一种GIS局部放电超高频带电检测方法与流程

本发明涉及一种检测方法，具体讲涉及一种GIS局部放电超高频带电检测方法。
背景技术：
：GIS是电网系统中最重要的电力设备之一，以其占地面积小、绝缘等级强等特点得到了越来越广泛的使用，随着电网技术的快速发展，GIS的电压等级越来越高，若其发生绝缘故障将直接危害变电站主设备受损，造成供电中断，带来大面积区域停电，影响正常的生活、生产甚至社会稳定。绝缘性能是决定GIS安全稳定运行的重要因素，由于制造、安装和运行过程中产生的气泡、毛刺、划痕、螺丝松动甚至脱落等均会导致局部场强升高，产生局部放电。例如，国内江门500kVGIS由于绝缘操作杆上缺陷在投入运行后不久即发生闪络，大亚湾400kVGIS在绝缘试验后发现在GIS和母线连接处的绝缘子有明显的漏电痕迹。因此需要检测GIS设备的局部放电。GIS内部放电时，由于放电点处电荷的迅速转移，形成纳秒级持续时间的电流脉冲，并产生频率分量极其丰富的电磁信号，对传感局部放电所产生的电信号进行局部放电检测，不仅能提高灵敏度，而且能及时发现早期的局部放电。然而由于现场的电信号干扰主要为母线电晕放电、无线电波、载波通讯和系统内开关动作等，这些干扰主要集中在300MHz以下，常规的脉冲电流法和射频检测法均不能很好地消除此类干扰，而超高频检测法采用天线耦合电磁波的方式，其检测频带主要集中在300MHz-3000MHz范围内，可以有效避开常规脉冲电流检测法所受到的干扰，有效地提高了检测灵敏度。现有的超高频检测法采用超高频传感器监测GIS局部放电，由超高频传感器将检测点的局部放电信号通过电缆发送给局部放电检测仪，由电压互感器将检测点的工频电压相位信号通过电缆发送给局部放电检测仪；再由局部放电检测仪器对工频电压相位信号和局部放电信号进行数据解析得到PRPD谱图，依据PRPD谱图诊断GIS的局部放电类型。实际运用中，GIS在放电的最初阶段多产生电晕放电，不同缺陷所产生的PRPD谱图比较相似，而当一个GIS设备内部同时存在多个放电源时，局部放电的PRPD谱图会呈现部分的甚至全部的叠加，这样仅靠局部放电检测仪器依据PRPD图谱判断GIS设备的局部放电类型的办法，有可能导致由于谱图的重叠而造成漏判或误判。另外，现有的超高频检测法利用电缆从检测点的电压互感器处获取工频电压相位信号，实际运用时，现场检测点附近不一定存在可用的电压互感器，若有电压互感器，也因为长电缆连接导致测量十分不便。因此有必要研究一种新的局部放电带电检测方法，以降低GIS局部放电的检测难度，提高GIS局部放电的检测效率，提高GIS局部放电的模式识别准确率。技术实现要素：为了解决现有技术中所存在的上述问题，本发明提供一种GIS局部放电超高频带电检测方法。本发明提供的技术方案是：一种GIS局部放电超高频带电检测方法，其改进之处在于：所述方法包括如下步骤：步骤S1超高频传感器接收所述GIS局部放电产生的电磁脉冲信号，并将所述电磁脉冲信号转化为高频电压信号后通过屏蔽电缆传输给局部放电检测仪；同时，无线工频信号发生装置向所述局部放电检测仪发射工频电压信号；步骤S2所述局部放电检测仪对所述高频电压信号和所述工频电压信号进行数据解析得到PRPD放电图谱以及超高频放电脉冲波形；步骤S3，所述局部放电检测仪对所述PRPD放电图谱和所述超高频放电脉冲波形分别进行PRPD聚类分析和脉冲波形时频分析，并根据所述PRPD聚类分析结果和所述脉冲波形时频分析结果识别所述GIS局部放电的放电类型。优选的，所述步骤S1中，所述超高频传感器为超高频微带贴片天线，所述高频微带贴片天线的长为5cm，宽为3.5cm，厚度为0.2cm，其带宽为0.4GHz～2.7GHz；所述高频微带贴片天线粘贴在所述GIS的内外表面。优选的，所述步骤S1中，所述无线工频信号发生装置安装在所述超高频微带贴片旁，所述局部放电检测仪内加装有低频信号接收器，所述局部放电检测仪用所述低频信号接收器接收所述无线工频信号发生装置发送的工频电压信号。优选的，所述步骤S2中，所述局部放电检测仪对所述高频电压信号的幅值和频率、以及所述工频电压信号的相位进行数据解析，得到所述PRPD放电图谱以及超高频放电脉冲波形。优选的，所述步骤S3中的PRPD聚类分析的方法为：提取PRPD放电图谱的特征参数，所述特征参数包括：分型特征参数、矩特征参数、以及统计特征参数；所述分型特征参数包括：工频正半波局放图像分维数归一化值f1，工频正半波局放高值灰度图像分维数归一化值f2，工频正半波局放图像二阶广义维数归一化值f3，工频负半波局放图像分维数归一化值f4，工频负半波局放高值灰度图像分维数归一化值f5，工频负半波局放图像二阶广义维数归一化值f6；所述矩特征参数包括：工频正半波局放图像灰度重心坐标f7，工频负半波局放图像灰度重心坐标f8，工频正半波局放图像主轴方向特征参数f9，工频负半波局放图像主轴方向特征参数f10；所述统计特征参数包括：工频正半波放电量与总放电量的比值f11，工频正半波放电次数与总放电次数的比值f12，工频正半波起始放电相位的归一化值f13，工频负半波起始放电相位的归一化值f14，工频正、负半波放电图像的相关系数f15。优选的，所述步骤S3中的脉冲波形时频分析包括如下步骤：1)采用如下公式(1)对所述超高频放电脉冲波形z(t)进行Gobor变换,得到时频分析图谱Gf(a,b,ω)：其中：为高斯窗函数ga(t-b)的共轭函数；t为时间，ω为角频率，f为频率，b为窗口平移参数，a为窗口尺度调整参数；2)提取所述时频分析图谱的特征参数,所述特征参数包括:Gf(a,b,ω)最大幅值点所对应的时间tm,Gf(a,b,ω)最大幅值点所对应的频率fm，放电脉冲起始时间和最大幅值处时间之差Δtm。优选的，所述步骤S3中，所述局部放电检测仪采用BP人工神经网络对所提取的PRPD放电图谱的特征参数、以及所述时频分析图谱的特征参数进行训练，根据训练结果输出对应的所述GIS局部放电的放电类型。进一步，所述BP神经网络包括输入层、中间层和输出层；所述输入层包括与所述PRPD放电图谱的15个特征参数以及所述时频分析图谱的3个特征参数分别相对应的18个输入层神经元；所述中间层内置5种典型放电样本数据；所述输出层包括与所述中间层的5种典型放电样本数据相对应的5个输出层神经元。进一步，所述中间层的5个典型放电样本数据包括噪声样本数据、针尖放电样本数据、沿面放电样本数据、气隙放电样本数据和悬浮放电样本数据；PRPD放电图谱的特征参数、以及时频分析图谱的特征参数输入到所述BP神经网络的输入层，在所述输入层经过归一化处理后，与所述BP神经网络中间层的5种典型放电样本数据进行训练，得出与所述PRPD放电图谱的特征参数、以及所述时频分析图谱的特征参数相对应的放电类型，并通过所述BP神经网络的输出层输出。进一步，所述放电类型包括噪声、针尖放电、沿面放电、气隙放电和悬浮放电。与最接近的技术方案相比，本发明具有如下显著进步：1)本发明提供的技术方案将PRPD放电图谱和超高频放电脉冲波形相结合，通过PRPD聚类分析和脉冲波形时频分析提取相应的特征参数，并利用BP人工神经元网络对特征参数进行训练，得到GIS局部放电的放电类型，提高了GIS局部放电检测的准确性和可靠性；2)采用超高频微带贴片天线检测GIS局部放电产生的电磁脉冲信号与传统的超高频天线相比，具有更小的体积，可以方面粘贴在GIS腔体的内外表面，降低了检测难度；3)局部放电检测仪内置无线接收装置，接收现场无线工频信号发生装置产生的工频电压相位信号，局部放电检测仪仅设有与超高频传感器连接的一条电缆，方便了现场操作，降低了检测难度。附图说明图1为微带贴片天线的结构示意图；图2为超高频局部放电带电检测装置在一台GIS上测试示意图；图3为Gabor时频变换结果图；图4为BP人工神经元网络结构图。具体实施方式为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。图1为本发明所设计的微带贴片天线的示意图，该天线长为5cm，宽为3.5cm，厚度为0.2cm，带宽为0.4GHz～2.7GHz，既可以作为内置传感器安装在GIS腔体内，也可以作为外置传感器安装在GIS盆式绝缘子外表面或GIS腔体外表面。图2为本发明对一台110kV单相GIS现场检测示意图。采用超高频传感器、无线工频信号发生装置和局部放电检测仪检测GIS局部放电的放电类型；超高频传感器采用微带贴片天线，检测时将超高频传感器粘贴在GIS腔体外侧，无线工频信号发生装置安装在超高频传感器旁，通过超高频传感器将GIS内部缺陷导致的电磁波信号转化为高频电压信号，发送给局部放电检测仪，局部放电检测仪内置低频信号接收器，通过低频信号接收器接收无线工频信号发生装置发送的工频电压信号，局部放电检测仪对超高频传感器发送的高频电压信号的幅值和频率、以及工频电压信号的相位进行数据解析，得到PRPD谱图以及超高频放电脉冲波形；再分别对PRPD放电图谱和超高频放电脉冲波形进行PRPD聚类分析和脉冲波形时频分析；得到PRPD图谱以及时频分析图谱的特征参数，然后利用BP人工神经元网络对特征参数进行训练，识别出GIS局部放电的放电类型，识别结果分为噪声、针尖放电、沿面放电、气隙放电和悬浮放电五种类型。如下表1所示：PRPD聚类分析主要包括：提取PRPD图谱的分型特征、矩特征以及统计特征共计15个特征参数。表1PRPD谱图特征参数脉冲波形时频分析包括两个步骤：1)采用公式(1)对超高频放电脉冲波形z(t)进行Gobor变换，得到z(t)的时频分析图谱Gf(a,b,ω)：为高斯窗函数ga(t-b)的共轭函数；t为时间，f为频率，w为角频率，b为窗口平移参数，a为窗口尺度调整参数；2)得到时频分析图谱后，提取时频分析图谱中的特征参数，如表2所示:表2时频分析图谱特征参数特征参数具体意义tm最大幅值点所对应的时间fm最大幅值点所对应的频率Δtm放电脉冲起始时间和最大幅值处时间之差图3为本发明针对测试的一种放电脉冲信号时频变换的结果，可以看出时频联合分析具有良好的时频聚集性。得到PRPD放电图谱的特征参数、以及时频分析图谱的特征参数后，局部放电检测仪采用BP人工神经网络对所提取的PRPD放电图谱的特征参数、以及所述时频分析图谱的特征参数进行训练，根据训练结果输出对应的GIS局部放电的放电类型。如图4所示：BP人工神经网络包括输入层、中间层和输出层；由于PRPD数据提取聚类特征参数以及脉冲波形数据提取时频联合分布特征共计18个参数，BP神经元网络的输入层神经元为18个；中间层为内置噪声、针尖放电、沿面放电、气隙放电和悬浮放电五种典型放电样本数据；BP神经元网络的输出层神经元为5个，输出模式为噪声、针尖放电、沿面放电、气隙放电和悬浮放电五种。在输入层输入放电特征数据后，与样本数据进行训练，直到输出误差小于系统设置误差，再由输出层输出与放电特征数据相对应的放电类型，实现GIS局部放电的模式识别。以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均在申请待批的本发明的权利要求范围之内。当前第1页1 2 3