基于多光谱阵列的C4F7N/CO2混合气体局部放电光学特征分析与诊断

doi:10.16183/j.cnki.jsjtu.2022.299

基于多光谱阵列的C₄F₇N/CO₂混合气体局部放电光学特征分析与诊断

李泽¹, 钱勇^,¹, 臧奕茗¹, 周小丽², 盛戈皞¹, 江秀臣¹

1.上海交通大学电气工程系, 上海 200240

2.复旦大学光源与照明工程系, 上海 200433

Optical Feature Analysis and Diagnosis of Partial Discharge in C₄F₇N/CO₂ Based on Multispectral Array

LI Ze¹, QIAN Yong^,¹, ZANG Yiming¹, ZHOU Xiaoli², SHENG Gehao¹, JIANG Xiuchen¹

1. Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China

2. Department of Light Sources and Illuminating Engineering, Fudan University, Shanghai 200433, China

通讯作者: 钱勇,副教授;E-mail:qian_yong@sjtu.edu.cn.

责任编辑: 李博文

收稿日期: 2022-07-25 修回日期: 2022-09-25 接受日期: 2022-11-23

基金资助:

国家自然科学基金(62075045)

Received: 2022-07-25 Revised: 2022-09-25 Accepted: 2022-11-23

作者简介 About authors

李泽(1997-),博士生,从事电力设备局部放电状态监测与智能化研究.

摘要

局部放电(PD)的光学检测是反映设备绝缘状态的重要方法.C₄F₇N/CO₂混合气体是目前最具有潜力的SF₆替代气体,但是缺乏针对该混合气体光学PD特性和诊断方法的研究.构建了一个可采集7个特征波段的PD多光谱阵列检测平台,制作了4种PD缺陷,分析了5种不同比例的C₄F₇N/CO₂混合气体和纯SF₆气体条件下多光谱PD特征在相位分布、能量分布和特征堆叠图的异同,提出了一种基于多光谱特征(MF)和最近邻算法(KNN)的PD诊断新方法.实验结果表明,纯SF₆故障识别准确率可达96.2%;C₄F₇N/CO₂混合气体的识别率在88%以上,最高准确率为91.1%.该方法对环保型气体绝缘设备的PD诊断具有指导意义,也为传统的PD检测和诊断提供了新思路.

关键词： C₄F₇N/CO₂; 局部放电; 多光谱阵列; 光学检测; 模式识别

Abstract

Optical detection of partial discharge (PD) is an important way to reflect the insulation status of equipment. C₄F₇N/CO₂ gas mixture is one of the most potential substitutes for SF₆ at present, but there is a lack of research on its optical PD characteristics and diagnostic methods. In this paper, a PD multispectral array detection platform that can collect 7 characteristic bands is constructed, and 4 kinds of PD defects are produced. The similarities and differences of the PD multispectral characteristics in phase distribution, energy distribution, and feature stacking map under the conditions of 5 different ratios of C₄F₇N/CO₂ gas mixture and pure SF₆ gas are analyzed. Finally, a novel method of PD diagnosis based on multispectral features (MF) and k-nearest neighbors (KNN) is proposed. The experimental results show that the fault recognition accuracy in pure SF₆ can reach 96.2%. The recognition rate of C₄F₇N/CO₂ gas mixture is above 88%, and the highest accuracy rate is 91.1%. This method has a guiding significance for the PD diagnosis of environmentally friendly gas-insulated equipment, and provides a new route for traditional PD detection and diagnosis.

Keywords： C₄F₇N/CO₂; partial discharge (PD); multispectral array; optical detection; pattern recognition

PDF (8904KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

李泽, 钱勇, 臧奕茗, 周小丽, 盛戈皞, 江秀臣. 基于多光谱阵列的C₄F₇N/CO₂混合气体局部放电光学特征分析与诊断[J]. 上海交通大学学报, 2023, 57(9): 1176-1185 doi:10.16183/j.cnki.jsjtu.2022.299

LI Ze, QIAN Yong, ZANG Yiming, ZHOU Xiaoli, SHENG Gehao, JIANG Xiuchen. Optical Feature Analysis and Diagnosis of Partial Discharge in C₄F₇N/CO₂ Based on Multispectral Array[J]. Journal of Shanghai Jiaotong University, 2023, 57(9): 1176-1185 doi:10.16183/j.cnki.jsjtu.2022.299

气体绝缘开关设备(Gas-Insulated Switchgear, GIS)和气体绝缘输电线路(Gas-Insulated Transmission Line, GIL)具有集成度高、稳定性强、输电容量大等优点,在电网中得到广泛应用^[1-2].在电力设备运行过程中,绝缘缺陷会引发局部放电(Partial Discharge, PD)是威胁整个系统安全的主要因素之一^[3].局部放电检测是电力设备绝缘状态检测的常用技术手段,可以有效反映绝缘状态和缺陷类型,有利于GIS/GIL的安全稳定运行^[4].局放检测方法包括基于电磁波的特高频法、基于声波的超声法和基于光辐射的光测法等^[5].与特高频法和超声法相比,光测法具有抗电磁干扰强、灵敏度高、绝缘性强等优点,是一种可靠且具有潜力的方法,具有较高的研究和应用价值^[6].

目前常用于检测光局放信号的器件是光电倍增管(Photomultiplier Tubes, PMT)^[7]和高速增强电荷耦合器件(Intensified Charge-Coupled Device, ICCD)^[8].然而,PMT只能采集局放的光强,且驱动电压高;高速ICCD检测装置体积大、安装复杂、成本高.因此,光测法长期以来仅在实验室中开展,难以应用于实际设备.硅光电倍增管(Silicon Photomultiplier, SiPM)由于具有高集成度、低成本和高灵敏度等优点,近年来在光局放检测中受到关注和应用^[9].但是现有的基于SiPM的局放检测方法只能检测可见光、红外和紫外等范围内的光强度,光谱分辨率低,获得的多光谱特征信息量较少,无法反映放电状态和类型的更多光谱细节.且基于SiPM的多光谱局放检测和诊断方法主要集中于SF₆气体.SF₆是一种温室气体,其全球变暖潜能值(Global Warming Potential, GWP)是CO₂的 23 500 倍.为了保证绝缘性能的同时降低温室效应,3M^TM公司和一些学者提出了一种具有巨大潜力的环保混合气体C₄F₇N/CO₂,并已在部分设备中投入使用^[10].然而,当前针对C₄F₇N/CO₂混合气体的局放研究主要局限于其电学和化学性质^[11⇓-13],尚未有关于C₄F₇N/CO₂混合气体多光谱局放检测和诊断的研究.同时,由于不同气体分子放电会产生不同的光谱辐射,不同气体的多光谱局放检测的诊断标准存在差异,所以所提出的针对SF₆的多光谱PD检测和诊断标准在C₄F₇N/CO₂混合气体中的应用效果有待进一步讨论和验证.

基于此,设计一种新型多光谱阵列(Multispectral Array, MA)传感器,使用4×4的多光谱网格将SiPM阵列细分为7个波段(介于紫外和红外范围之间),以检测4种局放缺陷的光学特性,绘制了SF₆和C₄F₇N/CO₂混合气体的局放多光谱检测的相位分布图、能量分布图和特征堆叠图,对比分析了不同条件下光局放特征的差异,提出了一种基于多光谱特征(Multispectral Features, MF)和最近邻算法(K-Nearest Neighbors, KNN)的新型局部放电诊断方法,并验证了该方法在5种不同比例的C₄F₇N/CO₂混合气体和SF₆中的有效性.在不增加SiPM传感器体积和电路的情况下,更高效、准确地实现了PD的检测和分类,不仅为传统SF₆气体绝缘设备的PD检测和诊断提供了新思路,而且对环保气体绝缘设备中的光学局部放电检测有重要的理论指导和现实意义.

1 局部放电多光谱阵列检测技术

1.1 气体放电的光辐射机制

气体放电过程中伴随着光的辐射.原子、分子和离子在受到外部能量激发时将从基态或较低能级跃迁到较高能级.当它回到基态或更低的能级时,不同的粒子会辐射出不同波长的光来释放能量^[14].粒子跃迁所辐射的光的频率可以表示为

(1)v=

\frac{E_{2} - E_{1}}{h}

式中:E₂和E₁分别为高能级和低能级的能量;h为普朗克常数.

以不同比例的C₄F₇N/CO₂混合气体和SF₆气体在不同放电模型下的PD光信号为研究对象.由于不同的气体分子和不同的放电模式都会产生不同的激发态和能级跃迁,从而辐射出不同频率的光.因此,通过采集不同波段的PD光辐射的相对强度,研究不同比例的C₄F₇N/CO₂混合气体与SF₆气体之间以及不同放电模型之间的异同.

1.2 局部放电多光谱阵列检测装置

SiPM是一种基于多像素光子计数器的新型光电探测器器件,由工作在盖革模式的雪崩二极管阵列组成^[14].SiPM传感器具有高增益、高灵敏度、低偏置电压、对磁场不敏感、结构紧凑等优点,适用于气体绝缘设备的局放检测.每个SiPM由大量雪崩二极管单元组成.在硅光电倍增管的动态范围内,其输出电流与雪崩中微元件的数量成正比. 本文使用的SiPM型号为ARRAYJ-30035-16P-PCB,其结构和光子探测效率如图1所示.

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 SiPM及其光子探测效率

Fig.1 SiPM and its photon detection efficiency

为了更细致地表征局部放电光学特性,设计了一种新型MA传感器,提高了SiPM检测的光谱分辨率,能够获取更丰富的光学局放信息.制作了一个16方格来独立划分SiPM的每个传感器单元,并在16个网格中安装不同的滤光片(Light Filter, LF)对光信号进行滤波,获得多波段的PD光谱特性.为了将传感器更好地应用于气体绝缘设备的检测,根据设备外壳的形状设计了高度集成的电路板,用于采集和输出多光谱PD信号.多光谱阵列检测装置的整体结构如图2所示.

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 多光谱阵列检测装置模型及实物图

Fig.2 Model and physical image of multispectral array detection device

选取阵列中的7个单元作为检测通道,其余单元作为可扩展通道进行备份.所选取的7个LF的主要透射波段信息如表1所示,涵盖了从紫外到红外的波长范围,其中LF0滤光片可以透过所有波段的光.

表1 不同滤光片的数据

Tab.1 Information of different filters

滤光片	波长/nm	透光率/%
LF0	全波段	全透
LF1	630~1100	>90
LF2	582~593	>85
LF3	510~545	>83
LF4	260~380	>90
LF5	460~500	>90
LF6	400~445	>85

新窗口打开| 下载CSV

2 实验设置

2.1 实验平台设置

气体绝缘设备PD多光谱阵列检测实验平台如图3所示.其中,高压源为无电晕交流高压源;局放仪型号为Haffley DDX 9121b,用于检测局放起始电压(Partial Discharge Inception Voltage, PDIV);多光谱数据采集仪器型号为HIOKI-MR6000.

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 实验接线图

Fig.3 Experiment circuit

气体绝缘设备在安装、生产、运行等过程中可能会出现局部放电缺陷.目前,针对C₄F₇N/CO₂混合气体中不同缺陷的多光谱PD信号研究很少.为了给环保型气体绝缘设备的运行维护提供参考,制作了4种典型缺陷模型进行PD实验,分别为针尖缺陷、悬浮缺陷、微粒缺陷和沿面缺陷,如图4所示.针尖缺陷的电极间距为10 mm,悬浮缺陷的电极间距为2 mm,颗粒缺陷的电极间距为7 mm.

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 局部放电典型缺陷模型

Fig.4 Typical defect models of partial discharge

2.2 不同绝缘气体的局部放电检测

由于C₄F₇N气体的液化温度较高,使用时需加入CO₂缓冲气体平衡.目前,国际公认的具有良好电绝缘性能的混合比例约为4%~10%^[15].实际使用的比例没有统一标准.为了研究对比C₄F₇N/CO₂混合气体与SF₆的PD多光谱特性,分别在C₄F₇N占比为4%、6%、8%、10%、12%的C₄F₇N/CO₂混合气体以及100%SF₆的6种气体环境中进行实验.

实验过程中,为保证气体的纯度,每次换气前先对罐体抽真空.随后采用配气装置向罐内填充不同浓度的绝缘气体,直至气压达到0.2 MPa.在6种不同的绝缘气体环境下分别模拟了4种缺陷,共计24种实验条件.然后在每种条件下施加1.1倍PDIV,通过MA传感器采集不同测试条件下各个波段的光强.最后,对比分析采集的MF数据并采用智能方法进行故障诊断,得到不同气体的PD多光谱特征和分类方法.

3 局部放电多光谱特征分析

为了研究不同绝缘气体下不同缺陷的局部放电多光谱特征,分别从多光谱相位分布、多光谱能量分布和多光谱特征堆叠分布对不同实验条件下的局部放电进行对比分析.初步实验发现,不同比例C₄F₇N/CO₂混合气体的PD相位分布和能量分布差异不明显.因此,针对不同气体的PD相位分布和能量分布,选取8%C₄F₇N/92%CO₂混合气体与100% SF₆进行分析.针对PD的MF堆叠分布,对比了24种不同条件下的实验结果.

3.1 PD多光谱相位分布

图5, 图6 ~8分别为8%C₄F₇N/92%CO₂混合气体以及纯SF₆气体中悬浮缺陷、针尖缺陷、微粒缺陷和沿面缺陷的PD多光谱相位分布图.x轴表示相位,y轴表示不同波段,z轴表示每种缺陷在不同波段的相对PD强度.

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 悬浮缺陷的相位分布

Fig.5 Phase distribution of suspension defect

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 针尖缺陷的相位分布

Fig.6 Phase distribution of needle defect

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 微粒缺陷的相位分布

Fig.7 Phase distribution of particle defect

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 沿面缺陷的相位分布

Fig.8 Phase distribution of surface defect

悬浮缺陷的PD广泛分布在正负半周.悬浮放电在C₄F₇N/CO₂混合气体中的相位分布较为集中,主要出现在60°、130°、240°、290°、320° 附近;悬浮缺陷在SF₆中的放电相位在60°~130° 和240°~330° 范围内分布较为均匀.

C₄F₇N/CO₂混合气体中的针尖缺陷在60°~120° 和240°~320° 内存在放电信号.对比正负半周期相位分布和放电强度可以发现,正半周期放电相位分布区间小,光强较大;负半周期放电相位分布区间大,光强较小.而在SF₆气体中,正半轴上仅在10° 和90° 附近出现少量放电信号;负半轴上,在180° 附近和240°~320° 范围内放电,且240°~320° 范围内PD强度较大.该现象是由于气体电负性的差异,具有一定的极性效应.

微粒缺陷的PD广泛分布在正负半周.相比于SF₆,微粒缺陷在C₄F₇N/CO₂混合气体中的放电相位分布相对较窄,主要在10°~110° 和210°~300°.微粒缺陷在SF₆气体中的放电相位分布相对较宽,在10°~125° 和220°~350° 相位放电较为明显.

对比4种缺陷的放电相位分布可以发现,沿面缺陷的PD相位分布范围相对较小,尤其是在SF₆气体中.在C₄F₇N/CO₂混合气体中,沿面放电相位分布在30°~120° 和210°~310°;而在SF₆气体中,沿面放电相位分布在60°~130° 和240°~290°.

对比图5, 图6, ~8可以看出,相同气体中,同类缺陷的PD在不同波段上大致具有相同的相位分布,只是幅度不同.在不同的绝缘气体中,相同的缺陷具有不同的PD相位特征;在同一绝缘气体中,不同缺陷也具有不同的PD相位特征.因此,这可以作为PD模式识别的特征依据.

3.2 PD多光谱能量分布

图9,图10,图11,12为不同实验条件下PD多光谱累积能量曲线的相位分布图.累积能量曲线为各相位PD信号幅值之和,即采集的PD光信号幅值在各个相位上的积分.

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 悬浮放电的能量分布

Fig.9 Energy distribution of floating electrode defect

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 针尖放电的能量分布

Fig.10 Energy distribution of needle defect

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 微粒放电的能量分布

Fig.11 Energy distribution of particle defect

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 沿面放电的能量分布

Fig.12 Energy distribution of surface defect

对比图9, 图10, ~12可知,同种缺陷在不同绝缘气体中放电,尽管相位分布相似,但不同波段的局放能量存在差异.其中,LF0波段接收到的PD能量最大,LF3波段接收到的PD能量最小.同时,在不同气体和不同缺陷类型条件下,各波段接收到的PD能量的排序也略有差异.不同的气体因放电粒子的不同而辐射出不同波段的光强.因此,在不同的绝缘气体中,同一缺陷在相同波段呈现不同的PD能量.此外,不同缺陷的不同电场激发会导致粒子处于不同的激发态,从而导致不同缺陷在同一绝缘气体中的PD能量分布不同.

3.3 PD多光谱特征分布

为了研究不同缺陷在不同波段的放电强度的比例,分别绘制了4种缺陷在6种不同绝缘气体下的PD多光谱特征堆叠分布,如图13所示.MF特征堆叠分布图是通过计算每种缺陷下6个LF波段的所有PD信号强度的平均值,并将其归一化到[0,1]区间内得到的.

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 四种局放缺陷的多光谱特征堆叠分布

Fig.13 Multispectral feature stacked distribution of four partial discharge defects

在微粒缺陷的MF堆叠分布中,LF4波段所占比例最高,LF3波段所占比例最低,不同波段之间具有一定的差异.各波段的放电强度所占比例依次为:LF4 >LF6 >LF5 >LF1 >LF2 >LF3.

在悬浮缺陷的MF堆叠分布中,LF2波段所占比例最大,其余波段比例基本相近,说明LF2波段是悬浮缺陷的特征波段.

在针尖缺陷的MF堆叠分布中,LF4波段和LF6波段所占比例较大,LF3波段所占比例最小.针尖缺陷的MF堆叠分布整体外观与微粒缺陷相似,但略有不同.由于针尖缺陷PD比较稳定,所以各波段分布的均匀性较高.而微粒放电具有高波动性和强随机性,因此两种缺陷类型的MF堆叠分布中存在一定差异.

在沿面缺陷的MF堆叠分布中,LF2、LF4、LF6波段比例相近,占比均较大,其中LF6波段所占比例最大.LF3波段所占比例较小.对比4种局放缺陷的MF堆叠分布可以看出,不同的放电缺陷具有不同的分布特征,同一缺陷在不同绝缘气体中的总体特征相似但略有不同.

4 基于多光谱特征的局放诊断方法

在局部放电故障诊断方面,通常先构造脉冲序列相位分布(Phase Resolved Pluse Sequence, PRPS)或局部放电相位分布(Phase Resolved Partial Discharge, PRPD)谱图,随后从谱图中提取特征形成特征库,最后进行分类识别^[2,16].通过第3节对PD缺陷的多光谱检测可以发现,不同的PD缺陷会辐射出不同光谱分布的光,这意味着多光谱特征可以作为PD缺陷的直接诊断依据,避免了传统方法中复杂的模式构造和特征提取^[3,5],省略了相位同步或频域处理等环节,简化了操作步骤,提高了识别效率.

根据上文的检测结果可知,不同气体条件下多光谱特征的分布不同,即特征所包含的信息量和区分程度不同.特征质量的差异会影响诊断方法的有效性.因此,进行不同气体条件下的局放诊断实验以说明本文所提方法的普适性.

4.1 基于MF-KNN的局放诊断方法

将时域中每个PD信号对应的t个LF波段的强度表示如下:

(2)I_l={

a_{l}^{L F 1}

a_{l}^{L F 2}

,…,

a_{l}^{L F t}

}, l=1,2,…,N

式中:l表示在每种实验条件下采集的总PD脉冲数;I_l表示第l个PD信号的多光谱辐射强度;a_l表示第l个PD的不同LF波段接收到的光辐射强度.

由于PD光信号的绝对强度具有波动性,不适合直接分类.为了有规律地表征不同实验条件下PD的多光谱特征,将采集到的PD多光谱辐射强度归一化至区间 [-1, 1],将归一化的PD多光谱辐射强度当作特征值输入到KNN模型中.

KNN是一种有效的非参数分类方法,其适合增量学习,且分类准确率较高,可以很好地获得特征之间的相关性,并且对异常值具有较强的可识别性^[17-18].KNN算法的核心思想是将一个新的未分类的样本归属于k个最邻近样本中占比最高的一个类别,主要包含以下3个步骤^[19-20]。

(1) 样本相似性度量.根据距离来判断两个点的相似度,通常采用欧氏距离作为衡量标准.距离越小,相似度越大.随后选出和待归类样本P_q距离最近的k个样本p₁,p₂,…,p_k:

(3)p(x,y)=

\sqrt{\overset{m}{\sum_{i = 1}} (x_{i} - y_{i})^{2}}

式中:x、y分别为两份样本的特征向量x=[x₁x₂ … x_m],y=[y₁y₂ … y_m];x_i、y_i分别为样本x和样本y的第i个特征值;m为特征向量的维度.

(2) 在这k个样本中,找出占比最大的类型,即计算P_q对于每个类型的分数:

(4)Q(p_q,Z_j)=

\sum_{1 \leq n \leq k}

U(p_n,Z_j)

(5)U(p_n,Z_j)=

\{\begin{array}{l} 1, & p_{n} \in Z_{j} \\ 0, & p_{n} \notin Z_{j} \end{array}

式中:Z_j为特征库中第j种类型;p_q为待归类样本中的某一样本,p_q∈P_q.

(3) 将样本p_q划归为分数最大的Q(p_q, Z_j)对应的类型.

4.2 实验结果与分析

为了研究本文算法在不同绝缘气体条件下的诊断效果,分别在5种比例的C₄F₇N/CO₂混合气体和纯SF₆条件下开展了光学PD实验,模拟了4种局部放电缺陷类型,每个样本包含1000 ms的数据.为了验证算法在局部放电模式识别中的有效性,采用多种分类器进行对比实验.所用分类器分别为支持向量机(Support Vector Machine, SVM)、决策树(Decision Tree, DT)、KNN.以MATLAB 2018a 为运行环境,使用5折交叉验证方法检验分类器的误差率.不同算法在不同绝缘气体条件下的PD分类准确率如表2所示.

表2 不同算法的分类准确率

Tab.2 Classification accuracy of different algorithms

算法	分类准确率/%
算法	4%C₄F₇N	6%C₄F₇N	8%C₄F₇N	10%C₄F₇N	12%C₄F₇N	SF₆
MF-SVM	81.1	83.7	88.5	86.6	87.5	94.4
MF-DT	85.1	83.1	87.7	86.8	88.0	94.8
MF-KNN	90.6	88.7	91.1	89.1	90.0	96.2

新窗口打开| 下载CSV

由表2可以看出,基于多光谱特征的分类识别方法在不同绝缘气体条件下均具有较好的识别效果,准确率在80%以上.这证明直接采用局部放电多光谱值作为故障诊断特征的可行性,在保证分类准确率的基础上,减少了繁杂的特征提取步骤,提高了识别效率.由实验结果可知,在保持数据预处理方法一致的情况下,本文算法在SF₆和C₄F₇N/CO₂混合气体中均具有良好的诊断性能,识别率明显优于其他算法.基于MF-KNN诊断方法的分类准确率可以达到88%以上.在6种气体条件中,纯SF₆的识别率最高,可达96.2%,在C₄F₇N/CO₂混合气体中的最高准确率为91.1%.因此,本文方法不仅有利于对现有的SF₆气体绝缘设备的故障诊断,而且可兼容未来C₄F₇N/CO₂设备的PD识别,具有广泛的应用前景.

5 结论

设计了一种新型的局部放电多光谱阵列检测传感器,采集了不同比例的C₄F₇N/CO₂混合气体和纯SF₆气体的PD多光谱数据,分析了不同气体条件中不同放电缺陷的相位分布、能量分布和特征堆叠分布特点,提出了基于MF-KNN的PD多光谱故障诊断方法,具有良好的识别效果.

(1) 局放多光谱阵列检测传感器体积小、实用性强,不仅可以检测气体绝缘设备中的局部放电,还能从更高分辨率的多光谱特征中直观地反映局放的内在信息.

(2) C₄F₇N/CO₂混合气体与SF₆的PD多光谱特征相位分布、能量分布和特征堆叠分布存在一定差异.因此多光谱阵列采集的PD多光谱特征数据可以区分相同气体条件下的不同缺陷,为PD模式识别提供了良好的特征支持.

(3) 提出基于MF-KNN的局部放电模式识别方法,直接利用多光谱特征进行PD故障诊断,简化了繁琐的特征提取步骤,提高了识别效率.与其他算法相比,该方法具有更高的识别率,在不同气体中的聚类准确率可达88%以上,最高准确率可达96.2%,可有效应用于传统SF₆设备和未来C₄F₇N/CO₂设备.优越的兼容性避免了未来气体置换造成的PD检测系统的误报和漏报,节约检测成本.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

高克利, 颜湘莲, 王浩, 等.

环保型气体绝缘输电线路(GIL)技术发展

[J]. 高电压技术, 2018, 44(10): 3105-3113.