论文部分内容阅读
准确识别气体绝缘组合电器(Gas-insulated switchgear,GIS)内部绝缘缺陷,有助于评估局部放电(Partial discharge,PD)的危害,并为设备检修提供重要依据。然而,传统的单一监测方法存在信息利用不全、特征维度过高、识别率较低的缺点。为了克服这类问题,首先,在220kV真型GIS上搭建了局部放电试验平台,设置了绝缘子污秽、绝缘子气隙、悬浮电极和金属突出物等4种典型缺陷模型,采用脉冲电流法和特高频传感器采集各类缺陷的局部放电信号,将PD信号基于时间分析模式和基于相位分析模式的融合决策引入提出的BP神经网络和改进DS证据理论相融合的诊断方法中,通过引入证据相融度,利用提出的诊断算法进行故障识别。结果表明所提识别方法能深入挖掘有效信息,具有一定的拒误诊能力,故障识别率高于96.7%,显著优于传统的BP神经网络。