基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法技术

本发明专利技术提出了基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，包括：获取多组局放数据，对每一组局放数据都分别提取定义的局部放电统计特征量，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图；通过雷达谱图中各种缺陷特征量所形成图形的形状和面积的差异对故障进行分类和识别。本发明专利技术可以根据图谱中不同缺陷特征量所形成的图形的形状和面积对缺陷类型进行识别。面积对缺陷类型进行识别。面积对缺陷类型进行识别。

【技术实现步骤摘要】
基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法


[0001]本专利技术属于GIS设备的局部放电故障诊断
，尤其涉及基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]气体绝缘组合开关设备(Gas Insulated Switchgea，GIS)是电力系统中重要的电气设备，具有占地面积小、运行可靠性高、配置灵活、维护方便等优点。随着电网的建设与发展，GIS变电站的数目不断增加，其在电力系统中的应用越来越广泛，GIS的正常运行对整个电力系统的安全和稳定至关重要。
[0004]绝缘缺陷是导致GIS故障的重要原因，绝缘缺陷在一定电场下会导致局部放电的发生，引起绝缘的进一步劣化，在固体绝缘累积效应的作用下可能导致绝缘击穿。因此，做好对GIS设备的状态评估与检修，及时发现绝缘故障并及时处理，能够有效预防较为严重的故障，其能否正常运行关系到电力系统供电的可靠性和国民的生产生活，对变电站乃至电网的稳定运行具有重要的意义。
[0005]GIS设备在长期封闭运行中必然存在电、热、化学及异常状况下形成的绝缘劣化，会直接导致电气绝缘强度降低，甚至发生故障，严重影响GIS设备的运行可靠性，影响电力系统的安全稳定运行。因此，对GIS设备的运行状态进行实时监测，可以识别潜在的故障，有目的地进行检修和排查，降低因设备故障而造成事故的可能。
[0006]局部放电是导致设备劣化发生绝缘故障的主要原因，在设备的制造、安装和正常运行过程中，GIS内部可能会存在的金属突起、金属微粒、悬浮电位等缺陷，这些都易在GIS正常工作时引起局部放电，可能导致放电故障。通过局部放电信号对不同类型的放电进行模式识别是设备状态评估方面的重要部分。由于GIS的全封闭特性，其故障定位及检修工作比较困难且繁杂，停电检修难度大，需投入大量人力物力。采用局部放电在线检测手段可以在不影响设备安全运行的情况下反映出电气设备内部的绝缘状况，当有局部放电发生时立刻采取预警与行动可以有效预防严重事故的发生，提高电力系统的可靠性。常见的局部放电检测方法有超声法、脉冲电流法、特高频检测法等。不同类型放电形式下绝缘的劣化机理不同，进而对GIS绝缘造成不同程度的损伤，其局部放电信号也会呈现出差异，因此对GIS局部放电进行模式识别是GIS绝缘状态评估的重要环节。
[0007]关于GIS缺陷的放电模式识别方面已有较多研究，目前已有较多研究使用机器学习的方式对其进行模式识别。GIS内部典型缺陷的局部放电特征量较多，对局部放电统计特征量和图谱特征的有效提取对准确识别放电十分关键。
[0008]但是目前对GIS故障识别多使用机器学习算法，其仅仅能识别出故障，但是对故障本身的运行状态无法了解深入，也没有对其故障的物理原因进行解释；由于不同设备的运行环境和放电特点不同，基于机器学习算法的分类模型的泛化能力还需进一步验证，而且
在现场很多时候技术人员需要找到一种能够快速直观地识别故障类型的方法。

技术实现思路

[0009]为克服上述现有技术的不足，本专利技术提供了基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，可以实现GIS内典型绝缘缺陷局部放电类型的准确识别。
[0010]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0011]第一方面，公开了基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，包括：
[0012]获取多组局放数据，对每一组局放数据都分别提取定义的局部放电统计特征量，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图；
[0013]通过雷达谱图中各种缺陷特征量所形成图形的形状和面积的差异对故障进行分类和识别。
[0014]作为进一步的技术方案，所述定义的局部放电统计特征量包括：
[0015]A
max
：每一组局部放电信号的最大强度值；
[0016]A
ave
：每一组局部放电信号的平均强度值；
[0017]A
total
：每一组局部放电信号放电幅值总和；
[0018]N：每一组局部放电信号的总放电次数；
[0019]r
A
：每一组局部放电信号正半周放电信号强度幅值之和与负半轴放电信号强度幅值之和的比值；
[0020]std
ave
：每一组局部放电信号中每个周期放电幅值标准差的平均值。
[0021]作为进一步的技术方案，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图，具体方式为：
[0022]将统计特征量进行归一化处理；
[0023]随后，假设每个缺陷获取了k组局部放电特征量样本数据，将所有缺陷的共3*k个样本数据绘制至一张雷达图上，用不同的颜色区分；
[0024]根据雷达图中缺陷图形的形状和面积分辨出故障类型。
[0025]作为进一步的技术方案，根据雷达图中缺陷图形的形状和面积分辨出故障类型，包括：金属微粒缺陷、悬浮电位缺陷及金属针尖缺陷；具体分辨时：
[0026]对于同一种放电缺陷，其线条重合度较高，形状也相对固定；
[0027]对于不同的放电缺陷，其连线形成的形状与其他缺陷差异较大，其线条所围成形状的面积也不同。
[0028]作为进一步的技术方案，对于金属微粒缺陷，其形状大致呈一个四边形，其A
max
与A
ave
较大，但A
total
和N较低，说明金属微粒缺陷累积放电强度和放电重复率较低，r
A
的较大表明正半周期放电强度高于负半周期，std
ave
较低意味着放电幅值的波动性较小。
[0029]作为进一步的技术方案，对于悬浮电位缺陷，其放电形状呈现六边形，其A
max
较大但A
ave
较小，说明其低幅值脉冲占据多数，A
total
和N较大表明其累积放电强度和放电重复率较高，r
A
较大表明正半周期放电强度高于负半周期，std
ave
值较高说明放电幅值的波动性很大。
[0030]作为进一步的技术方案，对于金属针尖缺陷，呈现一个面积较小的六边形，看出相
比于另外两种典型缺陷放电，除了A
total
和N高于金属微粒放电，其余各特征量都明显较小。
[0031]第二方面，公开了基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别系统，包括：
[0032]雷达谱图绘制模块，被配置为：获取多组局放数据，对每一组局放数据都分别提取定义的局部放电统计特征量，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图；
[0033]故障分类和识别模块，被配置为：通过雷达谱图中各种缺陷特征量所形成图形的形状和面积的差异对故障进行分类和识别。
[0034]以上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，其特征是，包括：获取多组局放数据，对每一组局放数据都分别提取定义的局部放电统计特征量，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图；通过雷达谱图中各种缺陷特征量所形成图形的形状和面积的差异对故障进行分类和识别。2.如权利要求1所述的基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，其特征是，所述定义的局部放电统计特征量包括：A
max
：每一组局部放电信号的最大强度值；A
ave
：每一组局部放电信号的平均强度值；A
total
：每一组局部放电信号放电幅值总和；N：每一组局部放电信号的总放电次数；r
A
：每一组局部放电信号正半周放电信号强度幅值之和与负半轴放电信号强度幅值之和的比值；std
ave
：每一组局部放电信号中每个周期放电幅值标准差的平均值。3.如权利要求2所述的基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，其特征是，基于上述局部放电统计特征量绘制典型缺陷的特征量雷达谱图，具体方式为：将统计特征量进行归一化处理；随后，假设每个缺陷获取了k组局部放电特征量样本数据，将所有缺陷的共3*k个样本数据绘制至一张雷达图上，用不同的颜色区分；根据雷达图中缺陷图形的形状和面积分辨出故障类型。4.如权利要求3所述的基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，其特征是，根据雷达图中缺陷图形的形状和面积分辨出故障类型，包括：金属微粒缺陷、悬浮电位缺陷及金属针尖缺陷；具体分辨时：对于同一种放电缺陷，其线条重合度较高，形状也相对固定；对于不同的放电缺陷，其连线形成的形状与其他缺陷差异较大，其线条所围成形状的面积也不同。5.如权利要求4所述的基于局放统计特征量与雷达谱图的GIS绝缘缺陷识别方法，其特征是，对于金属微粒缺陷，其形状大致呈一个四边形，其A
max
与...

【专利技术属性】
技术研发人员：孙艳迪，李杰，张丕沛，师伟，汪鹏，孙景文，王江伟，李秀卫，孙承海，吕俊涛，邢海文，任敬国，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：