[发明专利]基于局放信号综合熵值的电气设备危险性放电判别方法

摘要

基于局放信号综合熵值的电气设备危险性放电判别方法，涉及一种放电判别方法。很多的危险信号隐藏在数据序列中未能被发现，导致设备发生故障，不能被提前预警。本发明包括步骤：1)建立绝缘缺陷在长期电压下的放电状态特征库；建库包括以下子步骤：构建试验系统、构建变压器缺陷试验模型、加压试验、数据分析；2)对样本库中固体绝缘表面缺陷放电信号数据的神经网络学习；3)使用神经网络对数据实行实时监测；4)根据检测结果，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。实现有效地对现场工程条件下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。

主权项

1.基于局放信号综合熵值的电气设备危险性放电判别方法，其特征在于包括步骤：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，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；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、特高频检测装置及变压器缺陷试验模型，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)构建变压器缺陷试验模型变压器油箱油箱模型上端、底端为金属材料，其余的部分均为有机玻璃材料；变压器局部放电模型与油箱上侧的高压电极相连接，导杆从油箱上侧引出，直接与耦合电容C0并联；模型的下方与油箱下电极相连，共地；103)加压试验在起始电压Ui和击穿电压Ub之间，选取多个电压等级，先施加接近Ub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信号数据的神经网络学习，将整个放电样本库数据使用神经网络学习，分正常电老化阶段和预击穿阶段两个阶段；其中，正常电老化阶段为平稳发展阶段；预击穿阶段为加速劣化阶段；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)使用神经网络对数据实行实时监测；通过对长期加压下对放电自然状态参量的阶段性特征、状态临界转换特征的学习后，使用实时检测数据进行检测；4)根据检测结果，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。