基于脉冲序列分析的局部放电发展过程诊断方法

摘要

本发明公开了一种基于脉冲序列分析的局部放电发展过程诊断方法，该诊断方法包括提取脉冲序列特征建立指纹库和放电类型与发展过程判断过程；具体包括：首先在典型缺陷条件下采集局部放电信号，并进行信号预处理；然后进行脉冲序列特征提取，特征量分析利用三类谱图，包括Δu谱图、Δt频率分布图、Δu/Δt谱图；对三类谱图进行9种特征参量的提取，并建立放电指纹库；最后利用最小欧式距离寻找指纹库中与待诊数据相似度最高的放电类型与放电发展阶段作为诊断结论。该方法充分利用放电信息，考虑了前次放电产生的空间电荷、表面电荷对后续放电的影响，且算法实现过程简单、识别率高，适用于电力设备中局部放电类型和发展过程的诊断以及放电危害性评估。

主权项

基于脉冲序列分析的局部放电发展过程诊断方法，其特征在于，包括以下步骤：1)信号采集：通过传感器捕获电力设备中所发出的局部放电信号，经过放大和数模转换后变成数字信号，并连续采集发送至信号预处理模块，其中，对局部放电信号采集的信息包括：外施电压幅值、频率，每一放电脉冲的相位‑幅值信息以及局部放电脉冲之间的时序关系；2)信号预处理：采用等效时频图对步骤1)中的每一放电脉冲的相位‑幅值信息以及局部放电脉冲之间的时序关系分离出仅包含局部放电源的信息；3)脉冲序列特征提取：包括激励连续局部放电脉冲所需的外施电压差Δu谱图、放电间隔Δt的频率分布图以及产生连续的局部放电脉冲所需的电位梯度Δu/Δt谱图；4)基于脉冲序列特征量建立放电指纹库：对放电形成的Δu谱图、Δt频率分布图和Δu/Δt谱图上的簇丛进行9种特征参量的提取与统计并建立放电指纹库；对实验室中尖端放电、沿面放电和气隙放电三种典型缺陷下的不同发展阶段下300组以上样本进行统计分析，建立放电特征指纹库；其中，9种特征参量包括已知缺陷模型下放电的Δu谱图中的放电簇丛数目、位置、相对密度和放电发展轨迹，Δu/Δt谱图中的放电簇丛数目、位置、相对密度以及放电发展轨迹，以及Δt的频率分布图中的放电间隔特征值；5)放电类型与发展阶段诊断：在对放电进行诊断时，对未知放电依据以上步骤2)和步骤3)提取特征参量，利用最小欧式距离法寻找与依据步骤4)得到的放电指纹库中与待诊数据相似度最高的放电类型与放电发展阶段，以相似度最高的放电类型与放电发展阶段为待诊数据的放电类型和放电发展阶段。