论文部分内容阅读
随着社会的发展，对电能质量的要求也越来越高，同时对设备安全运行的要求也相应提高。GIS(气体绝缘封闭式组合电器)以其体积小＼可靠性高等优点越来越多的应用于电力系统当中。GIS本质上来说是设计成不需维护的设备，然而，一旦GIS发生故障，其修复时间将更长，对电力系统的危害也更大。
GIS中绝缘老化的一个重要因素是因为局部放电，目前已在现场使用的方法有检测放电产生的光＼超声波＼电磁波、油谱等等，由于方法本身的缺陷现场强烈的干扰，使得检测精度不高。针对这种情况，本文采用世界上最广泛采用的，也是IEC270推荐的脉冲电流法测GIS中局部放电或者其他异常情况产生的信号，检波模块获得脉冲电压波形，通过滤波装置获得较为纯净的异常信号。
本文综合利用了基于FFT频率测定、等效时频法、模糊C-均值聚类分析、峰值-相位图谱法、支持向量机、小波分析、模糊识别等若干算法相互结合的方法来检测气体隔离开关(Gas Isolated Switch GIS)局部放电的检测方法与识别技术。
研究发现当故障不止一类或者周围干扰过大时，利用传统的峰值相位图谱法直接计算出供识别时使用的特征因子会有很大误差，识别工作会有很大困难。当出现不止一处的故障，或者周围存在较大的能混入滤波器的干扰时，异常信号群的快速分类有效区分了不同种类的信号，尽可能地使同种类型抱团或者紧聚，再利用模糊C-均值聚类可以将同一类型的信号分离出来，从而依照传统的相位方法进行检测，检测过程中要对特定类型信号进行处理，获得相应的特征向量，最后利用神经网络(ANN)支持向量机(SVM)识别。
为了能更好的判定放电类型，同时可以将本检测系统已知道其他电气设备乃至直流设备检测中，增加了除传统识别方法以外的逐点识别方法。利用连续小波分析反映单个信号的能量随频率、时间的变化规律，并从中提取出能量分布信息，作为识别使用的特征。以小波分析提取的能量信息作为判别依据，利用模糊识别的方法判定信号类型。本文GIS系统中最常见的母线放电，内部放电为例，阐释了基于两种方法相互结合进行检测和识别的过程。仿真实验表明，本系统可有效区分放电类型。