《GIS局部放電診斷技術與套用》是2021年科學技術文獻出版社出版的圖書。
基本介紹
- 中文名：GIS局部放電診斷技術與套用
- 作者：代蕩蕩,劉芬,余錚 等
- 出版時間：2021年
- 出版社：科學技術文獻出版社
- ISBN：9787518983162
- 類別：電工技術
- 開本：16 開
- 裝幀：平裝-膠訂
內容簡介,圖書目錄,
內容簡介
本書所取得的主要成果有 :
①設計了 GIS內部 4種典型絕緣缺陷的物理模型 ,在小型實驗平台上分別進行了基於 UHF法和化學法的 PD模擬實驗 ,從實驗中獲取了 4種 PD的 UHF波形數據和 SF6分解組分信息 ,初步建立了兩種檢測方法的信息資料庫。
②儘管 UHF法避免了大量低頻噪聲的干擾 ,但是變電站現場的周期性窄帶噪聲、脈衝型噪聲及隨機白噪聲仍然會對檢測系統造成嚴重干擾。本書在分析 UHF PD信號頻譜特性的基礎上 ,發現 PD脈衝具有以某一頻率為中心 ,向左右兩側衰減的特徵 ,並且中心頻率位於譜圖上的局部極大值點處。為此 ,本文提出了基於改進 Protrugram和小波變換的 UHF PD信號噪聲抑制算法。首先,依次通過數學形態學濾波、包絡提取及閾值設定獲取譜圖上的局部極大值點 ,作為 PD脈衝的候選中心頻率。其次 ,依據峭度值這一指標對所有候選中心頻率進行高斯測試 ,排除虛假中心頻率 ,並計算真實中心頻率對應的頻寬,實現 PD脈衝的頻譜定位。後 ,通過小波去噪法去除與 PD脈衝同頻段的白噪聲。仿真和實測數據分析表明 :同單純的小波去噪算法和基於集合經驗模態分解 (Ensemble Empirical Mode Decomposition, EEMD)的自適應閾值算法相比 ,本書所提算法不僅具有更好的噪聲抑制能力 ,而且能更好地保留信號中的 PD信息成分。
③針對 UHF PD模式識別算法在 UHF PD信號受到噪聲干擾後分類準確率下降的問題 ,本書提出了基於 S變換 (Stockwell Transform, ST)結合奇異值分解的 UHF PD信號分類算法。首先 ,對 UHF PD波形進行 S變換 ,獲取信號的時頻幅值矩陣。其次 ,依據信號中有效信息的分布區域將時頻幅值矩陣劃分成 12個子矩陣 ,並對每個子矩陣進行奇異值分解 ,提取每個子矩陣的奇異值占比和奇異熵組成一個 24維的特徵參量。後 ,採用基於粒子群算法 (Particle Swarm Optimization, PSO)最佳化的支持向量機 ( Support Vector Machine, SVM)為分類器實現 PD的分類識別。研究結果表明 :在不去噪的情況下 ,所提分類算法能夠達到 98. 3%的分類準確率 ;對信號加噪後 ,即使信號的信噪比低至 -10 dB,所提分類算法依然能夠達到 88. 3%的分類準確率。
④本書綜合已有研究成果 ,選擇 SOF2、 SO2F2、 CF4、 CO2及 SO2為觀測組分。在分析 PD下 SF6分解機制 ,觀測組分的生成特性及電力行業相關標準的基礎上 ,提出選取 SO2作為 PD判別的特徵分解組分。針對現有分解物現場檢測技術的不足 ,提出採用紫外光譜法對 SO2進行現場檢測。 SF6及其主要分解產物的紫外光譜吸收特性研究表明 :只有 SO2在 290~310 nm波段存在類正弦的周期性峰谷波動特徵 ,適合在該波段對 SO2進行定量檢測。
⑤針對光譜信號受隨機噪聲干擾後 SO2定量精度下降的問題 ,本書首先採用一階導數法對光譜信號進行基線校正 ,隨後提出了基於奇異譜分析的自適應光譜信號去噪算法 ,實現了自適應的譜線平滑和微量 SO2特徵識別。針對奇異譜分析技術中有效奇異值選取的問題 ,該算法從模糊數學的角度將奇異值分成三個部分 ,分別對應信號、噪聲及信號和噪聲的混合區域 ,並通過模糊 C均值聚類得到混合區域內奇異值對信號部分的隸屬度。後 ,採用偏小二乘回歸 (Partial Least Squares Regression, PLSR)模型對 SO2進行定量檢測。結果表明 :採用所提去噪方法後 ,紫外檢測系統能夠識別低至 0. 5 μL /L的 SO2。
圖書目錄
第一章 緒論
第二章 局部放電模擬實驗 21
第三章 UHF PD信號的噪聲抑制 40
第四章 UHF PD信號的模式識別 67
第五章 SF6特徵分解組分的選取與檢測 88
第六章 總結與展望 113 6.1
參考文獻 116
