参数;
对上述三种模型,分别利用下述方法提取模型对应的基准局部放电特征参数,具体方法为:
使用加压装置对3种典型变压器油纸绝缘局部放电缺陷模型进行加压,对于每种油纸绝缘局部放电模型,使用加压装置持续加压30分钟加压过程每隔5s升高电压500V直至工作电压达到额定工作电压,并持续对工作电压和放电信息进行采集;生成记录局部放电信息的PRPD图谱(相位分辩的局部放电图谱);
从记录局部放电信息的PRPD图谱中采用有序系统抽样等时间间隔地抽取30组样本,共90组样本,从每组样本中提取6维局部放电特征参数,6维局部放电特征参数分别为:
(1)基于PDHD的二参数Weibull分布函数提取的正负半周形状参数:±β;
(2)正负半周归一化放电量:±q=±q0/qmax,q0为原始放电量,q为最大放电量;
(3)正负半周放电相位:±θ。
S3、改变实验温度,对三种油纸绝缘局部放电模型分别进行局部放电测试实验,记录在不同温度下每种模型对应的局部放电特征参数;并对每种模型在不同温度下的局部放电特征参数进行非线性拟合,得到油温修正系数;
具体地,非线性拟合过程为:
局部放电测试实验过程中,对于每种油纸绝缘局部放电模型,改变实验温度,记录在多个随机设定的温度下,实验温度在20℃到100℃(温度梯度设置为10℃,基准温度设置为T0),多个实验温度之间间隔10℃,根据步骤S2中提取对应模型的基准局部放电特征参数的方法,提取不同温度下每种模型对应的6维局部放电特征参数;
将不同温度下提取到的所述6维局部放电特征参数进行非线性拟合,得到每个局部放电特征参数对应的油温修正系数。
对于正负半周归一化放电量±q的油温修正系数cq:
其中,i表示对应的油纸绝缘局部放电模型,a表示油纸绝缘局部放电量基准参数,b表示温度影响放电量强弱的参数,T0为基准温度,T为设定的温度,e是自然常数;
对于正负半周放电相位±θ的油温修正系数cθ,拟合过程为:
其中,i表示对应的油纸绝缘局部放电模型,d表示油纸绝缘局部放电相位基准参数,c表示温度影响放电相位强弱的参数,T0为基准温度,T为设定的温度,e是自然常数。
S4、根据油温修正系数修正所述基准局部放电特征参数,得到修正局部放电特征参数,修正后的正负半周归一化放电量为:
修正后的正负半周放电相位为:
实施例3
基于实施例2中的油纸绝缘局部放电的局部放电特征修正方法,本实施例3提供一种油纸绝缘局部放电识别方法,包括以下步骤:
步骤一、构建WOA-ELM模型,将修正局部放电特征参数作为模型的输入,根据修正局部放电特征参数对WOA-ELM模型模型进行初始化,并利用WOA算法优化ELM网络参数;如图6所示,利用WOA算法优化ELM网络参数的具体过程为:
步骤1、设置鲸鱼种群数目与最大迭代次数,初始化WOA中鲸鱼的初始位置向量X;
步骤2、随机生成WOA中鲸鱼位置向量Xrand;判断Xrand的个体适应度是否优于X;若是,则利用鲸鱼位置向量Xrand更新鲸鱼的位置向量,进入下一次迭代;
若否,进入下一次迭代;
步骤3、判断当前的迭代次数是否大于最大迭代次数,若否则执行步骤2,若是则将当前的鲸鱼的位置向量作为鲸鱼最优位置向量,即获得ELM网络的最优参数。
步骤二、将在基准温度下,从每种油纸绝缘局部放电模型对应的记录局部放电信息的PRPD图谱中抽取的样本作为训练样本,具体地,可抽取150组样本作为训练集,利用训练集训练所述WOA-ELM模型,得到训练好的WOA-ELM模型;油纸绝缘局部放电模型分为三种:沿面放电、尖端放电、气隙放电;
步骤三、将在不同温度下的每种油纸绝缘局部放电模型,从记录局部放电信息的PRPD图谱中抽取的样本作为测试集,具体地,可抽取50组样本作为测试集,利用测试集验证训练好的WOA-ELM模型;输出油纸绝缘局部放电识别结果,即局部放电缺陷类型之一:沿面放电、尖端放电、气隙放电。
其中,上述ELM算法的原理如下:
对于一组相互独立样本数为N的数据(Xi,di),其中,Xi=[xi1,xi2,…,xim]T∈Rm,di=[yi1,yi2,…,yin]T∈Rn,i=1,2,…,N。隐层节点数为q的SLFNs模型输出结果可表示为:
式中,Vj为输出权值向量,为激活函数,Wj为输入权值向量,bj为第j个隐层节点的偏置。
进而,SLFNs的目标函数可以表示为:
式中,yi为实际输出,di为期望输出。
对于SLFNs,学习的最终目标是让误差最小,最理想的结果是使式(2)计算结果为0,即
为了简化式(3),该式可被替换为:
HV=D (4)
其中,H为隐层输出矩阵,V为输出权值,D为期望输出。
在ELM算法中,只要随机确定了输入权值Wj和阈值bj,就能唯一地确定隐层的输出矩阵H。进而,可以将训练SLFNs的过程转化为求解线性系统HV=D的过程,则输出权值V可表示为:
V=Η+D (6)
式中,H+为隐层输出矩阵的广义逆矩阵。
用最小二乘法计算V并将其代入公式(1)即可实现ELM分类。
WOA优化算法的原理为:
a)包围猎物
为了刻画鲸鱼包围猎物的过程,SeyedaliMirjalili归纳出一种数学模型:
D=|CX*(t)-X(t)| (7)
X(t+1)=X*(t)-AD (8)
式中,D为距离向量,t为当前迭代次数,A、C为表示系数,X*(t)代表至今鲸鱼的最佳位置向量,X(t)代表当前鲸鱼位置向量,A、C可通过下式计算:
A=2αr1-α (9)
C=2r2 (10)
其中,r1、r2为(0,1)间的随机数,t为当前迭代次数,Tmax为最大迭代次数。
b)狩猎行为
座头鲸狩猎时将以螺旋运动逼近猎物,该过程的数学模型如下:
X(t+1)=X*(t)+Dpeβlcos(2πl) (12)
式中,Dp为鲸鱼与猎物间的距离向量,β为表征螺线形状的常数,l为(0,1)间的随机数。
鲸鱼包围猎物的行为和狩猎行为往往是并行的。因此,在同步行为模型中,我们可以假设存在pi的概率选择收缩包围机制和1-pi的概率选择螺旋模型来更新位置,则
A的波动范围会随α值的减小而减小,当α取1时,A的值仅在[-1,1]间波动,此时说明鲸鱼更新后的位置将是原位置到猎物间的任何位置。因而,算法定义当A<1时,鲸鱼即刻进行攻击行为。
c)搜索猎物
座头鲸搜索猎物时的数学模型为
D=|CXrand-X(t)| (14)
X(t+1)=Xrand-AD (15)
其中,Xrand为随机选取的鲸鱼位置向量,算法定义当A≥1时,采用一个随机的搜索代理,根据随机选择的鲸鱼位置来更新其它鲸鱼的位置,迫使鲸鱼扩大搜索猎物的范围,从而寻找一个更合适的猎物,此方法可加强算法的勘探能力使得WOA算法可以完成全局搜索,从而提高识别的准确度。
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上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备、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。
本领域普通技术人员可以理解实现上述事实和方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,涉及的程序或者所述的程序可以存储于一计算机所可读取存储介质中,该程序在执行时,包括如下步骤:此时引出相应的方法步骤,所述的存储介质可以是ROM/RAM、磁碟、光盘等等。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种油纸绝缘局部放电的特征修正方法,其特征在于,包括以下步骤:
搭建油纸绝缘局部放电温控实验装置,设置不同的油纸绝缘局部放电模型;
设置基准温度,对不同的油纸绝缘局部放电模型分别进行加压实验,提取对应模型的基准局部放电特征参数;
改变实验温度,对不同的油纸绝缘局部放电模型分别进行局部放电测试实验,记录在不同温度下对应模型的局部放电特征参数;并对不同温度下对应模型的局部放电特征参数进行非线性拟合,得到油温修正系数;
根据油温修正系数修正所述基准局部放电特征参数,得到修正局部放电特征参数;
其中,记录在不同温度下每种模型对应的局部放电特征参数的过程为;
局部放电测试实验过程中,对于每种油纸绝缘局部放电模型,改变实验温度,记录在多个随机设定的温度下,多个实验温度之间间隔10℃,根据提取对应模型的基准局部放电特征参数的方法,提取不同温度下的6维局部放电特征参数;
将不同温度下提取到的所述6维局部放电特征参数进行非线性拟合,得到每个局部放电特征参数对应的油温修正系数;
6维局部放电特征参数分别为:
基于PDHD的二参数Weibull分布函数提取的正负半周形状参数:±β;
正负半周归一化放电量:±q;
正负半周放电相位:±θ;
所述油温修正系数的非线性拟合的过程为:则对于正负半周归一化放电量±q的油温修正系数cq:
其中,i表示对应的油纸绝缘局部放电模型,a表示油纸绝缘局部放电量基准参数,b表示温度影响放电量强弱的参数,T0为基准温度,T为设定的温度,e是自然常数;
对于正负半周放电相位±θ的油温修正系数cθ,拟合过程为:
其中,i表示对应的油纸绝缘局部放电模型,d表示油纸绝缘局部放电相位基准参数,c表示温度影响放电相位强弱的参数,T0为基准温度,T为设定的温度,e是自然常数。
2.根据权利要求1所述的一种油纸绝缘局部放电的特征修正方法,其特征在于,提取对应模型的基准局部放电特征参数的方法为:
加压实验过程中,对于每种油纸绝缘局部放电模型,使用加压装置持续加压30分钟,加压过程每隔5s升高电压500V直至工作电压达到额定工作电压,并持续对工作电压和放电信息进行采集;
根据采集的工作电压和放电信息,生成记录局部放电信息的PRPD图谱;
从记录局部放电信息的PRPD图谱中采用有序系统抽样等时间间隔地抽取30组样本,从每组样本中提取6维局部放电特征参数。
3.一种油纸绝缘局部放电识别方法,应用如权利要求1-2任一所述的油纸绝缘局部放电的局部放电特征修正方法,其特征在于,包括以下步骤:
构建WOA-ELM模型,根据修正局部放电特征参数对WOA-ELM模型模型进行初始化,并利用WOA算法优化ELM网络参数;
将在基准温度下,每种油纸绝缘局部放电模型对应的PRPD图谱中抽取的样本作为训练样本,利用训练样本训练所述WOA-ELM模型,得到训练好的WOA-ELM模型;
将在不同温度下的每种油纸绝缘局部放电模型,从记录局部放电信息的PRPD图谱中抽取的样本作为测试集,利用测试集验证训练好的WOA-ELM模型;输出油纸绝缘局部放电识别结果。
4.根据权利要求3所述的一种油纸绝缘局部放电识别方法,其特征在于,所述油纸绝缘局部放电模型分为三种:沿面放电、尖端放电、气隙放电。
5.根据权利要求3所述的一种油纸绝缘局部放电识别方法,其特征在于,利用WOA算法优化ELM网络参数的过程为:
步骤1、设置鲸鱼种群数目与最大迭代次数,初始化WOA中鲸鱼的初始位置向量X;
步骤2、随机生成WOA中鲸鱼位置向量Xrand;判断Xrand的个体适应度是否优于X;若是,则利用鲸鱼位置向量Xrand更新鲸鱼的位置向量,进入下一次迭代;
若否,进入下一次迭代;
步骤3、判断当前的迭代次数是否大于最大迭代次数,若否则执行步骤2,若是则将当前的鲸鱼的位置向量作为鲸鱼最优位置向量,即获得ELM网络的最优参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411415.4A CN114113942B (zh) | 2021-11-25 | 2021-11-25 | 油纸绝缘局部放电的识别、特征修正方法以及实验装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411415.4A CN114113942B (zh) | 2021-11-25 | 2021-11-25 | 油纸绝缘局部放电的识别、特征修正方法以及实验装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114113942A CN114113942A (zh) | 2022-03-01 |
CN114113942B true CN114113942B (zh) | 2023-11-10 |
Family
ID=80372844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111411415.4A Active CN114113942B (zh) | 2021-11-25 | 2021-11-25 | 油纸绝缘局部放电的识别、特征修正方法以及实验装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114113942B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330286A (zh) * | 2017-07-10 | 2017-11-07 | 华南理工大学 | 一种大型油浸式电力变压器可靠性评估动态修正方法 |
CN111308288A (zh) * | 2020-03-06 | 2020-06-19 | 西南交通大学 | 一种油纸绝缘局部放电发展阶段的判断方法 |
CN112485622A (zh) * | 2020-12-09 | 2021-03-12 | 西安华谱电力设备制造有限公司 | 基于ga-bpnn的局部放电模式识别方法 |
CN112684311A (zh) * | 2021-01-30 | 2021-04-20 | 国网上海市电力公司 | 用于变压器油纸绝缘局部放电类型识别的特征量提取方法 |
-
2021
- 2021-11-25 CN CN202111411415.4A patent/CN114113942B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330286A (zh) * | 2017-07-10 | 2017-11-07 | 华南理工大学 | 一种大型油浸式电力变压器可靠性评估动态修正方法 |
CN111308288A (zh) * | 2020-03-06 | 2020-06-19 | 西南交通大学 | 一种油纸绝缘局部放电发展阶段的判断方法 |
CN112485622A (zh) * | 2020-12-09 | 2021-03-12 | 西安华谱电力设备制造有限公司 | 基于ga-bpnn的局部放电模式识别方法 |
CN112684311A (zh) * | 2021-01-30 | 2021-04-20 | 国网上海市电力公司 | 用于变压器油纸绝缘局部放电类型识别的特征量提取方法 |
Non-Patent Citations (2)
Title |
---|
温度对不同老化程度的绝缘纸板沿面放电的影响;王永强等;《高电压技术》;第第43 卷 卷(第第8 期期);2724-2732页 * |
温度对油纸绝缘沿面放电发展过程的影响;王辉等;《高电压技术》;第第36卷卷(第第4期期);884-890页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114113942A (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046581B (zh) | 一种输电线路故障类型识别方法及系统 | |
CN105930901B (zh) | 一种基于rbpnn的变压器故障诊断方法 | |
CN104636985B (zh) | 一种改进bp神经网络的输电线路无线电干扰预测方法 | |
CN112149373B (zh) | 一种复杂模拟电路故障识别与估计方法及系统 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN111104972A (zh) | 基于遗传算法优化支持向量机多分类器的台区低电压风险识别方法 | |
CN112288147B (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
CN109636009A (zh) | 一种建立确定电网线损的神经网络模型的方法和系统 | |
CN109754122A (zh) | 一种基于随机森林特征提取的bp神经网络的数值预测方法 | |
CN108959704B (zh) | 一种考虑形态变化的奖惩权重型仿真序列相似性分析方法 | |
CN106597154A (zh) | 基于dag‑svm的变压器故障诊断提升方法 | |
CN114113942B (zh) | 油纸绝缘局部放电的识别、特征修正方法以及实验装置 | |
CN117057228A (zh) | 一种基于深度强化学习的逆变器多目标优化方法 | |
CN114839492A (zh) | 一种基于mobilenetv3的gis局部放电类型识别方法及装置 | |
CN108520986A (zh) | 一种基于生成对抗网络的动力电池配组方法 | |
CN109921462B (zh) | 一种基于lstm的新能源消纳能力评估方法及系统 | |
CN112926620B (zh) | 一种变压器套管局部放电的缺陷类型识别方法及系统 | |
CN105809286A (zh) | 一种基于代表数据重构的增量svr负荷预测方法 | |
CN109636029A (zh) | 基于大数据的配电网中短期电压越限预警方法 | |
CN116485049B (zh) | 一种基于人工智能的电能计量误差预测与优化系统 | |
CN112348236A (zh) | 用于智能用电监测终端的异常日负荷需求预测系统与方法 | |
CN116973703A (zh) | 干式空心电抗器放电故障与异常运行状态的声学诊断方法 | |
CN116953554A (zh) | 一种基于多片段数据的储能电站锂电池soh估计方法及装置 | |
CN115239971A (zh) | Gis局部放电类型识别模型训练方法、识别方法及系统 | |
CN114841266A (zh) | 一种小样本下基于三元组原型网络的电压暂降识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |