局部放電檢測與絕緣體狀態(tài)評價

目錄
前言
第一篇 氣體絕緣裝備局部放電檢測及噪聲評價
第1章 緒論 3
1.1 氣體絕緣裝備結(jié)構(gòu)及應(yīng)用 3
1.1.1 氣體絕緣裝備種類及結(jié)構(gòu) 3
1.1.2 氣體絕緣封閉組合電器 7
1.2 氣體絕緣裝備內(nèi)部常見絕緣故障 10
1.2.1 氣體絕緣裝備內(nèi)部絕緣故障案例統(tǒng)計 10
1.2.2 氣體絕緣裝備內(nèi)部典型絕緣故障原因 11
1.3 氣體絕緣裝備故障及狀態(tài)監(jiān)測方法 13
1.3.1 氣體絕緣裝備故障檢修試驗標準 13
1.3.2 現(xiàn)有氣體絕緣裝備狀態(tài)檢測技術(shù) 15
參考文獻 19
第2章 氣體絕緣裝備PD主要檢測方法 22
2.1 脈沖電流法 22
2.1.1 脈沖電流法基本原理 22
2.1.2 脈沖電流法三種常用電路 22
2.2 特高頻檢測法 23
2.2.1 特高頻檢測法基本原理 23
2.2.2 工程應(yīng)用案例 24
2.3 光測法 27
2.3.1 光測法基本原理 27
2.3.2 測量參數(shù)與方法 28
2.4 超聲波檢測法 31
2.4.1 超聲波檢測法基本原理 31
2.4.2 工程應(yīng)用案例 32
2.5 SF6分解組分分析檢測法 35
2.5.1 SF6分解組分分析檢測法基本原理 35
2.5.2 工程應(yīng)用案例 35
參考文獻 40
第3章 PD信號噪聲特點與SNR二階估計 41
3.1 典型絕緣缺陷的PD信號特征 41
3.1.1 四種缺陷產(chǎn)生的PD時頻信號 41
3.1.2 特高頻PD數(shù)學模型 44
3.2 干擾信號特征與SNR二階估計 45
3.2.1 干擾信號的特征 46
3.2.2 SNR二階估計理論與方法 46
3.2.3 模擬PD信號的SNR二階估計 49
3.2.4 實測PD信號的SNR二階估計 54
參考文獻 55
第二篇 混合局部放電信號分離
第4章 PD信號混合與分離基礎(chǔ)知識 59
4.1 混合PD信號的生成與分離 59
4.1.1 混合PD信號的生成過程 59
4.1.2 混合PD信號的數(shù)學模型 59
4.1.3 PD信號的線性瞬時混合與分離 61
4.1.4 PD信號的線性卷積混合與分離 63
4.2 混合PD信號的盲源分離理論 65
4.2.1 混合信號盲源分離原理 65
4.2.2 盲源分離可分性與判定準則 67
4.2.3 盲源分離問題解的不確定性 68
4.2.4 盲源分離對比函數(shù)準則 69
4.3 混合PD信號的分析與預(yù)處理 75
4.3.1 混合PD信號的空域相關(guān)分析 75
4.3.2 混合PD信號的白化預(yù)處理 78
參考文獻 82
第5章 混合PD信號二階統(tǒng)計量分離算法 84
5.1 分離評價參數(shù) 84
5.2 基于SOS準則的分離算法及分離性能分析 87
5.2.1 基于SOS準則的SOBI算法原理 87
5.2.2 基于SOS準則的分離算法分離性能分析 88
5.2.3 改進的基于SOS準則的SOBI算法 91
5.3 模擬混合PD信號的分離 94
5.3.1 相對距離對分離效果的影響分析 95
5.3.2 混合矩陣H對分離效果的影響及統(tǒng)計分析 109
參考文獻 115
第6章 混合PD信號卷積分離技術(shù) 116
6.1 卷積混合信號的盲源分離法 116
6.1.1 卷積混合信號的盲源分離時域算法 116
6.1.2 卷積混合信號的盲源分離頻域算法 118
6.2 非平穩(wěn)混合PD信號特性與短時平穩(wěn)劃分 119
6.2.1 非平穩(wěn)混合PD信號特性分析 119
6.2.2 非平穩(wěn)混合PD信號短時平穩(wěn)劃分策略 121
6.3 頻域內(nèi)分離信號“兩個不確定性”問題 122
6.3.1 分離信號幅值不確定性的控制策略 123
6.3.2 分離信號順序不確定性的應(yīng)對措施 124
6.3.3 頻域分離單一PD信號的重構(gòu)實現(xiàn) 125
6.4 模擬混合PD信號的分離 126
6.4.1 卷積構(gòu)造模擬混合PD信號 127
6.4.2 混合PD信號的分離 129
6.5 實測混合PD信號的分離 132
6.5.1 實測混合PD信號的二階統(tǒng)計量分離 132
6.5.2 實測混合PD信號的卷積分離 138
6.5.3 兩種分離算法效果比較 141
參考文獻 143
第7章 PD特征參數(shù)與特征提取 144
7.1 PD模式識別常見特征參數(shù)及變化趨勢分析 144
7.1.1 統(tǒng)計特征參數(shù) 144
7.1.2 圖像矩特征參數(shù) 147
7.1.3 分形特征參數(shù) 148
7.1.4 波形特征參數(shù) 150
7.1.5 小波特征參數(shù) 150
7.2 基于二元樹復(fù)小波變換的辨識PD的特征量提取方法 151
7.2.1 二元樹復(fù)小波變換-奇異值分解 152
7.2.2 多尺度特征參數(shù)提取 154
7.3 基于核主成分分析與深度神經(jīng)網(wǎng)絡(luò)的特征量優(yōu)化研究 158
7.3.1 UHF信號特征量分析提取模式 158
7.3.2 三種模式特征量相關(guān)性分析 162
7.3.3 基于核主成分分析的特征量優(yōu)化 162
7.3.4 深度自編碼網(wǎng)絡(luò)特征優(yōu)化方法 163
7.3.5 兩種優(yōu)化方法對比分析 166
參考文獻 172
第三篇 局部放電類型辨識
第8章 基于支持向量數(shù)據(jù)描述的PD類型辨識 177
8.1 支持向量的基本原理 177
8.1.1 支持向量機 177
8.1.2 支持向量數(shù)據(jù)描述 180
8.1.3 支持向量數(shù)據(jù)描述核函數(shù) 182
8.2 改進的支持向量數(shù)據(jù)描述學習算法 183
8.2.1 優(yōu)化半徑支持向量數(shù)據(jù)描述算法 184
8.2.2 基于支持向量數(shù)據(jù)描述的多分類算法 185
8.3 PD OR-SVDD模式辨識方法 187
8.3.1 OR-SVDD分類器訓練及辨識流程 187
8.3.2 基于特征獲取的PD模式辨識 189
8.3.3 基于優(yōu)化分類器的模式辨識 189
參考文獻 191
第9章 基于深度學習的PD模式辨識 193
9.1 深度置信網(wǎng)絡(luò) 193
9.1.1 受限玻爾茲曼機 194
9.1.2 構(gòu)建深度置信網(wǎng)絡(luò) 196
9.2 GIS設(shè)備典型PD模擬實驗 197
9.2.1 實驗設(shè)計 197
9.2.2 實驗數(shù)據(jù) 199
9.3 基于深度神經(jīng)網(wǎng)絡(luò)的PD模式識別 200
9.3.1 識別計算流程 200
9.3.2 預(yù)訓練效果分析 200
9.3.3 DBN識別結(jié)果分析 201
9.4 基于傳統(tǒng)方法的PD模式識別與結(jié)果比較 202
9.4.1 統(tǒng)計特征提取 202
9.4.2 基于BPNN算法的PD模式識別 203
9.4.3 基于SVM的PD模式識別 204
9.4.4 識別結(jié)果對比 204
9.5 實例分析 206
參考文獻 207
第10章 基于多信息融合的PD模式識別 209
10.1 基于TRPD特征的模式識別 209
10.1.1 TRPD特征的信息提取 210
10.1.2 TRPD特征的模式識別分類器 210
10.1.3 TRPD特征的模式識別與結(jié)果分析 214
10.2 基于PRPD特征的模式識別 215
10.2.1 PRPD特征的模式識別分類器 215
10.2.2 PRPD特征的模式識別與結(jié)果分析 224
10.3 基于UHF與IEC 60270檢測信息相關(guān)性的PD模式識別 225
10.3.1 基于UHF與IEC 60270檢測信息相關(guān)性的特征參數(shù)提取 225
10.3.2 基于UHF與IEC 60270相關(guān)性特征參數(shù)的識別分類器 232
10.3.3 測試結(jié)果與分析 234
10.4 基于DS證據(jù)理論的多信息融合識別 235
10.4.1 DS證據(jù)理論 235
10.4.2 多信息融合的PD模式識別 237
10.5 實例分析 239
10.5.1 典型絕緣缺陷識別測試 239
10.5.2 樣本測試 242
10.5.3 分析和討論 243
參考文獻 243
第11章 描述PD發(fā)展過程的特征信息 247
11.1 PD發(fā)展過程的統(tǒng)計譜圖分析 247
11.1.1 金屬突出物缺陷PD發(fā)展過程 249
11.1.2 自由金屬微粒缺陷PD發(fā)展過程 250
11.1.3 絕緣子表面金屬污染物缺陷PD發(fā)展過程 252
11.1.4 絕緣子氣隙缺陷PD發(fā)展過程 253
11.2 PD發(fā)展過程的特征信息提取 255
11.3 PD發(fā)展過程中的特征量變化規(guī)律 256
11.3.1 放電次數(shù)和放電脈沖*大幅值 257
11.3.2 相鄰放電脈沖時間間隔 261
11.3.3 等值累積放電量 264
11.3.4 放電信號熵 266
參考文獻 269
第四篇 局部放電程度評估與狀態(tài)評價技術(shù)
第12章 GIS PD狀態(tài)模糊綜合評判方法 273
12.1 模糊綜合評判理論 273
12.1.1 模糊集合 274
12.1.2 隸屬度函數(shù) 275
12.1.3 模糊綜合評判步驟 282
12.2 GIS PD發(fā)展階段的劃分 283
12.2.1 PD等級的定義 283
12.2.2 模糊C均值聚類分析 283
12.2.3 PD程度中心的求解 285
12.3 GIS PD程度模糊綜合評判模型 286
12.3.1 模糊評判矩陣求解 287
12.3.2 基于離差*大化的自適應(yīng)客觀權(quán)值計算 288
12.3.3 兩級模糊綜合評判模型 288
12.3.4 兩級模糊綜合評判模型測試 289
12.4 實例分析 290
參考文獻 292
第13章 基于棧式自編碼原理的PD程度評估 293
13.1 棧式自編碼基本理論 293
13.1.1 自編碼算法與稀疏性 293
13.1.2 棧式自編碼原理 296
13.2 PD程度特征提取及評估方法 299
13.2.1 基于棧式自編碼的UHF PD信息特征提取方法 299
13.2.2 基于softmax分類器的PD嚴重程度評估方案 303
13.3 基于UHF PD數(shù)據(jù)的棧式自編碼網(wǎng)絡(luò)架構(gòu)構(gòu)建 304
13.3.1 GIS PD數(shù)據(jù)采集 304
13.3.2 SSAE網(wǎng)絡(luò)結(jié)構(gòu)對評估準確率的影響 308
參考文獻 311
第14章 氣體絕緣裝備絕緣狀態(tài)多源信息融合評價 313
14.1 *大相關(guān)*小冗余特征優(yōu)選理論 314
14.1.1 統(tǒng)計信息相關(guān)度的度量準則 314
14.1.2 *大相關(guān)*小冗余準則 315
14.1.3 改進*大相關(guān)*小冗余準則 316
14.2 基于多源信息的*大相關(guān)*小冗余特征量優(yōu)選 317
14.2.1 描述氣體絕緣裝備PD程度的多源信息特征量 317
14.2.2 基于*大相關(guān)*小冗余準則的特征優(yōu)選策略及改進 319
14.2.3 多源PD信息的狀態(tài)特征優(yōu)選 327
14.3 基于多源信息