论文部分内容阅读
现代电力系统正向着大电网、大机组、超高压、大容量的方向发展,为保障电力系统稳定性、可靠性,对电力设备的安全程度也提出了更高的要求。而传统的电能运输设备和电能变换设备无论在可靠性,安全性和灵活性等方面都不能满足现代电网的运行要求。从上世纪八十年代开始以来,气体绝缘开关(GIS)设备以其体积小、环境影响小、维修周期长和运行可靠性高等优点慢慢地被普遍使用在输变电站和换流站中,如今GIS已成为现代电力系统输变电站的主流绝缘设备。但同时,由于GIS设备在制造、运输、安装和运行中各种不可控的原因,GIS内部会发生各种不同缺陷类型导致的局部放电。长期的实践证明,局部放电检测技术能够提早发现GIS设备内部局部放电现象、缺陷信息及其严重程度,还可实现缺陷的准确定位,对故障提出预警,从而实现有计划的安排检修,减少设备损坏和事故发生,对电力系统的稳定安全运行具有重要意义。本文对局部放电的定义和产生进行了简单的介绍,对GIS设备的主要局部放电检测方法进行了分类。然后以杭州西湖电子研究所生产的型号XD5936的GIS局部放电带电检测装置为检测实验平台,详细介绍了该GIS实验装置的设计结构,设备布局和接线设置等情况,对几种不同检测方法在该GIS设备的检测方式进行了简要的介绍。接着研究了XD5936实验装置的尖端、悬浮、金属颗粒和气泡四种典型缺陷类型的模型设计原理和局部放电机理,然后通过特高频检测方法,采集了GIS实验装置在电压为110kV下的四种典型缺陷类型的局部放电信号波形,用于后续的研究分析。采集到的信号首先进行必要的预处理,然后以统计信息、时域信息、频域信息3类特征信息为主导,提取了超过30个GIS特高频检测信号的特征信息参数。其中,对时域信号的特征提取,创新性地提出了检测信号的多重包络线特征提取方法,让时域信号的特征提取变得容易和具体,减小了检测信号中的冗余信息,同时一定程度上消除了随机信号的干扰影响。频域信息的特征提取为一次包络线提取,接着采用流形学习方法局部线性嵌入(LLE)算法对30个特征量的维数进行约简工作,最终通过设置参数分别取得10、16和20组三种不同的特征参数组合。最后选取泛化能力更强、解更稀疏、鲁棒性更好的相关向量机(RVM)作为模式识别的分类器,并通过“一对一”方法构造了可以用于多类预测和分类的多分类相关向量机(M-RVM),然后分别选取以上三种不同的特征降维组合结果作为输入向量,在M-RVM分类器中进行分类和预测对比,结果表明降维特征量为16时分类器效果取得最佳,同时通过与神经网络的分类方法相比较得出,LLE降维算法和M-RVM分类器组合的识别系统对于GIS设备的缺陷类型导致的局部放电检测具有可靠的识别准确度,也证明该方法在检测电气设备绝缘状况,了解设备内部绝缘缺陷和预防潜伏性和突发性事故发生具有一定的指导意义和可行性。