油浸式絕緣局部放電模型的模式識別統(tǒng)計參數(shù)法研究.pdf

1、油浸式絕緣設(shè)備內(nèi)部的局部放電是導(dǎo)致絕緣劣化的重要因素，在線監(jiān)測局部放電信號并識別放電類型，能夠及時發(fā)現(xiàn)絕緣內(nèi)部局部缺陷及放電發(fā)展程度，防止事故發(fā)生。本文針對局部放電模式識別的這一公認難題，分析了用于局部放電模式識別的統(tǒng)計識別方法和人工神經(jīng)網(wǎng)絡(luò)識別方法，對典型局部放電的人工絕緣缺陷模型進行了大量實驗室模擬研究，獲得大量放電樣本數(shù)據(jù)，并根據(jù)實驗數(shù)據(jù)分析了不同方法的識別效果。 對局部放電各種指紋譜圖提取特征參數(shù)的方法作了深入研究，提出

2、用Weibull模型分析局部放電的脈沖幅值分布n-q譜圖，引入兩個新的局部放電特征量尺度參數(shù)α和形狀參數(shù)β。比較了各種參數(shù)估計的方法之后，提出用最小二乘法估計兩參數(shù)的Weibull模型參數(shù)，用優(yōu)化模型估計混合Weibull模型參數(shù)。對單一放電情況和混合放電情況作了詳細分析，總結(jié)了各種放電類型的Weibull參數(shù)分布情況。比較了局部放電的脈沖相位分布ψ-q譜圖和ψ-n譜圖的差異，并計算了各類放電對應(yīng)的統(tǒng)計算子95％置信區(qū)間。對上述特征參數(shù)

3、采用聚類分析的方法來識別局部放電類型，識別結(jié)果表明新引入的Weibull參數(shù)能很好地反映局部放電類型和放電程度。 在用人工神經(jīng)網(wǎng)絡(luò)對局部放電進行模式識別時，分析了BP網(wǎng)絡(luò)的優(yōu)缺點，對典型BP網(wǎng)絡(luò)的結(jié)構(gòu)和學習訓練算法提出了改進，采用帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)作為模式分類器。針對人工神經(jīng)網(wǎng)絡(luò)輸入向量的選擇問題，提出用尺度參數(shù)α、形狀參數(shù)β、偏斜度Sk和陡峭度Ku構(gòu)成的特征向量作為輸入，與常用的表列數(shù)據(jù)法作了比較，結(jié)果表明這種方法有較