国产自产21区,亚洲97,免费毛片网,国产啪视频,青青青国产在线观看,国产毛片一区二区三区精品

基于脈沖序列分析的局部放電發展過程診斷方法
【專利摘要】本發明公開了一種基于脈沖序列分析的局部放電發展過程診斷方法，該診斷方法包括提取脈沖序列特征建立指紋庫和放電類型與發展過程判斷過程；具體包括：首先在典型缺陷條件下采集局部放電信號，并進行信號預處理；然后進行脈沖序列特征提取，特征量分析利用三類譜圖，包括Δu譜圖、Δt頻率分布圖、Δu/Δt譜圖；對三類譜圖進行9種特征參量的提取，并建立放電指紋庫；最后利用最小歐式距離尋找指紋庫中與待診數據相似度最高的放電類型與放電發展階段作為診斷結論。該方法充分利用放電信息，考慮了前次放電產生的空間電荷、表面電荷對后續放電的影響，且算法實現過程簡單、識別率高，適用于電力設備中局部放電類型和發展過程的診斷以及放電危害性評估。
【專利說明】基于脈沖序列分析的局部放電發展過程診斷方法
【【技術領域】】
[0001]本發明涉及高電壓與絕緣【技術領域】中的局部放電檢測技術，具體涉及一種基于脈沖序列分析的局部放電發展過程診斷方法。
【【背景技術】】
[0002]在電力設備運行過程中，其絕緣在電、熱、機械以及環境等因素的共同作用下會逐漸劣化，引起絕緣系統的機械強度或絕緣性能下降。而在電老化方面則通常認為是由局部放電引起的。國內外研究均表明，局部放電能夠有效地反映變壓器、套管等大型設備內部絕緣的故障，尤其對早期故障的發現比介損測量、油中色譜分析等方法要有效得多。因此，對由缺陷引發的局部放電進行檢測，掌握表征絕緣缺陷由放電產生到擊穿過程的劣化信息特征，無疑對設備絕緣老化狀態的診斷和評估具有重要的理論價值和現實意義。
[0003]在對已有的局部放電檢測技術和模式識別方法進行系統研究后發現，包括一些商業化的測量和智能分析設備，大部分基于局部放電相位分布譜圖PRPD (Phase ResolvedPartial Discharge)方法，由于其包含豐富的放電相位(識)_幅值(q)_次數(η)等組合信息，已在電力設備狀態監測與故障診斷領域得到廣泛的推廣和應用。研究者通常對PRPD譜圖提取隨機性數據統計特征算子作為放電的指紋特征，在實驗室的絕緣故障識別與診斷研究工作中取得了較好效果。但在根據測量結果評估放電的發展程度、設備絕緣狀態(剩余壽命)等研究難點時，還存在二個關鍵問題:(I)基于局部放電PRH)譜圖描述了不同放電類型相位分布特征，但沒有考慮放電時間序列，即沒有考慮連續放電之間的相互作用、空間電荷效應等；(2)同一缺陷下在放電從起始直至擊穿過程中未能提取有效的特征參量對放電發展程度進行表征。
【
【發明內容】
】
[0004]本發明目的在于彌補基于局部放電PRPD譜圖檢測、統計算子的不足，提供一種基于脈沖序列分析的局部放電發展過程診斷方法。
[0005]為了實現上述目的，本發明采用如下的技術方案:
[0006]基于脈沖序列分析的局部放電發展過程診斷方法，包括以下步驟:
[0007]I)信號采集:通過傳感器捕獲電力設備中所發出的局部放電信號，經過放大和數模轉換后變成數字信號，并連續采集發送至信號預處理模塊，其中，對局部放電信號采集的信息包括:外施電壓幅值、頻率，每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系；
[0008]2)信號預處理:采用等效時頻圖對步驟I)中的每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系分離出僅包含局部放電源的信息；
[0009]3)脈沖序列特征提取:包括激勵連續局部放電脈沖所需的外施電壓差Au譜圖、放電間隔At的頻率分布圖以及產生連續的局部放電脈沖所需的電位梯度Au/At圖；
[0010]4)基于脈沖序列特征量建立放電指紋庫:對放電形成的Au譜圖、Λ t頻率分布圖和Au/At譜圖上的簇叢進行9種特征參量的提取與統計并建立放電指紋庫；對實驗室中尖端放電、沿面放電和氣隙放電三種典型缺陷下的不同發展階段下300組以上樣本進行統計分析，建立放電特征指紋庫；其中，9種特征參量包括已知缺陷模型下放電的Au譜圖中的放電簇叢數目、位置、相對密度和放電發展軌跡，Au/At譜圖中的放電簇叢數目、位置、相對密度以及放電發展軌跡，以及的頻率分布圖中的放電間隔特征值；
[0011]5)放電類型與發展階段診斷:在對放電進行診斷時，對未知放電依據以上步驟2)和步驟3)提取特征參量，利用最小歐式距離法尋找與依據步驟4)得到的放電指紋庫中與待診數據相似度最高的放電類型與放電發展階段，以相似度最高的放電類型與放電發展階段為待診數據的放電類型和放電發展階段。
[0012]本發明進一步改進在于,步驟I)中，通過高頻電流傳感器或稱合電容傳感器采集局部放電信號中的每一放電脈沖的相位-幅值信息以及局放脈沖之間的時序關系。
[0013]本發明進一步改進在于，步驟2)中，采用等效時頻圖對步驟I)中的每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系分離出僅包含局部放電源的信息，具體包括以下步驟:
[0014]①獲取待測電力設備每次局部放電電流脈沖的波形；
[0015]②特征提取:計算電流脈沖的等效時長T與等效頻寬F，并繪制等效時頻圖；其計算步驟如下:
[0016](a)對電流脈沖波形歸一化處理，依據公式如下:
【權利要求】
1.基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，包括以下步驟: 1)信號采集:通過傳感器捕獲電力設備中所發出的局部放電信號，經過放大和數模轉換后變成數字信號，并連續采集發送至信號預處理模塊，其中，對局部放電信號采集的信息包括:外施電壓幅值、頻率，每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系; 2)信號預處理:采用等效時頻圖對步驟I)中的每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系分離出僅包含局部放電源的信息； 3)脈沖序列特征提取:包括激勵連續局部放電脈沖所需的外施電壓差Au譜圖、放電間隔At的頻率分布圖以及產生連續的局部放電脈沖所需的電位梯度Au/At圖； 4)基于脈沖序列特征量建立放電指紋庫:對放電形成的Au譜圖、At頻率分布圖和Au/At譜圖上的簇叢進行9種特征參量的提取與統計并建立放電指紋庫；對實驗室中尖端放電、沿面放電和氣隙放電三種典型缺陷下的不同發展階段下300組以上樣本進行統計分析，建立放電特征指紋庫；其中，9種特征參量包括已知缺陷模型下放電的Au譜圖中的放電簇叢數目、位置、相對密度和放電發展軌跡，Au/At譜圖中的放電簇叢數目、位置、相對密度以及放電發展軌跡，以及的頻率分布圖中的放電間隔特征值； 5)放電類型與發展階段診斷:在對放電進行診斷時，對未知放電依據以上步驟2)和步驟3)提取特征參量，利用最小歐式距離法尋找與依據步驟4)得到的放電指紋庫中與待診數據相似度最高的放電類型與放電發展階段，以相似度最高的放電類型與放電發展階段為待診數據的放電類型和放電發展階段。
2.根據權利要求1所述的基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，步驟I)中，通過高頻電流傳感器或耦合電容傳感器采集局部放電信號中的每一放電脈沖的相位-幅值信息以及局放脈沖之間的時序關系。
3.根據權利要求1所述的基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，步驟2)中，采用等效時頻圖對步驟I)中的每一放電脈沖的相位-幅值信息以及局部放電脈沖之間的時序關系分離出僅包含局部放電源的信息，具體包括以下步驟: ①獲取待測電力設備每次局部放電電流脈沖的波形； ②特征提取:計算電流脈沖的等效時長T與等效頻寬F，并繪制等效時頻圖；其計算步驟如下: (a)對電流脈沖波形歸一化處理，依據公式如下:
式中:s(t)為采集的電流脈沖波形屯)是s(t)的歸一化值，t為時間，T為采樣時長； (b)計算局部放電脈沖的時間重心，依據公式如下:
式中:印)是公式(I)計算得到的電流脈沖波形歸一化值； (C)計算局部放電脈沖的等效時長，依據公式如下:
式中A為公式(2)計算得到的時間重心:、⑴是公式(I)計算得到的電流脈沖波形歸一化值； (d)計算局部放電脈沖的等效頻寬，依據公式如下:
式中4/)力wo的傅里葉變換頻譜，f表示頻率； ③將每個局放電流脈沖計算得到的等效時長τ與等效頻寬F，使用聚類方法對局部放電電流脈沖的波形進行聚類分析，將90%以上的白噪聲、窄帶噪聲濾除。
4.根據權利要求1所述的基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，步驟3)中，①Au譜圖的建立過程為:提取每一放電脈沖產生時對應的外施電壓瞬時值IV對時序相鄰的u進行做差，并繪制譜圖，譜圖縱坐標:Λ un = un+1_un，譜圖橫坐標:Aulri = Un-Ulri,!!為局部放電電流脈沖樣本數；由橫縱坐標表達式可以知道，橫縱坐標的范圍在-2至2之間； ②放電間隔At的頻率分布圖的建立過程為:計算相鄰放電發生的時間間隔Atn=tn+1_tn，并將時間間隔范圍分成30等分，統計落入每一等分中放電的頻率，畫出At頻率分布圖； ③Au/At譜圖的建立過程為:依據步驟①和②計算繪制Au/At譜圖，譜圖縱坐標:Δ un/ Atn= (un+1-un) / (tn+1-tn),橫坐標:Δ Ulri/ Δ tn_! = (Un-Ulri) / (W1),對于頻率為50Hz的工頻電壓，橫縱坐標的范圍在-6至6之間。
5.根據權利要求1所述的基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，步驟4)中，At的頻率分布圖中的放電間隔特征值At。的計算公式為:
式中:N和Iii分別表不放電總數和分布于第i個窗上的放電數，Ati表不第i個窗對應的時間間隔值。
6.根據權利要求1所述的基于脈沖序列分析的局部放電發展過程診斷方法，其特征在于，步驟5)中，采用歐氏距離di(l表示待診數據與放電指紋庫中第i組數據的距離，其計算公式如下:
式中:aik和a(lk分別表示放電指紋庫和待診數據第k個特征指標的值，這里m表示特征參量的個數，即m = 9 ; 逐一計算di(l,令d = min(diCI),這樣在放電指紋庫找到了與待診數據相似度最高的放點數據，并以該放電數據的放電類型與放電發展階段作為待診數據的診斷結論。
【文檔編號】G01R31/12GK104198898SQ201410379544
【公開日】2014年12月10日 申請日期:2014年8月4日 優先權日:2014年8月4日
【發明者】穆海寶, 李元, 朱明曉, 魏艷慧, 鄧軍波, 張冠軍, 張偉政, 李智敏 申請人:西安交通大學, 國家電網公司, 國網河南省電力公司鄭州供電公司