基于智能算法的局部放电模式分层识别综合实验设计_严家明.pdf
《基于智能算法的局部放电模式分层识别综合实验设计_严家明.pdf》由会员分享,可在线阅读,更多相关《基于智能算法的局部放电模式分层识别综合实验设计_严家明.pdf(9页珍藏版)》请在咨信网上搜索。
1、 实 验 技 术 与 管 理 第 40 卷 第 2 期 2023 年 2 月 Experimental Technology and Management Vol.40 No.2 Feb.2023 收稿日期:2022-07-27 基金项目:教育部第二批新工科研究与实践项目(E-DZYQ20201416);中国矿业大学教学研究重点项目(2021ZD01);中国矿业大学实验技术研究与开发重大项目(S2020Z003);国家重点研发计划项目(2017YFF0210600);煤炭行业教育研究课题(2021MXJG082)作者简介:严家明(1977),男,安徽六安,博士,讲师,主要从事电气设备在线监测及
2、故障诊断方面的教学与科研,yanjiaming888 。引文格式:严家明,周一恒,徐瑞东,等.基于智能算法的局部放电模式分层识别综合实验设计J.实验技术与管理,2023,40(2):48-56.Cite this article:YAN J M,ZHOU Y H,XU R D,et al.Comprehensive experiment design of partial discharge pattern layered recognition based on intelligent algorithmJ.Experimental Technology and Management,202
3、3,40(2):48-56.(in Chinese)ISSN 1002-4956 CN11-2034/T DOI:10.16791/ki.sjg.2023.02.008 基于智能算法的局部放电模式分层识别 综合实验设计 严家明1,周一恒2,徐瑞东1,邓先明1 (1.中国矿业大学 电气工程学院,江苏 徐州 221116;2.中国矿业大学 信息与控制工程学院,江苏 徐州 221116)摘 要:该文设计了局部放电模式识别实验,改进了基于智能算法的样本分层实验分析方法,建立了基于教研融合的实验教学新模式。通过设计三种放电缺陷采集局部放电信号,利用小波变换清洗局部放电数据,基于统计学构建局部放电相位分布
4、(PRPD)图谱并提取特征量,对比分析了利用 BP 神经网络(BPNN)传统算法和改进的样本分层算法对放电类型识别的效率。实验结果表明,样本分层智能算法能够提高局部放电模式识别效率。该实验基于教师科研成果,综合运用了电气、信息、统计学及计算机等多学科交叉,建立了“基于实践、递进启发、学科交叉”的教研融合实验教学新模式,锻炼了学生的实践动手能力和知识综合运用能力,培养了学生的探索热情和创新意识。关键词:放电缺陷;PRPD 模式;统计特征;样本分层识别;教研融合 中图分类号:TM835;G642.423 文献标识码:A 文章编号:1002-4956(2023)02-0048-09 Comprehe
5、nsive experiment design of partial discharge pattern layered recognition based on intelligent algorithm YAN Jiaming1,ZHOU Yiheng2,XU Ruidong1,DENG Xianming1(1.School of Electrical Engineering,China University of Mining and Technology,Xuzhou 221116,China;2.School of Information and Control Engineerin
6、g,China University of Mining and Technology,Xuzhou 221116,China)Abstract:In this paper,a partial discharge(PD)pattern recognition experiment was designed,a sample-layered experiment analysis method based on intelligent algorithm was improved,and a new experiment-teaching mode based on teaching and r
7、esearch integration was established.Three kinds of discharge defects were designed to acquire partial discharge signals,partial discharge data was cleaned by wavelet transform,partial discharge phase distribution(PRPD)maps were constructed based on statistics and their statistics features were extra
8、cted,efficiency of discharge pattern recognition by using traditional BP neural network(BPNN)algorithm and improved sample-layered algorithm was compared and analyzed.The experiment results show that sample-layered intelligent algorithm can improve efficiency of discharge pattern recognition.Based o
9、n teachers scientific research achievements,this experiment comprehensively utilizes interdisciplinary ways of electricity,information,statistics,computer and so on,and establishes a new experiment teaching and research integration mode of“based on practice,progressive inspiration,interdisciplinary
10、crossing”,which trains students practice ability and comprehensive application ability of knowledge,and cultivates students exploration enthusiasm and innovation consciousness.Key words:discharge defect;PRPD pattern;statistics feature;sample-layered recognition;teaching and research integration 严家明,
11、等:基于智能算法的局部放电模式分层识别综合实验设计 49 局部放电是导致电力设备绝缘故障的主要原因1。随着“碳达峰、碳中和”目标2的推进,为实现这一目标而构建的“新型电力系统”,其“双高”特性(高比例可再生能源并网、高比例电力电子装备并网)3使电力设备面临更加严酷复杂的电磁环境,更易引发局部放电,导致设备绝缘过早失效,影响电力系统安全运行。监测电力设备局部放电、识别放电模式及对应的缺陷类型,对于及时发现设备存在的绝缘缺陷、评估绝缘运行状态、制定合理的检修策略,从而保障电力设备的安全稳定运行,具有重要的现实意义。目前对局部放电类型的模式识别采用了众多智能识别分析方法,其中神经网络的使用最为广泛,
12、如利用 BP 神经网络(back propagation neural network,BPNN)、径向基神经网络(radical basis function network,RBFN)识别放电类型并判断放电程度4-5。在此基础上,还有诸如 Adaboost 集成、概率神经网络分类等优化智能算法6-7,使局部放电的神经网络识别效率得到进一步提升。这些局部放电类型模式识别方法,是用训练好的网络算法对待识样本进行一次性整体识别,识别过程简易、方便,但也存在因部分样本特征相似而导致识别结果混淆情况。本文拟对待识样本采用分层识别方法,以降低相似性混淆问题。局部放电是电力设备绝缘常规预防性实验项目8,
13、也是电气工程专业高压类方向学生必须掌握的实验项目。本文设计了识别“电晕放电、沿面放电及气隙放电”模式类型的局部放电综合实验,分析局部放电的模式及其特征量,探讨采用样本分层智能算法提高模式识别效率的实验分析方法。1 实验原理 局部放电模式识别主要包括放电模式构造、特征量提取、智能算法选择三个关键环节9。具体来说,用不同检测方法获得的放电信号可以构造出不同的放电模式;放电模式包含的信息量较大,直接对其进行识别难度较高,须提取能表征放电模式特征的特征量以供识别;智能算法具有一定自学习能力,能通过特征数据库进行学习训练,最后用来进行放电缺陷类型识别。1.1 局部放电 PRPD 模式 脉冲电流法是最基本
14、的局部放电检测方法,基于脉冲电流法获得的放电信号可构造出局部放电相位分布(phase resolved partial discharge,PRPD)模式,这是使用最广泛的一种放电模式10,包括三维统计模式和二维统计模式。(1)三维统计图谱。PRPD 三维统计模式也称为-q-n 模式。该模式可由图像直观地表征局部放电脉冲所对应的工频相位、放电量 q 及放电次数 n 之间的关系。通过采集多个工频周期的局部放电脉冲信号,将和 q 划分为若干个小区间,即在-q 平面形成若干网格,统计每个网格内的放电次数,即可获得-q-n 三维图谱 Hn(q,)。(2)二维统计图谱。为了更精细地反映相位、放电量 q
15、和放电次数 n 之间的关系,引入了 PRPD 二维统计模式。其最常用形式为关于放电相位分布的二维图谱,即最大放电量相位分布图谱 Hqmax()、平均放电量相位分布图谱 Hqave()、放电次数相位分布图谱Hn()。通过该模式,可以更细致地观测最大放电量、平均放电量及放电次数随放电相位的分布及变化情况。1.2 统计特征量 放电特征量常用二维图谱的统计特征量表征,如偏斜度 Sk、翘度 Ku、不对称度 Asy及相关度 Cc等11-12。偏斜度 Sk和翘度 Ku分别表征图谱相对于正态分布的偏移程度和集中程度:Sk0 图谱左右对称,Sk0 图谱向左偏,Sk0 图谱尖峰分布,Ku1 负半周幅值大于正半周,
16、Asy1负半周幅值小于正半周;Cc=1 轮廓相似,Cc0 轮廓差异较大。统计特征量是对放电图谱特征的统计描述,蕴含了绝缘缺陷的内在信息,为放电缺陷类型智能化识别提供了分辨依据。模式识别中常用的二维放电图谱统计特征量如表 1 所示。表 1 PRPD 二维图谱统计特征 模式名称 图谱符号 统计特征量 最大放电量相位分布Hqmax()Sk+,Sk,Ku+,Ku,Asy,Cc平均放电量相位分布Hqave()Sk+,Sk,Ku+,Ku,Asy,Cc放电次数相位分布 Hn()Sk+,Sk,Ku+,Ku,Asy,Cc注:“+”和“”分别代表左半周和右半周。1.3 智能算法 作为一种常用的智能算法,BP 神经
17、网络具有固有的模式分类和良好的噪声抑制能力,因而在局部放电模式识别中得到广泛应用。BP 神经网络是采用误差反向传播算法的多层前馈网络13-14,网络的输入与输出是一种非线性映射关系,网络层内神经元间无连接,网络参数更新采用误差反馈传播,权重系数根据误差梯度的最大方向调整,其主要结构如图 1 所示。隐含层以输入向量 xi和权向量 wij的内积与偏置向量 aj叠加作为输入变量,通过激活函数输出;输出层的输入向量为隐含层的输出向量和权向量 wjk的内积与偏置向量 yk的叠加,并通过50 实 验 技 术 与 管 理 激活函数输出;训练过程中通过输出层的误差函数对输入量求偏导更新权重系数。图 1 BP
18、神经网络结构图 2 综合实验设计 2.1 放电缺陷模型制作 2.1.1 实验材料及其预处理 实验选用厚度分别为 1 mm 和 0.12 mm 的普通牛皮绝缘纸(kraft)和国产 25矿物绝缘油。首先,将 1 mm 厚绝缘纸裁剪成直径 70 mm 的圆片,将 0.12 mm 厚绝缘纸裁剪成外径 70 mm、内径38 mm 的圆环。然后,根据实际变压器绝缘处理工艺,按照图 2 流程对裁剪好的绝缘纸进行真空、干燥和浸油预处理,祛除绝缘纸中的气泡并由矿物油填充,降低水分含量,以提高绝缘性能。最后,利用硅胶将上、下层 1 mm 厚绝缘纸板与中间 0.12 mm 厚绝缘纸粘合密封,形成三明治结构式气隙样
19、品。图 2 绝缘纸预处理 2.1.2 放电缺陷模型制作 针对实际变压器中的缺陷类型及其放电形式,根据 GB/T 1048.12016绝缘材料电气强度试验方法 第 1 部分:工频下试验标准和 CIGRE Method II 标准,设计针-板、柱-板和球-板电极结构模型(见图 3),以模拟电晕、沿面和气隙三种典型放电缺陷类型。模型中电极系统均浸没于绝缘油中,电晕放电和沿面放电模型中的样品均为 1 mm 纸板,气隙放电模型中的样品为三明治式气隙样品,针电极距纸板表面 2 mm,柱电极和球电极轻抵样品上表面。注:1-高 压 引 线;2-套 管;3-铜 杆;4-针 电 极;5-有机 玻 璃 容 器;6-
20、绝 缘 油;7-绝 缘 纸 样 品;8-地 电 极;9-地线;10-柱 电 极;11-球 电 极;12-环 氧 板;13-环 氧 螺 栓;14-气 隙 样 品。图 3 典型放电缺陷模型(单位:mm)2.2 实验系统搭建 根据图 4 搭建实验系统。电力变压器提供实验所需的外施工频电压,电压大小通过调压器控制台控制;保护电阻起限流保护作用;分压器与放电模型并联,起耦合电容作用,还能完成分压,分压比为 1 000:1,提供给示波器记录施加电压的相位信息;脉冲电流传感器(ETS-93686)与放电模型串联,感应样品的局部放电信号,并由同轴电缆送至数字示波器(LeCroy WaveRunner 604Z
21、i)以待采集。为降低系统可能形成的干扰,设备表面均做抛光锐化处理,高压引线均采用空心铝管。注:红 线 为 火 线。图 4 局部放电实验系统 严家明,等:基于智能算法的局部放电模式分层识别综合实验设计 51 2.3 局部放电测量 利用搭建好的局部放电实验系统,根据 GB/T 73542018高电压试验技术 局部放电测量标准,采用阶梯升压法,测试放电缺陷模型中样品的起始放电电压,升压速度为 500 V/s。测试起始放电电压后,以相同的升压速度将外施电压升高至起始放电电压的 1.5 倍,待放电信号稳定后,利用数字示波器采集局部放电信号,采样率为100 M/s,每个样品采集 200 工频周期放电信号。
22、本实验独立测试了多组样品在不同放电类型下的起始放电电压,并采集了局部放电信号,实验样本的基本实验数据如表 2 所示,起始放电电压及相应的实验外施电压均在一定范围内小幅波动。表 2 实验样本数据 放电类型 起始放电电压/kV 实验外施电压/kV 样本数电晕放电 7.38.4 11.012.6 45 沿面放电 12.814.5 19.221.8 45 气隙放电 3.13.8 4.75.7 40 2.4 放电信号降噪处理 采集的局部放电信号常伴有强烈的电磁干扰,其中白噪声是主要干扰类型,且不易去除15。有效抑制局部放电信号白噪声并获得纯净的局放信号是进行模式识别的关键。小波变换具有良好的时频分析能力
23、,在去除白噪声方面具有较大的优势16。小波函数(母函数)表达式17为:,1()|s bxbxss-=|(1)其中,s 为尺度因子,b 为平移因子。本文采用小波变换方法对采集的放电信号进行滤波清洗处理。首先,用 sym4 母小波对采集的放电信号进行 5 层分解;然后,对分解得到的每层小波系数采用软阈值处理,去除放电信号中的噪声分量;最后,通过信号重构获得高信噪比(signal to nose ratio,SNR)、低失真度的纯净局部放电信号。3 实验结果及分析 3.1 局部放电信号单周期特征 由针-板、柱-板及球-板电极采集的电晕、沿面及气隙放电周期信号分别如图 5、图 6 和图 7 所示(见图
24、中原始信号部分)。由图可知,采集的局部放电原始信号中有强烈的噪声。通过本文设计的小波变换滤波清洗后,局部放电噪声得到了较好抑制,信噪比 SNR可达到 12.0 dB 以上(滤波清洗后的放电信号同附于原始信号图中,见滤波后信号部分)。图 5 电晕放电单周期信号 图 6 沿面放电单周期信号 图 7 气隙放电单周期信号 电晕放电周期信号的正、负半周表现出极不对称性:正半周信号大而稀疏,负半周信号小而密集(见图 5)。针-板电极系统为极不对称结构,形成的电场为极不均匀电场,且针电极为强场区域,针电极的电压极性决定了电极系统的电压极性。在外施电压作用下,针电极将首先达到起晕条件而发生电晕放电。实验中针电
25、极接高压端,当外施工频电压处于正半周期时,针电极为正极性,即该电极系统处于正极性状态。根据极不均匀电场中“正极性系统的起晕电压高于负极性”的极性效应原理,此时的放电量因起晕电压值较高即维持放电的电压值较大而变大。同时,外施电52 实 验 技 术 与 管 理 压交流变化过程中,较高的起晕电压值也需要正弦电压经过更长时间的电压变化才能达到,导致放电间隔加大,从而单周期中放电次数也变得稀疏。同理,当外施电压处于负半周期时,根据“负极性系统的起晕电压低于正极性”的极性效应原理,此时的局部放电信号因起晕电压值较低而变得小而密集。沿面放电和气隙放电周期信号的正、负半周表现出近似对称性,但相较而言,沿面放电
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 智能 算法 局部 放电 模式 分层 识别 综合 实验设计 严家明
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。