基于TEV的开关柜局部放电检测及模式识别方法研究的中期报告.docx

基于TEV的开关柜局部放电检测及模式识别方法研究的中期报告 一、研究背景： 开关柜是电力系统中的重要设备，广泛应用于配电和传输系统中，故其运行状态的可靠性越来越重要。然而，由于开关柜的操作频繁，易受潮湿、污染、绝缘老化和材料疲劳等因素的影响，会产生局部放电问题，造成设备故障和运行不稳定，极大地威胁到电力系统的安全和稳定性。据调查，开关柜的局部放电是导致开关柜失效的主要原因之一，因此局部放电的检测和识别变得至关重要。 目前，现有的开关柜局部放电检测技术主要有两种——基于HFCT (高频电流互感器)技术和基于UHF (超高频)技术。但这些技术存在一些缺陷，比如基于HFCT技术只能检测直流和低频部分的放电信号，不能发现高频放电信号，而基于UHF技术检测到的放电信号变化不稳定，易受到外界干扰，影响检测结果。 为了解决这些问题，本文采用TEV (地电压)技术，基于其信号识别和模式识别的能力，研究开关柜局部放电的检测和识别方法。 二、研究内容及进展： 1.实验设计和数据采集 本研究采用实验研究的方法，设计了不同局部放电源的模拟实验，并采集了实验数据。具体实验过程如下： （1）模拟开关柜内不同位置（绝缘组件和连接器）的放电源，采用测试台架和高压电源模拟开关柜的工作环境和操作条件。 （2）实验中采用了两种不同类型的局部放电源，一种是模拟金属表面缺陷和树脂绝缘材料断面缺陷产生的放电信号；另一种是模拟隙气放电和油纸绝缘物受热放电产生的放电信号。 （3）严格控制实验条件，调节实验参数和放电源，采集不同条件下的TEV信号。 （4）采集到的数据经过滤波和分析处理后，用于后续的信号识别和模式识别。 2.基于TEV信号的局部放电检测和识别方法 本研究通过分析和比较不同条件下的TEV信号特征，从中提取出能够反映局部放电状态的特征参数，进一步研究局部放电的检测和识别方法。具体方法如下： （1）分析和比较不同条件下的TEV信号特征，包括振幅大小、波形形状、频率分布等。 （2）根据TEV信号的特征参数，建立局部放电的检测模型。采用传统算法（如支持向量机、BP神经网络等）和深度学习算法（如卷积神经网络）等方法，进行模型训练和优化。 （3）在模型训练和优化的基础上，进行局部放电的识别。根据不同模式的对比和分析，通过模式识别技术，将不同模式的局部放电状态识别出来。 3.预期结果和意义 本研究的预期结果如下： （1）建立基于TEV信号的开关柜局部放电检测和识别方法，实现对开关柜内局部放电状态的检测和识别。 （2）提高开关柜运行状态的可靠性和稳定性，保障电力系统的安全和稳定运行。 （3）为开关柜行业的技术研究和产品改进提供技术支持和指导，推动开关柜产业的发展和进步。