CN117872068B - 一种油浸式设备内部严重放电缺陷辨识方法及系统 - Google Patents
一种油浸式设备内部严重放电缺陷辨识方法及系统 Download PDFInfo
- Publication number
- CN117872068B CN117872068B CN202410268937.0A CN202410268937A CN117872068B CN 117872068 B CN117872068 B CN 117872068B CN 202410268937 A CN202410268937 A CN 202410268937A CN 117872068 B CN117872068 B CN 117872068B
- Authority
- CN
- China
- Prior art keywords
- pulse current
- discharge
- current signal
- oil
- energy
- 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 57
- 230000007547 defect Effects 0.000 title claims abstract description 52
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 238000007654 immersion Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 208000028659 discharge Diseases 0.000 abstract 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009421 internal insulation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000004200 deflagration Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static 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
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种油浸式设备内部严重放电缺陷辨识方法及系统,在设备运行时,采集安装在油箱接地线处和/或套管末屏接地线处的高频脉冲电流传感器输出的数字式脉冲电流信号;当电流信号瞬时值大于启动门槛时,开始存储信号,当第一预设时间内不再出现大于启动门槛的采样点时存储结束,得到信号序列;通过信号能量和所包含的脉冲数判断是否发生了高能簇状放电;依据设定时间内的高能簇状放电数是否大于预设门槛来判断是否在油箱内部出现了严重放电缺陷。本发明通过在放电缺陷严重阶段,以脉冲成簇出现的特性对油浸式电力设备内部的严重放电缺陷进行辨识,为设备的监测和保护提供基础。
Description
技术领域
本发明属于继电保护技术领域,涉及油浸式电力设备内部放电识别技术领域,尤其是一种新型的基于脉冲电流信号的油浸式电力设备内部严重放电缺陷辨识方法和保护系统。
背景技术
油浸式电力设备包括油浸式变压器、电抗器等,是电能传输和转换环节重要的电力设备,但是油浸式设备的油箱内部出现放电缺陷时,如果不能被及时检测到,可能会迅速发展为电弧击穿故障,致使油箱因大量产气而开裂甚至引起爆燃事故,所以需要通过放电的一些表征参量对油箱内部的放电水平进行监测,在局部放电时采取一定的防护措施,避免其发展演化为电弧击穿故障。
放电缺陷很轻微时(视在放电量较小,通常小于1000pC),作为放电表征的脉冲电流信号的幅值很小,很容易受到底噪和电磁干扰的影响而使放电辨识的结果缺乏可靠性,而且过于轻微的局部放电对绝缘结构造成的破坏很小,几乎是肉眼不可见的,即使及时停电检修也难以故障点寻迹,但放电缺陷很严重(视在放电量大于10000pC)时,绝缘劣化迅速,有明显的放电痕迹,脉冲电流信号幅值信噪比很大,所以,采用合适的参量特征和更为有效的方法逻辑对严重放电缺陷进行可靠辨识是更有现实意义。
局部放电产生的最直接的表征参量是脉冲电流信号,目前油浸式设备运行现场有很多在线监测装置通过检测脉冲电流信号来实现对油箱中放电缺陷的辨识。
如中国专利申请CN202110081417.5,其公开了一种变压器套管局部放电的缺陷类型识别方法及系统,获取变压器套管局部放电数据;将获取的局部放电数据输入到预设支持向量机模型中,得到缺陷类型;其中,利用混沌量子粒子群算法搜索支持向量机的参数惩罚因子最优值和核函数参数最优值。
中国专利申请CN202210898395.6,公开了一种变压器局部放电识别方法,包括以下步骤:S1、搭建变压器内部绝缘介质局部放电模拟试验平台,设置典型的内部绝缘故障;S2、采集不同绝缘故障下发生局部放电时的脉冲电流信号;S3、计算每一类绝缘故障下采集的脉冲电流信号的上升沿、持续时间、能量频率分布和幅值频率分布作为局放信号特征;S4、构建人工神经网络,并输入S3所获得的主要特征参数的类,通过人工神经网络比较变压器放电实例与各种变压器放电模型特征参量的相异度,得到变压器局部放电故障类型的识别结果并输出,识别出局放类型。
中国专利申请CN202210714841.3公开了一种基于时频特征模式识别的变压器绕组局部放电定位方法。该方法包括:第一,建立绕组两端脉冲电流波形的时间均值(t0ph、t0o)、等效时长(Tph、To)、频率均值(f0ph、f0o)、等效频宽(Fph、Fo)的模式识别库;第二,测量变压器绕组两端的脉冲电流信号,计算其时间均值(t0phs、t0os)、等效时长(Tphs、Tos)、频率均值(f0phs、f0os)、等效频宽(Fphs、Fos)参数;第三,计算采样参数与模式库标准样本之间的欧氏距离,判断局部放电位置。
但是现有的辨识方法主要是提取放电信号的相位、幅值以及重复度,而后通过PRPD谱图的统计性特征的变化来确定局放的水平,忽略了脉冲电流信号的时域波形特征,而且获取这些统计特征往往需要较长的时间窗,如果放电缺陷很严重且很快发展时,现有的在线监测方法并不能很及时的做出反应。
发明内容
为解决上述现有技术存在的问题,本发明提供一种基于脉冲电流信号的油浸式电力设备内部严重放电缺陷辨识方法,该方法能够不使用统计特征,而是通过脉冲电流信号的信号能量和成簇特性对油箱内部的严重放电进行快速可靠辨识,为油浸式设备的状态监测和主动保护提供参考。
为达到上述目的,本发明具体采如下用的技术方案。
一种油浸式设备内部严重放电缺陷辨识方法,其特征在于,所述方法包括如下步骤:
步骤1:在油浸式电力设备运行时,信号采集装置实时采集设备脉冲电流信号;
步骤2:当存在脉冲电流信号的瞬时值大于启动门槛时,则从下一个采样时刻起连续采集并存储脉冲电流信号,进入步骤3,否则,返回步骤1;
步骤3:当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,将采集得到的q个脉冲电流信号组成脉冲电流信号序列{H(t i )},i=1,2,...,q,进入步骤4,否则返回步骤1;
步骤4:计算{H(t i )}的脉冲电流信号能量E M ,若E M 大于预设能量门槛E a ,则进入步骤5,否则返回步骤1;
步骤5:统计{H(t i )}中瞬时值的绝对值|H(t n )|大于启动门槛的脉冲电流数据点即放电脉冲信号,当相邻两个放电脉冲信号采样时刻差大于设定的第二预设时间T 2 ,则累计一个簇中脉冲数,计算{H(t i )}中的总簇中脉冲数M,当M大于预设门槛值M a ,认为发生了一次高能簇状放电,进入步骤6,否则返回步骤1;
步骤6:若第三预设时间T 3中高能簇状放电次数大于预设放电次数门槛S,则判定当前设备内部产生了严重放电缺陷,否则返回步骤1。
本发明进一步包括以下优选方案。
在步骤1中,信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出信号进行实时采集,得到电流信号。
在步骤2中,脉冲电流信号的瞬时值大于启动门槛包括以下两种情况:
当前时刻t脉冲电流信号瞬时值幅值的绝对值大于启动门槛/>,或从时刻t-T 1到当前时刻t之间的某时刻t j 能使得/>,其中/>是指t j 时刻脉冲电流信号幅值的绝对值。
所述启动门槛的计算方式如下:
式中,k为可靠系数;为油浸是设备内部无放电时脉冲电流信号底噪绝对值的最大值。
所述可靠系数k取值为2-10,T 1取值为50-500微秒。
在步骤3中,当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,是指:
在采集并存储脉冲电流信号的过程中,当存在连续T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则从下一个采样时刻起停止采样,所述T 1的取值为50-500微秒
在步骤4中,所述信号序列{H(t i )}中的脉冲电流信号能量E M 的计算方式如下:
,
式中,f为采样频率,q为信号序列{H(t i )}中脉冲电流信号的个数,A p 为第p个采样时刻脉冲电流信号的幅值,H op 为启动门槛。
预设能量门槛E a 的取值可根据设备出厂局放试验进行放电量标定时进行确定,取视在放电量为10000pC及以上时测得的脉冲电流信号能量为预设门槛值。
在步骤5中,设定的第二预设时间T 2 取值为1-10微秒。
在步骤5中,预设门槛值M a 的取值范围是2-50。
在步骤6中,设定的第三预设时间T 3取值为0.1-10秒。
预设的放电次数门槛S取值为1-100。
本申请同时公开了一种利用前述辨识方法的油浸式设备内部严重放电缺陷辨识系统,包括信号采集装置、脉冲电流幅值判断模块、脉冲电流连续采集存储模块、脉冲电流信号序列能量计算模块、脉冲电流信号序列总簇中脉冲统计模块、设备内部严重放电判断模块,其特征在于:
所述信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出脉冲电流信号进行实时采集;
脉冲电流幅值判断模块实时监测信号采集装置所采集的脉冲电流信号,当脉冲电流信号瞬时值的幅值的绝对值大于启动门槛时,或自当前时刻前T 1至当前时刻内存在脉冲电流信号幅值的绝对值大于启动门槛/>的情况时,触发脉冲电流连续采集存储模块连续采集并存储脉冲电流信号;
当脉冲电流幅值判断模块监测到连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则触发脉冲电流连续采集存储模块停止采集并存储脉冲电流信号;
脉冲电流信号序列能量计算模块计算脉冲电流连续采集存储模块连续采集并存储脉冲电流信号序列的电流信号能量E M ,并判断E M 是否大于预设能量门槛E a ,如果大于则触发脉冲电流信号序列总簇中脉冲统计模块统计脉冲电流信号序列中的总簇中脉冲数M,如果大于预设门槛值M a ,则认为发生了一次高能簇状放电;
设备内部严重放电判断模块判断第三预设时间T 3中高能簇状放电次数是否大于预设放电次数门槛S,如果大于则判定当前设备内部产生了严重放电缺陷。
一种终端,包括处理器及存储介质;其特征在于:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行所述油浸式设备内部严重放电缺陷辨识方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述油浸式设备内部严重放电缺陷辨识方法的步骤。
本发明相对于现有技术,能取得以下有益的技术效果:
首先与现有的油浸式设备的继电保护手段相比,本发明能够在电弧击穿之前进行放电缺陷的辨识,预警电弧故障,能够将保护防线前移到电弧产生之前,降低油箱爆燃事故的可能性。其次已有的在线监测方法需要较长的时间窗来计算脉冲电流放电信号的PRPD谱图统计特征,甚至还引入了较为复杂的缺陷类型识别算法,信息处理时间是较长的,忽略了信号时域特征,对于快速发展的严重放电缺陷来不及反应,本发明在不增加任何测量设备的前提下,将严重放电缺陷的辨识缩短到1秒以内,保证了识别的快速性,所应用的特征量尤其是脉冲成簇特性是现有技术方案中未能涉及到的,计算方式简单但同样有很高的可靠性。
附图说明
图1是本发明油浸式设备内部严重放电缺陷辨识方法的流程图;
图2是本发明实施例的方法流程示意图;
图3是轻微放电时脉冲电流信号的时域波形图;
图4是严重放电时脉冲电流信号的时域波形图。
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,下面将结合本发明实施例中的附图,对本发明的技术方案进行清楚、完整地描述。本申请所描述的实施例仅仅是本发明一部分的实施例,而不是全部实施例。基于本发明精神,本领域普通技术人员在没有作出创造性劳动前提下所获得的有所其它实施例,都属于本发明的保护范围。
如图1所示,本发明公开了一种油浸式设备内部严重放电缺陷辨识方法,其特征在于,所述方法包括如下步骤:
步骤1:在油浸式电力设备运行时,信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出信号进行实时采集,得到电流信号。
步骤2:当存在脉冲电流信号的瞬时值大于启动门槛时,则从下一个采样时刻起连续采集并存储脉冲电流信号,进入步骤3,否则,返回步骤1;
脉冲电流信号的瞬时值大于启动门槛包括以下两种情况:
当前时刻t脉冲电流信号瞬时值幅值的绝对值大于启动门槛/>,或从时刻t-T 1到当前时刻t之间的某时刻t j 能使得/>,其中/>是指t j 时刻脉冲电流信号幅值的绝对值。
所述启动门槛的计算方式如下:
(1)
式中,k为可靠系数通常选为2-10,在本发明中优选k=5;为油浸是设备内部无放电时脉冲电流信号底噪绝对值的最大值,T 1取值为50-500微秒。
步骤3:当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,将采集得到的q个脉冲电流信号组成脉冲电流信号序列{H(t i )},i=1,2,...,q,进入步骤4,否则返回步骤1;
当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,是指:
在采集并存储脉冲电流信号的过程中,当存在连续T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则从下一个采样时刻起停止采样,所述T 1的取值为50-500微秒。
步骤4:计算{H(t i )}的脉冲电流信号能量E M ,若E M 大于预设能量门槛E a ,则进入步骤5,否则返回步骤1;
所述信号序列{H(t i )}中的脉冲电流信号能量E M 的计算方式如下:
(2)
式中,f为采样频率,q为信号序列{H(t i )}中脉冲电流信号的个数,A p 为第p个采样时刻脉冲电流信号的幅值,H op 为启动门槛。
预设能量门槛E a 的取值可根据设备出厂局放试验进行放电量标定时进行确定,取视在放电量为10000pC及以上时测得的脉冲电流信号能量为预设门槛值。通常,将预设能量门槛E a 的取值为2×10-5焦耳。
步骤5:统计{H(t i )}中瞬时值的绝对值|H(t n )|大于启动门槛的脉冲电流数据点即放电脉冲信号,当相邻两个放电脉冲信号采样时刻差大于设定的第二预设时间T 2 ,则累计一个簇中脉冲数,计算{H(t i )}中的总簇中脉冲数M,当M大于预设门槛值M a ,认为发生了一次高能簇状放电,进入步骤6,否则返回步骤1;
其中,设定的第二预设时间T 2 取值为1-10微秒。预设门槛值M a 取值范围为2-50,可根据不同设备具体设定。
步骤6:若第三预设时间T 3中高能簇状放电次数大于预设放电次数门槛S,则判定当前设备内部产生了严重放电缺陷,否则返回步骤1。
设定的第三预设时间T 3取值为0.1-10秒,本申请优选为1秒。
预设的放电次数门槛S取值为1-100,本申请可优选S=5。
本申请同时公开了一种利用所述辨识方法的油浸式设备内部严重放电缺陷辨识系统,包括信号采集装置、脉冲电流幅值判断模块、脉冲电流连续采集存储模块、脉冲电流信号序列能量计算模块、脉冲电流信号序列总簇中脉冲统计模块、设备内部严重放电判断模块。
所述信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出脉冲电流信号进行实时采集;
脉冲电流幅值判断模块实时监测信号采集装置所采集的脉冲电流信号,当脉冲电流信号瞬时值的幅值的绝对值大于启动门槛时,或自当前时刻前T 1至当前时刻内存在脉冲电流信号幅值的绝对值大于启动门槛/>的情况时,触发脉冲电流连续采集存储模块连续采集并存储脉冲电流信号;
当脉冲电流幅值判断模块监测到连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则触发脉冲电流连续采集存储模块停止采集并存储脉冲电流信号;
脉冲电流信号序列能量计算模块计算脉冲电流连续采集存储模块连续采集并存储脉冲电流信号序列的电流信号能量E M ,并判断E M 是否大于预设能量门槛E a ,如果大于则触发脉冲电流信号序列总簇中脉冲统计模块统计脉冲电流信号序列中的总簇中脉冲数M,如果大于预设门槛值M a ,则认为发生了一次高能簇状放电;
设备内部严重放电判断模块判断第三预设时间T 3中高能簇状放电次数是否大于预设放电次数门槛S,如果大于则判定当前设备内部产生了严重放电缺陷。
实施例1:
图2则显示了本发明油浸式电力设备内部严重放电缺陷辨识方法的优选实施例,包括如下步骤:
步骤1:保护程序开始运行,簇中脉冲数M赋值为0,计数量n赋值为1,中间变量a和b赋值为0;
步骤2:在油浸式电力设备运行时,信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出信号进行实时采集,得到脉冲电流信号;
步骤3:比较脉冲电流信号的瞬时值的绝对值是否大于启动门槛/>或从时刻t-T 1到当前时刻t之间的某时刻t j 能使得/>,若满足,则连续存储数字式脉冲电流信号序列/>,进入步骤4,否则,返回步骤2;
步骤4:如果对于所有的t-T 1≤t j ≤t,均有|H(t j )|≤H op ,则停止记录{H(t i )},i=1,2,...,q,计算并储存q个采样点的信号序列{H(t i )}的脉冲电流信号能量E,进入步骤5,否则返回步骤2;
步骤5:若E大于预设门槛E a ,则将中间变量b赋值为t 1,进入步骤6,否则返回步骤2;
步骤6:比较|H(t n )|是否大于H op ,若大于,则将a赋值为t n ,n的值加一,进入步骤7;否则n的值加一,进入步骤8;
步骤7:比较a-b是否大于T 2 ,若大于,则簇中脉冲数M的值加一,并将b赋值为a,返回步骤6,否则将b赋值为a,返回步骤6;
步骤8:比较计数量n和信号序列的长度q的大小,若大于,则进入步骤9,否则返回步骤6;
步骤9:比较簇中脉冲数M是否大于预设门槛值M a ,若大于,认为此时发生了一次高能簇状放电,进入步骤10;否则返回步骤1;
步骤10:若时间T 3中高能簇状放电次数大于预设门槛S,则判定当前设备内部产生了严重放电缺陷,程序结束,否则返回步骤1。
实施例2:
以某110kV油浸式变压器内部产生放电缺陷为例说明本发明方法的可行性。当变压器内部产生轻微局部放电时,安装于套管末屏接地线处的高频脉冲电流传感器能够测量到脉冲电流信号,时域波形如图3所示,信号幅值和能量较低,放电脉冲单个出现,当其发展为严重放电缺陷时,脉冲电流时域波形如图4所示,信号幅值和能量较高,放电脉冲短时内成簇出现,依靠本发明方法对高能簇状放电进行辨别,当1s之内的高能簇状放电大于5时可认为油箱内部已经产生了严重放电缺陷,需要采取防护措施。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (14)
1.一种油浸式设备内部严重放电缺陷辨识方法,其特征在于,所述方法包括如下步骤:
步骤1:在油浸式电力设备运行时,信号采集装置实时采集设备脉冲电流信号;
步骤2:当存在脉冲电流信号的瞬时值大于启动门槛时,则从下一个采样时刻起连续采集并存储脉冲电流信号,进入步骤3,否则,返回步骤1;
步骤3:当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,将采集得到的q个脉冲电流信号组成脉冲电流信号序列{H(t i )},i=1,2,...,q,进入步骤4,否则返回步骤1;T 1取值为50-500微秒;
步骤4:计算{H(t i )}的脉冲电流信号能量E M ,若E M 大于预设能量门槛E a ,则进入步骤5,否则返回步骤1;E a 根据设备出厂局放试验进行放电量标定时进行确定;
步骤5:统计{H(t i )}中瞬时值的绝对值大于启动门槛的脉冲电流数据点即放电脉冲信号,当相邻两个放电脉冲信号采样时刻差大于设定的第二预设时间T 2 ,T 2 取值为1-10微秒,则累计一个簇中脉冲数,计算{H(t i )}中的总簇中脉冲数M,当M大于预设门槛值M a ,认为发生了一次高能簇状放电,进入步骤6,否则返回步骤1;
步骤6:若第三预设时间T 3中高能簇状放电次数大于预设放电次数门槛S,则判定当前设备内部产生了严重放电缺陷,否则返回步骤1。
2.根据权利要求1所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤1中,信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出信号进行实时采集,得到电流信号。
3.根据权利要求1或2所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤2中,脉冲电流信号的瞬时值大于启动门槛包括以下两种情况:
当前时刻t脉冲电流信号瞬时值幅值的绝对值大于启动门槛/>,或从时刻t-T 1到当前时刻t之间的某时刻t j 能使得/>,其中/>是指t j 时刻脉冲电流信号幅值的绝对值。
4.根据权利要求3所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
所述启动门槛的计算方式如下:
,
式中,k为可靠系数;为油浸是设备内部无放电时脉冲电流信号底噪绝对值的最大值。
5.根据权利要求4所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
所述可靠系数k取值为2-10。
6.根据权利要求1所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤3中,当存在连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则停止采集,是指:
在采集并存储脉冲电流信号的过程中,当存在连续T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则从下一个采样时刻起停止采样。
7.根据权利要求1所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤4中,所述信号序列{H(t i )}中的脉冲电流信号能量E M 的计算方式如下:
式中,f为采样频率,q为信号序列{H(t i )}中脉冲电流信号的个数,A p 为第p个采样时刻脉冲电流信号的幅值,H op 为启动门槛。
8.根据权利要求7所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
预设能量门槛E a 的取值可根据设备出厂局放试验进行放电量标定时进行确定,取视在放电量为10000pC及以上时测得的脉冲电流信号能量为预设门槛值。
9.根据权利要求1所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤5中,预设门槛值M a 的取值范围是2-50。
10.根据权利要求1或9所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
在步骤6中,设定的第三预设时间T 3取值为0.1-10秒。
11.根据权利要求10所述的油浸式设备内部严重放电缺陷辨识方法,其特征在于:
预设的放电次数门槛S取值为1-100。
12.一种利用权利要求1-11任一项所述辨识方法的油浸式设备内部严重放电缺陷辨识系统,包括信号采集装置、脉冲电流幅值判断模块、脉冲电流连续采集存储模块、脉冲电流信号序列能量计算模块、脉冲电流信号序列总簇中脉冲统计模块、设备内部严重放电判断模块,其特征在于:
所述信号采集装置对安装在油箱接地线和/或套管末屏接地线处的高频脉冲电流传感器的输出脉冲电流信号进行实时采集;
脉冲电流幅值判断模块实时监测信号采集装置所采集的脉冲电流信号,当脉冲电流信号瞬时值的幅值的绝对值大于启动门槛时,或自当前时刻前T 1至当前时刻内存在脉冲电流信号幅值的绝对值大于启动门槛/>的情况时,触发脉冲电流连续采集存储模块连续采集并存储脉冲电流信号;
当脉冲电流幅值判断模块监测到连续第一预设时间T 1时间段内的脉冲电流信号的瞬时值的绝对值均不大于启动门槛值时,则触发脉冲电流连续采集存储模块停止采集并存储脉冲电流信号;
脉冲电流信号序列能量计算模块计算脉冲电流连续采集存储模块连续采集并存储脉冲电流信号序列的电流信号能量E M ,并判断E M 是否大于预设能量门槛E a ,如果大于则触发脉冲电流信号序列总簇中脉冲统计模块统计脉冲电流信号序列中的总簇中脉冲数M,如果大于预设门槛值M a ,则认为发生了一次高能簇状放电;
设备内部严重放电判断模块判断第三预设时间T 3中高能簇状放电次数是否大于预设放电次数门槛S,如果大于则判定当前设备内部产生了严重放电缺陷。
13.一种终端,包括处理器及存储介质;其特征在于:
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1-11任一项所述油浸式设备内部严重放电缺陷辨识方法的步骤。
14.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-11任一项所述油浸式设备内部严重放电缺陷辨识方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410268937.0A CN117872068B (zh) | 2024-03-11 | 2024-03-11 | 一种油浸式设备内部严重放电缺陷辨识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410268937.0A CN117872068B (zh) | 2024-03-11 | 2024-03-11 | 一种油浸式设备内部严重放电缺陷辨识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117872068A CN117872068A (zh) | 2024-04-12 |
CN117872068B true CN117872068B (zh) | 2024-05-31 |
Family
ID=90579697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410268937.0A Active CN117872068B (zh) | 2024-03-11 | 2024-03-11 | 一种油浸式设备内部严重放电缺陷辨识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117872068B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0356028A (ja) * | 1989-07-24 | 1991-03-11 | Chubu Electric Power Co Inc | 油入変圧器の部分放電監視装置 |
JPH0945537A (ja) * | 1995-07-31 | 1997-02-14 | Matsushita Electric Ind Co Ltd | 高電圧機器の絶縁状態監視装置 |
KR19990025593A (ko) * | 1997-09-13 | 1999-04-06 | 이종규 | 부분방전 온-라인 진단시스템 |
JP2002131366A (ja) * | 2000-10-20 | 2002-05-09 | Toshiba Corp | 高電圧機器の内部部分放電監視装置 |
KR20050082826A (ko) * | 2004-02-20 | 2005-08-24 | 한국 전기안전공사 | 가스절연 개폐장치용 단로기의 진단장치 및 진단방법 |
CN103605060A (zh) * | 2013-12-04 | 2014-02-26 | 国家电网公司 | 油浸倒置式电流互感器局部放电检测系统 |
CN103645425A (zh) * | 2013-11-15 | 2014-03-19 | 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 |
CN104198898A (zh) * | 2014-08-04 | 2014-12-10 | 西安交通大学 | 基于脉冲序列分析的局部放电发展过程诊断方法 |
CN107544005A (zh) * | 2017-07-19 | 2018-01-05 | 华北电力大学 | 一种高压igbt局部放电电流时域参数的确定方法和装置 |
CN110244199A (zh) * | 2019-05-16 | 2019-09-17 | 上海金艺检测技术有限公司 | 基于时域重构的局部放电脉冲统计方法 |
CN114994478A (zh) * | 2022-06-22 | 2022-09-02 | 国网福建省电力有限公司电力科学研究院 | 基于时频特征模式识别的变压器绕组局部放电定位方法 |
CN115097262A (zh) * | 2022-02-22 | 2022-09-23 | 国网陕西省电力有限公司电力科学研究院 | 一种变压器局部放电脉冲电流信号特征参量提取方法及系统 |
CN117420393A (zh) * | 2023-09-05 | 2024-01-19 | 国网上海市电力公司 | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 |
KR20240022325A (ko) * | 2022-08-11 | 2024-02-20 | 한국전력공사 | 부분방전 발생위치 추정 방법 및 그 장치 |
-
2024
- 2024-03-11 CN CN202410268937.0A patent/CN117872068B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0356028A (ja) * | 1989-07-24 | 1991-03-11 | Chubu Electric Power Co Inc | 油入変圧器の部分放電監視装置 |
JPH0945537A (ja) * | 1995-07-31 | 1997-02-14 | Matsushita Electric Ind Co Ltd | 高電圧機器の絶縁状態監視装置 |
KR19990025593A (ko) * | 1997-09-13 | 1999-04-06 | 이종규 | 부분방전 온-라인 진단시스템 |
JP2002131366A (ja) * | 2000-10-20 | 2002-05-09 | Toshiba Corp | 高電圧機器の内部部分放電監視装置 |
KR20050082826A (ko) * | 2004-02-20 | 2005-08-24 | 한국 전기안전공사 | 가스절연 개폐장치용 단로기의 진단장치 및 진단방법 |
CN103645425A (zh) * | 2013-11-15 | 2014-03-19 | 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 |
CN103605060A (zh) * | 2013-12-04 | 2014-02-26 | 国家电网公司 | 油浸倒置式电流互感器局部放电检测系统 |
CN104198898A (zh) * | 2014-08-04 | 2014-12-10 | 西安交通大学 | 基于脉冲序列分析的局部放电发展过程诊断方法 |
CN107544005A (zh) * | 2017-07-19 | 2018-01-05 | 华北电力大学 | 一种高压igbt局部放电电流时域参数的确定方法和装置 |
CN110244199A (zh) * | 2019-05-16 | 2019-09-17 | 上海金艺检测技术有限公司 | 基于时域重构的局部放电脉冲统计方法 |
CN115097262A (zh) * | 2022-02-22 | 2022-09-23 | 国网陕西省电力有限公司电力科学研究院 | 一种变压器局部放电脉冲电流信号特征参量提取方法及系统 |
CN114994478A (zh) * | 2022-06-22 | 2022-09-02 | 国网福建省电力有限公司电力科学研究院 | 基于时频特征模式识别的变压器绕组局部放电定位方法 |
KR20240022325A (ko) * | 2022-08-11 | 2024-02-20 | 한국전력공사 | 부분방전 발생위치 추정 방법 및 그 장치 |
CN117420393A (zh) * | 2023-09-05 | 2024-01-19 | 国网上海市电力公司 | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117872068A (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7394800B2 (ja) | 非接地配電システムのための過渡状態に基づいた故障位置特定方法 | |
Behjat et al. | Statistical approach for interpretation of power transformers frequency response analysis results | |
CN103576059B (zh) | 一种变压器匝间放电综合故障诊断方法及系统 | |
US8143899B2 (en) | Method and apparatus for detecting partial discharges in electrical systems | |
EP3921659A1 (en) | A sensor for transformer condition assessment | |
US20100161275A1 (en) | Trend Analysis Methods and System for Incipient Fault Prediction | |
JP2014517320A (ja) | 高電圧機器における単一及び複数の部分放電(pd)欠陥を分類するためにprpd包絡値を使用する方法 | |
CN109342883A (zh) | 一种用于电缆的局部老化故障检测定位方法 | |
CN117407679B (zh) | 智能末屏传感器的数据采集方法及系统 | |
Wang et al. | Reflectometry-based cable insulation aging diagnosis and prognosis | |
CN110766264A (zh) | 一种传输电缆健康状态监测评估方法 | |
CN111610420A (zh) | 干式空心电抗器识别绝缘缺陷方法、系统及终端设备 | |
Mahvi et al. | Localising low‐level short‐circuit faults on the windings of power transformers based on low‐frequency response measurement of the transformer windings | |
Chaouche et al. | BA to construction of equivalent circuit of a transformer winding from frequency response analysis measurement | |
CN117434396A (zh) | 一种变压器套管末屏在线监测系统及其方法 | |
WO2022105285A1 (zh) | 一种基于冲击事件来监测异常状态的系统及方法 | |
CN117872068B (zh) | 一种油浸式设备内部严重放电缺陷辨识方法及系统 | |
LU504920B1 (en) | Non-contact insulation monitoring method and system for circuit breakers based on array spatial electric field | |
CN117517823A (zh) | 电抗器的状态评估方法和装置 | |
CN110017894B (zh) | 变压器运行状态振声检测中随机噪声的滤除方法和装置 | |
CN117420393A (zh) | 开关柜局部放电缺陷识别方法、系统、设备及存储介质 | |
Chang et al. | Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor | |
CN116559724A (zh) | 配电线路的接地故障监测方法、监测装置和故障指示器 | |
CN112487714B (zh) | 一种电缆竖井火灾状态识别决策树模型的生成方法 | |
CN115524583A (zh) | 一种用于gis的局部放电监测方法、装置及介质 |
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 |