久久88香港三级台湾三级中文-久久91-久久91精品国产91久-久久91精品国产91久久-久久91精品国产91久久户

  • 頭條直流電纜局部放電模式識別的新方法,提升識別正確率
    2021-04-16 作者:朱煜峰 許永鵬 等  |  來源:《電工技術學報》  |  點擊率:
    分享到:
    導語針對現有的直流交聯聚乙烯電纜局部放電模式識別對強隨機性信號的特征提取缺乏一定自適應能力的問題,上海交通大學電氣工程系、國網浙江省電力有限公司電力科學研究院的研究人員朱煜峰、許永鵬、陳孝信、盛戈皞、江秀臣,在2020年第3期《電工技術學報》上撰文,提出基于卷積神經網絡的模式識別算法,采用卷積神經網絡框架CAFFE進行網絡訓練和識別檢測。該方法具有強大的自適應學習能力,為應用于直流電纜故障診斷的模式識別提供了新的思路。

    隨著柔性高壓直流輸電的快速發展,直流交聯聚乙烯(Cross-Linked Polyethylene, XLPE)電纜憑借其優良的絕緣性能得到越來越多的應用。我國多個高壓直流輸電項目陸續投入運行,亟需完善在線監測和故障預警系統,以保證供電的可靠性。局部放電(Partial Discharge, PD)作為判斷電力設備狀態的一項重要指標已被國際電工委員會(IEC)列入檢測標準,但是直流電纜局部放電的模式識別和故障診斷研究仍有待深入。

    早在20世紀90年代,國外就有學者研究了直流電壓下局部放電的機理。

    • 荷蘭Delft理工大學的F. H. Kreuger和M. J. P. Jeroense都對直流電壓下局部放電中的空間電荷分布和電場分布做了詳細的討論。
    • U. Fromm進一步研究了有關放電重復次數n、放電量q和相鄰兩次脈沖時間間隔?t的圖譜,并將其應用于局部放電類型的分類;
    • A. Pirker提出使用NoDi*模式圖來區分不同缺陷的直流電壓下的局部放電。

    國內也有不少學者對直流局部放電的模式識別做了一些研究,主要集中在儲能電容器、氣體絕緣金屬封閉開關設備、變壓器油紙絕緣上,但是涉及XLPE電纜的研究相對較少。

    • 有學者研究了直流電壓下的不同缺陷的XLPE電纜局部放電的放電量和放電重復率差異。
    • 有學者研究了電樹枝和局部放電的關系,將電樹枝的長度與局部放電階段進行了一一對應。
    • 有學者采用非下采樣輪廓變換和支持向量機。
    • 有學者采用壓縮感知算法對不同缺陷的直流電纜局部放電進行了模式識別。

    但是現階段的直流局部放電模式識別中常用偏斜度、互相關系數等統計算子進行特征提取,依賴人工經驗,在隨機性很強的直流電纜局部放電信號的分類中有一定局限性,而卷積神經網絡(Convolutional Neural Network, CNN)則使用不斷學習的卷積核,在提取圖像固有特征的過程中自我改進,在不需要人為提取統計算子的基礎上完成自適應特征提取。

    目前,該方法已在變壓器、交流電纜等模式識別中取得了一定的應用,但是鑒于直流電壓下的局部放電缺少相位信息,該方法在直流局部放電中鮮有應用。

    為此,上海交通大學電氣工程系、國網浙江省電力有限公司電力科學研究院的研究人員,利用CNN針對線芯尖端毛刺、絕緣內部氣隙、絕緣表面劃痕和外半導電層爬電四種典型絕緣缺陷的局部放電信號進行模式識別研究。

    直流電纜局部放電模式識別的新方法,提升識別正確率

    圖1 直流電纜局部放電試驗系統

    直流電纜局部放電模式識別的新方法,提升識別正確率

    圖2 XLPE電纜的四種缺陷模型

    首先采集四種典型絕緣缺陷電纜的局部放電信號作為樣本,再利用自適應的卷積核進行特征提取,池化層進行特征映射,非線性多分類器進行回歸分類,最終得到訓練完成的CAFFE網絡。通過設置不同求解器參數、網絡結構和訓練樣本數量對缺陷識別結果進行對比分析,發現利用改進的Alexnet網絡,采用衰減學習率方式的模式識別框架的平均識別正確率最高,達到了91.32%,相比于傳統模式識別算法至少提高了8.97%。

    直流電纜局部放電模式識別的新方法,提升識別正確率

    圖3 模式識別流程

    直流電纜局部放電模式識別的新方法,提升識別正確率

    圖4 改進后的Alexnet網絡結構

    研究者最后得到以下結論:

    • 1)四類絕緣缺陷的局部放電特征圖譜H(q,Δt)具有一定的典型性:尖端缺陷呈現較為集中的單一主峰,氣隙缺陷和爬電缺陷則分散性較大,劃痕缺陷可觀測到兩個主峰。CAFFE方法利用卷積神經網絡CNN能自適應提取圖像特征的特點,無需人為提取特征參數。
    • 2)通過改變初始學習率、學習率模式、卷積層層數、激活函數選擇可以發現求解器Solver配置參數和CAFFE網絡結構對訓練效果影響較大,本次實驗中采用衰減學習率模式、5層卷積、Swish激活函數時訓練效果最優。不同的訓練樣本數量對識別效果也有一定的影響,存在邊際遞減效應。綜合考慮識別效果和運算效率,本文設定每種缺陷的訓練樣本數量為70個。
    • 3)相比于傳統模式識別算法BPNN和SVM,采用改進的Alexnet網絡的CNN能捕捉到強隨機性的直流局部放電圖譜更高維的信號特征,平均識別正確率至少高出前者8.97%,達到91.32%。
    • 4)本文直流電纜局部放電信號的采集在屏蔽房內進行,降低了外部干擾,現場采集的局部放電信號必定含有大量的噪聲,因此本文提出的方法對不同噪聲強度下局部放電信號的模式識別的有效性仍有待進一步研究。

    以上研究成果發表在2020年第3期《電工技術學報》,論文標題為“基于卷積神經網絡的直流XLPE電纜局部放電模式識別技術”,作者為朱煜峰、許永鵬、陳孝信、盛戈皞、江秀臣。

主站蜘蛛池模板: 99re66精品视频在线观看 | 国产在线欧美精品 | 人人射人人舔 | 欧美特黄录像播放 | 日韩a一级欧美一级在线播放 | 香蕉97碰碰视频在线看 | 国产精品三级一区二区 | 亚洲一区 中文字幕 | 高清国产美女一级a毛片在线 | 国产综合图区 | 黄色三级在线播放 | 在线观看www日本免费网站 | 国产麻豆影院 | 色综合色综合色综合色综合 | 在线精品视频在线观看高清 | 国产手机精品自拍视频 | 濑亚美莉vs黑人欧美视频 | 久本草在线中文字幕亚洲欧美 | 麻豆传媒免费网站 | 性视频一区二区三区免费 | 异族中国vs黑人 | 大黄免费网站 | 国产成人啪精品午夜在线观看 | 免费手机黄色网址 | 久久久久久久久免费视频 | 欧美精品v国产精品v日韩精品 | 一木道一二三区精品 | 欧美黑人换爱交换乱理伦片 | 亚洲欧美日产综合在线看 | 日韩黄色在线观看 | 国产福利在线永久视频 | 奇米影视大全 | 亚洲一级免费毛片 | 色国产精品一区在线观看 | 国产成人拍精品视频网 | 国产精品国产精品国产三级普 | 亚洲精品一区二区三区中文字幕 | 中文字幕久久久久一区 | 精品亚洲视频在线 | 在线观看国产小视频 | 日本精品久久久久久久 |