组合电器局部放电非线性鉴别特征提取与模式识别方法研究

论文摘要

气体绝缘组合电器（Gas Insulated Substation,简称GIS）具有占地面积小、运行安全可靠、维护工作量少、检修周期长等突出优点,在城市电网建设和改造中得到广泛应用。运行经验表明,与敞开式变电站相比,尽管GIS的运行可靠性高,但其内部不可避免的缺陷仍可能引起事故,而且在GIS各类故障中,绝缘故障占有较大比例。GIS电气故障最通常的故障特征是在绝缘完全击穿前发生局部放电（PD）,通过对GIS局部放电的在线监测,可以及时发现GIS内存在的缺陷,避免重大事故的发生。因此,深入研究GIS局部放电检测及其模式识别的方法,对于保证GIS的安全可靠运行、诊断GIS的绝缘状况和缺陷类型特征以及指导GIS的检修工作有着十分重要的意义。本文在分析国内外GIS局部放电检测及其模式识别研究成果基础上,对适用于GIS局部放电现场检测的外置传感方法进行了深入研究,在PD模式识别中引入了Fisher鉴别分析及其推广算法,丰富了局部放电模式识别中有关特征提取的理论及方法。取得的主要成果有:（1）对GIS局部放电信号的外置传感检测技术进行了深入研究,研制成功了适用于GIS现场监测微带贴片天线传感器,其中:采用选择天线基板材料、厚度和形状、附加阻抗匹配网络等方法使微带天线频带展宽,达到了宽频带天线范围:工作频带340～440MHz、中心频率390 MHz,相对带宽25.6%,实测增益达到了5.38dB;在结构上,对MPA天线背面和部分侧面采用金属材料屏蔽封装设计,提高了MPA天线的抗干扰能力。（2）根据GIS中PD信号特征研制出了模拟内部缺陷的4种单一缺陷和3种混合缺陷物理模型,在实验室里采用微带天线传感器和高速局部放电采集系统获得了这7种绝缘缺陷产生局部放电的大量样本,构建出GIS局部放电? ? q ? n谱图及其灰度图像。（3）通过对Foley-Sammon最佳鉴别变换算法和统计不相关鉴别矢量集算法的深入研究,提出了一种局部放电三维谱图的主分量分析-Fisher线性鉴别（PCA- SUODV）方法:其PCA算法将数据从超高维空间降至低维空间,在解决维数危机的同时,消除类内散度矩阵的奇异性,并且最大限度的保持了原有样本模式的结构分布;SUODV提取统计不相关的特征量集,消除了特征分量之间的相关性,从而有效地提高了PD模式识别的精度。（4）提出了一种基于核的统计不相关鉴别矢量集（KSUODV）的PD模式识别方

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究GIS 局部放电检测及其模式识别的意义
• 1.2 GIS 内部缺陷类型分析
• 1.3 GIS 局部放电检测的研究状况
• 1.4 局部放电模式识别研究的研究状况
• 1.5 本文的研究内容
• 2 矩形微带贴片天线设计及局部放电信号三维谱图的获取
• 2.1 引言
• 2.2 天线接收原理及超高频外置天线的要求
• 2.3 MPA 传感器的设计
• 2.4 GIS 缺陷模型及试验方案
• 2.5 本章小结
• 3 PD 三维谱图统计不相关最优鉴别矢量集算法的原理及方法
• 3.1 引言
• 3.2 线性鉴别分析
• 3.3 统计不相关最优鉴别矢量集算法（SUODV）
• 3.4 PD 三维谱图的SUODV 特征提取及模式识别方法
• 3.5 试验与分析
• 3.6 本章小结
• 4 基于核的GIS 局部放电三维谱图非线性鉴别分析方法
• 4.1 引言
• 4.2 核方法理论基础
• 4.3 基于核的统计不相关鉴别分析（KSUODV）
• 4.4 基于核的统计不相关最优鉴别矢量集特征提取及模式识别方法
• 4.5 试验与分析
• 4.6 本章小结
• 5 基于小波变换的核特征提取
• 5.1 引言
• 5.2 PD 三维谱图的小波分解
• 5.3 核的压缩映射统计不相关鉴别矢量集算法
• 5.4 基于小波变换的核特征提取方法
• 5.5 试验与分析
• 5.6 本章小结
• 6 结论与展望
• 致谢
• 参考文献
• 附录：作者在攻读博士学位期间发表的论文