電力電纜局部放電在線監(jiān)測(cè)與故障診斷.pdf

1、當(dāng)電力電纜由于各種原因而出現(xiàn)絕緣劣化時(shí)，就會(huì)產(chǎn)生局部放電現(xiàn)象。通過對(duì)其產(chǎn)生的局部放電信號(hào)進(jìn)行監(jiān)測(cè)以及對(duì)放電類型進(jìn)行識(shí)別，就可以對(duì)電力電纜的絕緣情況做出判斷，為系統(tǒng)及時(shí)檢修或更換電力電纜提供理論依據(jù)。
　　目前，國內(nèi)的局部放電監(jiān)測(cè)識(shí)別系統(tǒng)大多都是基于單個(gè)人工缺陷模型而設(shè)計(jì)的，而當(dāng)監(jiān)測(cè)環(huán)境中存在多個(gè)局放源或干擾源時(shí)，將導(dǎo)致系統(tǒng)可能無法對(duì)放電模式做出準(zhǔn)確的判斷。解決這一問題的關(guān)鍵就是如何將不同類型的放電信號(hào)以及干擾信號(hào)相互分離開來，基于

2、這一思想本文采用改進(jìn)的模糊C均值聚類算法并結(jié)合支持向量機(jī)算法建立了一套局部放電在線監(jiān)測(cè)與故障診斷系統(tǒng)。
　　通過對(duì)放電信號(hào)時(shí)域以及頻域信息的分析，并引入等效時(shí)寬與等效頻寬的概念，提取放電脈沖信號(hào)的等效時(shí)寬與等效頻寬將其作為分類的特征量。并對(duì)等效時(shí)頻公式進(jìn)行了拓展，如果需要更多的信息來描述放電脈沖的特征可以通過拓展公式提取更多的特征量來描述放電脈沖的信息。
　　模糊C均值聚類算法是目前廣泛使用的一種聚類分析算法，由于此算法是通

3、過迭代爬山法實(shí)現(xiàn)的，因此算法對(duì)初始化特別敏感容易陷入局部極小點(diǎn)而得不到全局最優(yōu)解。針對(duì)這一問題本文采用了動(dòng)態(tài)更新聚類中心的方式，巧妙的解決了這一問題。同時(shí)，此算法還需要預(yù)先給定聚類數(shù)，但是如果我們預(yù)先給定的聚類數(shù)不合適，將導(dǎo)致數(shù)據(jù)的真實(shí)結(jié)構(gòu)被破壞。針對(duì)這一問題，本文提出了新的聚類有效性函數(shù)用于判斷最佳聚類數(shù)，系統(tǒng)會(huì)基于此函數(shù)輸出最佳聚類數(shù)及最優(yōu)分類結(jié)果。
　　在模式識(shí)別上，本問采用了傳統(tǒng)的PRPD統(tǒng)計(jì)算子構(gòu)成放電指紋特征向量，并結(jié)