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。