论文部分内容阅读
目前,气体绝缘开关(GIS)设备因其可靠度高、维护成本低和体积小等优点,已逐渐取代传统绝缘开关,为无人变电站中被广泛使用的重要电力设备。但是,一旦GIS绝缘劣化,将造成尖端电晕放电,或者因内部放电剧烈形成电树通道放电等,导致在电力系统运转过程中发生故障。由于GIS的不同缺陷类型会产生不同的局部放电特征,故可对运转中的电力设备进行局部放电检测并进行分析,以达到预防性设备故障诊断的目的。本文采用倒传递类神经网络作为缺陷类型局部放电数据的辨识方法。针对三个具有不同内部缺陷的GIS设备,进行局部放电测量,将其放电信号提取后得到相位解析图谱,并应用影像内插法、二维小波变换等图像处理技术,对相位解析图谱进行数据的压缩和特征的提取,然后构建一个三层前馈式倒传递类神经网络,将经过数据简化和处理后的局部相位解析图谱作为类神经网络的输入神经元向量,利用类神经网络进行GIS内部缺陷的放电图谱的辨识训练和测试。本文主要发现以下结论:(1)使用二维小波变换后,将其四个子影像函数作为输入神经元作为缺陷辨识试验,通过缺陷的辨识成功率可发现,相较于原始的相位解析图谱,当利用经过两次低通滤波后具有低频成份的c A子影像函数作为类神经网络的输入向量时,能够显著提高缺陷辨识成功率。相对的,具有高频成份的c H子影像函数、c V子影像函数和c D子影像函数的辨识成功率则不佳,判断其原因在于高频成份的相似度较高,不易分辨。(2)34k V电压等级和42k V电压等级下直接使用相位解析图谱进行的缺陷辨识时,辨识成功率不高,其原因可能时因为当电压等级较高时,非缺陷处所产生的放电现象与高频噪声的影响较为严重。(3)使用多阶二维小波变换,对提高辨识成功率的效果有其限制,并非单纯的阶数越高则辨识成功率就越高。在26k V电压等级下,二阶二维小波变换后的总辨识成功率最高;在34k V电压等级和42k V电压等级下,三阶二维小波变换后的总辨识成功率最高。(4)隐藏层的神经元数在50个以内时,其神经元个数对于缺陷辨识成功率的影响并不显着。(5)本文在26k V电压等级下,进行影像内插法后再经过二阶二维小波变换后得到的矩阵大小为10×10的c A子影像函数作为输入神经元,隐藏层神经元数为10时,得到的三种不同缺陷类型的平均辨识成功率最高,为96.83%。此外,在其它条件时,缺陷的平均辨识成功率均在87%以上,因此,本文所建立的类神经网络能够有效辨识GIS的缺陷,为其检修提供参考。