[发明专利]基于状态特征映射的固体绝缘表面缺陷诊断方法

权利要求书

1.基于状态特征映射的固体绝缘表面缺陷诊断方法，其特征在于包括以下步骤：

1)建立绝缘缺陷在长期电压下的放电状态特征库；

建库基于特高频法和高频电流法，对沿面放电发展至击穿全过程的放电信号进行实时采集，获得长期电压作用下的统计参数样本并存储，形成状态特征量样本库，参数包括局部放电幅度、放电次数相关参数；

建库包括以下子步骤：

101)构建试验系统；

试验系统包括加压试验装置、特高频检测装置及GIS设备，加压试验装置用于输出试验所需电压，特高频检测装置用于进行局部放电信号的实时检测、数据采集和存储；

102)构建绝缘子沿面缺陷模型；

在GIS设备的绝缘盆子靠近高压导杆处放置一段金属导线模拟缺陷，金属导线一端为楔形尖端，用绝缘胶带固定在绝缘盆子表面；

103)加压试验；

在起始电压U_i和击穿电压U_b之间，选取多个电压等级，先施加接近U_b的电压，使其在较短的时间内击穿；接着由高到低施加多组不同恒定电压，记录沿面放电击穿全过程；

104)数据分析；

根据加压试验数据，进行数据分析，获得局部放电信号各统计参量放电发展趋势图；

2)对样本库中固体绝缘表面缺陷放电的状态划分；

将整个放电样本库数据划为两阶段，分别为正常电老化阶段和预击穿阶段；在正常电老化阶段采取跟踪监测策略，当检测到各项放电参数出现明显震荡跃变的现象时，判断放电进入到预击穿阶段，该阶段为严重高风险类型，需进行预警；

3)依据PCA和FCM方法对实时检测数据进行放电状态自动映射；

对实时检测的放电数据进行数字化参量提取；由于提取的特征参数之间可能存在相关联的量，因此首先采用主成分分析法PCA，对提取的特征参数进行降维处理；经过PCA降维后，获得较小的不相关的新特征参数，再通过模糊C均值算法，对提取的样本点进行聚类划分；

4)根据长期加压下对放电自然状态参量的阶段性特征、状态临界转换特征和实时检测数据的映射，对高压电力设备固体绝缘表面缺陷放电故障进行诊断和预警，对现场工程条件下固体绝缘缺陷放电引发击穿或闪络故障的风险进行评估和预警；

步骤104)中，数据分析包括子步骤：

a)统计特高频局放信号从加压到试品击穿全过程的放电次数N，放电幅值的均值Vave，放电幅值的标准差σ(V)以及放电幅值的熵值E_n(V)；

b)统计油纸绝缘沿面放电PRPD谱图中正、负半周期的放电次数N+、N-，计算δ随统计次数T的变化趋势；

c)将放电幅值分成若干份，统计每个幅值段的放电次数；得到特高频局放信号放电次数相对放电幅值的分布情况随加压时间t的变化趋势，绘制n-v-t谱图；

d)按照特高频放电特性分析的方法，分别统计高频电流信号放电次数N、放电幅值的均值Vave、标准差σ(V)、熵值E_n(V)以及正负半周放电次数比δ随统计次数T的变化趋势图；

在步骤102)中，金属导线直径为0.7mm～0.9mm，长度为14.0mm～14.6mm，楔形尖端长1.2mm～1.4mm，末端距离高压导体4mm～6mm。

2.根据权利要求1所述的基于状态特征映射的固体绝缘表面缺陷诊断方法，其特征在于：在步骤a)中，放电幅值的均值Vave、放电幅值的标准差σ(V)以及放电幅值的熵值E_n(V)的计算公式如下：

其中：V_i表示每次采集到特高频放电信号所对应的幅值；N表示单位统计时间内的放电次数；μ表示单位统计时间内放电幅值的均值；p(V_i)表示放电幅值为V_i的不确定度，即概率。

3.根据权利要求2所述的基于状态特征映射的固体绝缘表面缺陷诊断方法，其特征在于：在步骤b)中，δ随统计次数T的变化趋势计算公式为：