油浸式絕緣局部放電模型的模式識別統計參數法研究.pdf

1、油浸式絕緣設備內部的局部放電是導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)現絕緣內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計識別方法和人工神經網絡識別方法，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據，并根據實驗數據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α和形狀參數β。比較了各種參數估計的方法之后，提出用最小二乘法估計兩參數的Weibull模型參數，用優(yōu)化模型估計混合Weibull模型參數。對單一放電情況和混合放電情況作了詳細分析，總結了各種放電類型的Weibull參數分布情況。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的統計算子95％置信區(qū)間。對上述特征參數

3、采用聚類分析的方法來識別局部放電類型，識別結果表明新引入的Weibull參數能很好地反映局部放電類型和放電程度。 在用人工神經網絡對局部放電進行模式識別時，分析了BP網絡的優(yōu)缺點，對典型BP網絡的結構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網絡作為模式分類器。針對人工神經網絡輸入向量的選擇問題，提出用尺度參數α、形狀參數β、偏斜度Sk和陡峭度Ku構成的特征向量作為輸入，與常用的表列數據法作了比較，結果表明這種方法有較