没有合适的资源?快使用搜索试试~ 我知道了~
基于气体检测的空气开关柜绝缘缺陷识别.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 97 浏览量
2023-02-23
20:28:18
上传
评论
收藏 1.23MB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/87488653/0001-fca069c95839cc22176cf4c8cd52c63d_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
13页
基于气体检测的空气开关柜绝缘缺陷识别.docx
资源推荐
资源详情
资源评论
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/87488653/bg1.jpg)
摘要
为了识别开关柜内的绝缘缺陷,设计了绝缘缺陷实验模型以获取训练样本,建立了具有自学习能力
的 BP(back propagation)神经网络并引入遗传算法进行网络优化,神经网络输入层为开关柜内
气体特征,输出层为开关柜内绝缘缺陷,建立了开关柜内气体特征与绝缘缺陷的映射关系。经过样
本训练,优化后的神经网络能够准确地识别绝缘缺陷。
Abstract
In order to distinguish the insulation defect in switchgear, models of insulation
defects are designed to obtain training samples, BP(back propagation) neural
network with self-learning ability is established and genetic algorithm is used to
optimize network. The input layer of neural network is the gas characteristic in
switchgear, and the outer layer is insulation defects in switchgear. The mapping
relationship between gas characteristics and insulation defects in switchgear is
established. After samples training, the neural network can reliably distinguish the
types of insulation defects and realize the insulation defects monitoring of air
switchgear.
译
关键词
空气开关柜; 局部放电; 气体检测; BP 神经网络; 绝缘缺陷识别
Keywords
air switchgear; partial discharge; gas detection; BP neural network; insulation
defects recognition
译
空气开关柜作为电力系统中线路开合、电力设备控制和保护的直接面向用户的重要配电设备,其安
全运行直接影响用户供电的可靠性
[ 1]
。开关柜内的金属器件在制造组装过程中造成的或者在运行
中产生的绝缘缺陷,会导致开关柜内发生局部放电。开关柜在长期运行状态下因局部放电会导致绝
缘劣化,进而造成电气绝缘强度降低
[ 2-4 ]
。据统计,绝缘故障是我国开关柜故障的主要原因
[ 5]
。
一般在空气开关柜中填充空气作为绝缘气体以提高绝缘性能。空气开关柜内发生局部放电时,环氧
树脂会因电灼伤而分解,绝缘气体也会因高温高压与氧气、水分及固体绝缘介质发生反应,从而产
生一些稳定的气态衍生物
[ 6]
,主要为 CO、NO
2
、NO 等气体。近年来,基于 SF
6
气体组分的设备
故障类型识别成为了研究热点
[ 7-9 ]
。与传统的脉冲电流法、超声波检测法、超高频法和暂态地电压
法相比,气体检测法具有更高的可靠性,不会受到电磁环境和机械噪音的干扰。此外,由于分解产
物具有随时间累积的特性,气体检测法在测试时并不要求有放电发生,更适宜监测长期存在但间歇
性发生的低能量局部放电。然而,目前对基于空气气体组分的设备故障类型识别的研究还处于初步
阶段。20 世纪 80 年代的大量研究表明
[ 10]
,这些气态衍生物与绝缘缺陷类型密切相关。目前深度
学习在故障诊断领域得到大量应用,因此,可以通过检测气态衍生物并结合可靠的分类识别算法实
现对空气开关柜绝缘缺陷的识别。
![](https://csdnimg.cn/release/download_crawler_static/87488653/bg2.jpg)
BP(back propagation)神经网络具有很强的非线性映射能力,常用于输出变量的模式分类
[ 11-
13]
,但由于其是按照梯度下降法进行误差缩小的,随机产生的初始权值和阈值有时会使网络陷入局
部最优解。遗传算法(genetic algorithms, GA)能够在进化过程中不断调整搜索方向,具有寻
找全局最优解的能力,常用于非线性函数模型的优化问题
[ 14- 15]
。
本文旨在通过将 BP 神经网络与 GA 结合进行优化,建立绝缘缺陷与气体特征的映射关系,经过数
据样本训练后使其具有较好的拟合度,为实现空气开关柜绝缘缺陷识别提供理论依据。
1 实验设计与产物分析
1.1 气态衍生物概述
空气主要由 N
2
、O
2
、CO
2
等气体组成,在遇到强烈的光、热及电磁效应时,会发生复杂的物理化
学反应,气体组分将发生变化。在以空气作为绝缘气体的空气开关柜中,光与热的影响较小,局部
放电发生的原因通常是电磁效应。
由绝缘缺陷引起的局部强电场使空气中的带电粒子在电场作用下获得能量,加速碰撞 N
2
与 O
2
分子,
打破其 N‒N 键和 O‒O 键,生成了 N 原子与 O 原子,使其电子脱离束缚,发生局部放电,CO
2
分
子也会分解为 CO 与 O 原子。分解过程为
⎧⎩⎨⎪⎪N2+e→N+N+eO2+e→O+O+eCO2+e→CO+O+eN2+e→N+N+eO2+e→O+O+eCO2+e→CO+O+e
(1)
产生的 N 原子、O 原子及 CO 扩散后与空气中的其他气体成分进一步发生反应生成多种组分:
⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪O+O2→O3N2+O→NO+NN+O2→NO+ON+O3→
NO+O2NO+O3→NO2+O2NO2+O3→NO3+O2NO+NO3→2NO2O+O2→O3N2+O→NO+NN+O2→NO+ON+O3
→NO+O2NO+O3→NO2+O2NO2+O3→NO3+O2NO+NO3→2NO2
(2)
当发生局部放电且存在固体绝缘如环氧树脂等有机材料时,材料中电离产生的 C 原子会与 O 原子
反应生成 CO。
由于开关柜内部在生产制造及长期运行过程中会产生一些绝缘缺陷,不同绝缘缺陷所发生的局部放
电在电压幅值及放电重复率上均有不同,导致放电能量不同,进而产生不同含量的气态衍生物。
1.2 绝缘缺陷概述
本文对引起空气开关柜内发生局部放电的绝缘缺陷进行分类,如图 1 所示。绝缘缺陷包括:在制作、
组装过程中产生的固体金属突出物缺陷;在绝缘子制造、长期机械运用或绝缘子与电极热膨胀系数
不同导致的绝缘子气隙缺陷;由于现场作业和运行中的机械振动累积到绝缘子表面的金属微粒形成
的绝缘子表面金属污秽缺陷;在制作、运行、检修过程中形成的自由金属微粒缺陷。
![](https://csdnimg.cn/release/download_crawler_static/87488653/bg3.jpg)
图 1 绝缘缺陷示意图
Fig.1 Diagram of insulation defects
下载: 原图 | 高精图 | 低精图
1.3 实验设计
首先在实验室搭建开关柜模拟实验平台,所需实验器材有:模拟空气开关柜、自制模拟缺陷、采气
袋、局部放电检测仪、万用表等,实验接线如图 2 所示,其中:AC 电源的输出电压是可调节的,
范围为 0~50 kV;R
1
为 10 kΩ 保护电阻,用于保护 AC 电源;R
2
为 3.5 kΩ 电阻,用来限制模型
击穿时的短路电流。
图 2 实验接线图
Fig.2 Diagram of experiment wiring
下载: 原图 | 高精图 | 低精图
模拟空气开关柜采用分解气室,分解气室为密闭缸体,采用透明材料,可以观察缸体内的实验情况,
用于进行不同缺陷模型的局部放电实验。耦合电容将局部放电产生电流信号耦合到检测阻抗上,转
换成相应的电压信号输入到示波器,获取分解气室内的局部放电信息。
具体的实验步骤如下:
1)将缺陷模型固定在分解气室内部;
2)对分解气室逐步进行加压使模型发生局部放电,使用示波器监测高压开关柜内模拟缺陷的局部
放电信号,每 4 h 采集 1 次气体;
剩余12页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
罗伯特之技术屋
- 粉丝: 3962
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
C知道特权
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)