基于振动信号的气体绝缘金属封闭输电线路局部放电诊断方法

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (3542 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要为对气体绝缘金属封闭输电线路（GIL）局部放电缺陷进行识别与诊断,本文提出一种基于1.5维能量谱与粒子群优化极限学习机（PSO-ELM）的局部放电缺陷诊断方法。首先,通过计算局部放电引起的GIL异常振动信号的1.5维能量谱,得到不同类型放电情况的能量波动特征;其次,构建PSO-ELM模型,以1.5维能量谱作为特征量对GIL局部放电故障进行识别与诊断;最后,通过不同方法的对比,验证该方法的优越性,为GIL在输配电系统中的安全、稳定运行提供依据。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	陈轩
	王立宪
	朱超
	马宏忠

关键词 ：气体绝缘金属封闭输电线路（GIL）, 局部放电, 1.5维能量谱, 粒子群优化算法（PSO）, 极限学习机（ELM）

Abstract：In order to identify and diagnose partial discharge defects in gas insulated transmission line (GIL), a partial discharge defect diagnosis method based on 1.5D energy spectrum and particle swarm optimization-extreme learning machine (PSO-ELM) is proposed. By calculating the 1.5D energy spectrum of GIL abnormal vibration signal caused by partial discharge, the energy fluctuation characteristics of GIL abnormal vibration caused by different types of discharge are obtained. Secondly, the PSO-ELM model is constructed, and the 1.5D energy spectrum is used as the feature to identify and diagnose the partial discharge fault of GIL. Finally, through the comparison of different methods, the advantage of the proposed method is verified, which provides the basis for the safe and stable operation of GIL in the power transmission and distribution system.

Key words： gas insulated transmission line (GIL) partial discharge 1.5D energy spectrum particle swarm optimization (PSO) extreme learning machine (ELM)

收稿日期: 2021-07-15

基金资助:国网江苏省电力公司重点科技项目（J2020040）; “111”引智计划（B14022）

作者简介: 陈轩（1987—）,男,江苏南京人,学士,工程师,主要从事变电设备带电检测的研究工作。

引用本文:

陈轩, 王立宪, 朱超, 马宏忠. 基于振动信号的气体绝缘金属封闭输电线路局部放电诊断方法[J]. 电气技术, 2021, 22(12): 34-39. CHEN Xuan, WANG Lixian, ZHU Chao, MA Hongzhong. Partial discharge diagnosis method of gas insulated transmission line based on vibration signal. Electrical Engineering, 2021, 22(12): 34-39.

链接本文:

http://dqjs.cesmedia.cn/CN/Y2021/V22/I12/34

[1] 侯志强, 郭若琛, 李军浩. 直流电压下SF₆/N₂混合气体沿面局部放电特性[J]. 电工技术学报, 2020, 35(14): 3087-3096.
[2] 李鹏, 颜湘莲, 王浩, 等. 特高压交流GIL输电技术研究及应用[J]. 电网技术, 2017, 41(10): 3161-3167.
[3] 杨勇, 叶瑞, 王洪川. 气体绝缘封闭金属开关设备与气体绝缘输电线路应力分类及其校核标准比较[J]. 电气技术, 2020, 21(12): 87-91, 101.
[4] COOKSON A H.Electrical breakdown for uniform fields in compressed gases[J]. Proceedings of the Institution of Electrical Engineers, 1970, 117(1): 269-280.
[5] 王鹏, 赵政嘉, 刘雪山, 等. 电力电子设备中的电气绝缘问题[J]. 高电压技术, 2018, 44(7): 2309-2322.
[6] 王鹏, 周婉亚, 王科镜, 等. 正弦和重复方波电压下变频电机绝缘局部放电特性对比[J]. 高电压技术, 2016, 42(12): 3895-3900.
[7] 刘宇舜, 程登峰, 夏令志, 等. 基于单通道盲源分离算法的局部放电特高频信号去噪方法[J]. 电工技术学报, 2018, 33(23): 5625-5636.
[8] 王鹏, 刘玉婷, 邹阳, 等. TEV和超声波检测法在开关柜局部放电检测中的应用评述[J]. 高压电器, 2020, 65(10): 75-83.
[9] 常晨, 刘兰荣, 卢美林, 等. 并联电抗器等效模型的振动噪声特性试验研究[J]. 电气技术, 2019, 20(2): 37-41, 47.
[10] 马速良, 武建文, 袁洋, 等. 多振动信息下的高压断路器机械故障随机森林融合诊断方法[J]. 电工技术学报, 2020, 35(增刊2): 421-431.
[11] 臧旭, 马宏忠, 吴金利, 等. 基于改进集总经验模态近似熵的GIS放电故障诊断[J]. 高压电器, 2020, 56(6): 129-137.
[12] 李凯, 许洪华, 马宏忠, 等. GIS针尖类局部放电引起的振动特性研究[J]. 智慧电力, 2016, 44(9): 80-84.
[13] 孙秋芹, 罗宸江, 王峰, 等. 直流GIL导体表面金属颗粒跳跃运动特性研究[J]. 电工技术学报, 2018, 33(22): 5206-5216.
[14] 律方成, 刘宏宇, 阴凯, 等. 直流GIL不均匀场中金属微粒运动的数值模拟及放电特性分析[J]. 中国电机工程学报, 2017, 37(10): 2798-2806.
[15] 王健, 李庆民, 李伯涛, 等. 考虑非弹性随机碰撞与SF₆/N₂混合气体影响的直流GIL球形金属微粒运动行为研究[J]. 中国电机工程学报, 2015, 35(15): 3971-3978.
[16] 吕忠, 周强, 周琨, 等. 基于遗传算法改进极限学习机的变压器故障诊断[J]. 高压电器, 2015, 51(8): 49-53.
[17] 黄辉敏, 王飞风, 苏毅, 等. 基于LMD和SVM的高压断路器弹簧操动机构状态异常检测方法研究[J]. 高压电器, 2020, 56(5): 243-248.
[18] 张利, 屈斌, 王永宁, 等. GIS壳体振动机理和局部放电优化诊断与应用[J/OL]. 中国电力, https://kns.cnki.net/kcms/detail/11.3265.TM.20200403.1208.012.html.