基于高频电流和超声的变压器局部放电特征提取及识别.pdfVIP

摘要

电力变压器作为电力系统中重要的电力设备，其运行状态能够直接影响到电力

系统的稳定性以及安全性。由于电力变压器工作环境的不稳定性，其内部绝缘可能

会遭到破坏，发生局部放电现象。局部放电是变压器中绝缘介质中发生局部区域击

穿导致的现象。局部放电现象的产生表示着变压器绝缘性能的劣化，因此对变压器

局部放电类型的正确识别诊断对整个电力系统的稳定运行尤为重要。

本文根据常见绝缘故障特征以及局部放电信号的表现规律，设计了尖端放电、

气隙放电、沿面放电以及油中气泡放电4种常见局部放电物理故障模型。在此基础

上搭建了局部放电信号检测平台，通过脉冲电流法以及超声波检测法完成局部放电

电流信号及超声波信号采集。

针对局部放电信号的瞬变特性，为解决局部放电信号信息表征不充分的问题，

首先，通过对局部放电电流信号小波变换后得到局部放电信号的时频谱图；其次，

计算图中相应的灰度-梯度共生矩阵，以反映图像中图像像点的灰度和梯度之间相互

关系，进而得到15维由小波变换后的局部放电电流信号的时频图像纹理特征。该方

法不仅能够有效地适应信号的非平稳特性，而且能对局部放电信号蕴含的信息进行

完整表征。

为了解决单一局部放电信号源对放电特性表达不全面、识别率低的问题，文中

将高频电流信号和超声波信号融合识别，提出D-S证据理论和CNN-SVM的多信号

局部放电识别方法。该方法首先通过小波包变换对局部放电高频电流信号和超声波

信号进行能量特征提取处理；其次根据选取的特征集，建立卷积神经网络(CNN)和

支持向量机(SVM)的联合分类模型；最后，通过D-S证据理论对高频电流信号和超

声波信号识别模型的输出结果有效整合，建立基于D-S证据理论的综合多信息融合

辨识系统。结果显示经过D-S证据理论融合后的识别率达到98%，高频电流信号和

超声波信号较融合前分别提高了3.33%及16.66%。表明该方法可以充分利用两种信

号源所传达出的局部放电信号特性，提高整体的局部放电故障识别能力。

关键词电力变压器；局部放电；信号融合；证据理论；故障诊断

Abstract

Powertransformerisanimportantpowerequipmentinpowersystem,itsrunningstate

candirectlyaffectthestabilityandsecurityofpowersystem.Duetotheinstabilityofthe

workingenvironmentofpowertransformer,itsinternalinsulationmaybedestroyedand

partialdischargeoccurs.Partialdischarge(PD)isaphenomenoncausedbylocalbreakdown

intheinsulatingmediuminthetransformer.Thephenomenonofpartialdischargeindicates

thedeteriorationoftransformerinsulationperformance,sothecorrectidentificationand

diagnosisoftransformerpartialdischargetypeisparticularlyimportantforthestable

operationofthewholepowersystem.

Inthisthesis,accordingtothecharacteristicsofcommoninsulationfaultsandthe

performanceofpartialdischargesignals,fourkindsofphysicalfaultmodelsoftipdischarge,

airgapdischarge,surfacedischargeandbubbledischargeinoilaredesigned.Onthis