基于特高頻檢測方法的局部放電特性研究.pdf

1、目前通過對現(xiàn)場設(shè)備實際運行情況統(tǒng)計分析表明，絕緣故障仍是影響設(shè)備安全穩(wěn)定運行的主要原因。局部放電是造成設(shè)備絕緣劣化的主要因素，同時它也可以有效地反映出設(shè)備內(nèi)部的絕緣劣化程度。特高頻(UHF)法是現(xiàn)今局部放電檢測中的一種常用方法，特高頻是指頻率由300 MHz到3GHz的電磁波，此方法通過特高頻天線接收局部放電過程中所輻射的特高頻電磁波信號來進行局部放電檢測。實驗表明，不同缺陷類型的局部放電UHF信號具有不同的特征，因此可以通過對檢測到的

2、UHF信號進行特征分析進而判斷出誘發(fā)局部放電的缺陷類型。本文在3米法電波暗室環(huán)境下通過搭建局部放電試驗系統(tǒng)，在大量試驗的基礎(chǔ)上研究了不同放電類型下特高頻信號的時頻特性，并根據(jù)不同放電類型分析出各自的信號特征。在此基礎(chǔ)上通過支持向量機(SVM)和相關(guān)向量機(RVM)人工智能學(xué)習(xí)算法對缺陷類型做進一步模式識別。通過對以往各項實驗數(shù)據(jù)的分類結(jié)果總結(jié)分析，發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)(簡稱ANN)存在收斂速度慢和易陷入局部最優(yōu)的問題影響了其精度，SVM要求

3、核函數(shù)必須滿足梅西定理等固有限制，需要計算出所有樣本之間的核函數(shù)，計算復(fù)雜度會隨著樣本數(shù)增長而急劇增大，但識別正確率較高。與前兩者相比，RVM計算復(fù)雜度較低，RV比例大大低于SV比例，不僅可以得到一個基于核函數(shù)稀疏解的概率輸出，而且測試時間更短，適合于在線檢測。
　　本文將支持向量機和相關(guān)向量機用于局部放電特性研究中，通過二叉樹多分類法用三個二分類分類器對四種典型的局部放電類型進行分類識別，實驗結(jié)果表明，SVM可以很好的對四種放電