局部放電脈沖形波的自回歸模型參數(shù)識別法

1、2001年6月高電壓技術(shù)第27卷第3期著作與研究AbstractThefeatureextractingmethodbasedonARmod-elusedforpartialdischargepulseWaveformisintroducedinthispaper.TakingtheseARmodelparametersasWaveformfeatures,thedischargepatternsWerediscriminatedbyusingtheBPneuralnetWork.Therecognitioneffectsandsomefactorsinfluencingtherecognit

2、ioneffectWereinvestigated.TheresultsshoWthatascharacteristicvectortheARmodelparametersappearstobeusefulfordischargepatternrecog-nition.AbetterrecognitioneffectcouldbeobtainedWhensomeotherWaveformcharactersticsarecombinedWithARmodelparameters.關(guān)鍵詞局部放電模式識別AR模型人工神經(jīng)網(wǎng)絡(luò)KeyWordspartialdischargepatternrecogn

3、itionARmodelartificialneuralnetWork中圖分類號TM835.4;T55文獻(xiàn)標(biāo)識碼A0引言局部放電脈沖形波的自回歸模型參數(shù)識別法ARModelParametersMethodforPDPatternRecognitionBasedonPulseWaveforms清華大學(xué)電機系(北京100084)東北電力集團公司(沈陽110006)摘要介紹了基于自回歸(Antoregression,簡稱AR)模型理論對局部放電脈沖波形進(jìn)行特征提取的方法0以AR模型參數(shù)作為波形特征量,利用前饋神經(jīng)網(wǎng)絡(luò)對放電模式進(jìn)行了識別比較,并分析了影響識別效果的各種因素0研究結(jié)果表明,以AR模型系

4、數(shù)作為特征向量進(jìn)行局部放電模式識別是有成效的0在AR模型的基礎(chǔ)上結(jié)合波形的其它特征能進(jìn)一步提高放電的識別率0王猛談克雄高文勝吳成琦6ns0采用雙通道數(shù)字式實時采樣示波器采集脈沖信號,示波器的最大模擬帶寬為100MHZ,最大采樣頻率為1GHZ0試驗在1520C正常大氣壓力下進(jìn)行0實驗研究了下面3種放電的脈沖電流波形0D空氣中尖尖放電在放電起始階段,電流脈沖具有單峰波形,持續(xù)時間為300400ns0隨著施加電壓的升高,電流脈沖出現(xiàn)次峰,且次峰會逐漸超出首峰0波形逐漸變得不規(guī)則0在放電發(fā)生擊穿之前,會出現(xiàn) 預(yù)放電脈沖,同時放電波形顯著增長到20003000ns0尖尖放電典型脈沖波形見圖10(a)起始

5、階段圖1(b)多個次峰尖尖放電脈沖波形電力設(shè)備的局部放電信號是表征絕緣狀況的一個十分靈敏的特征量0通過對局部放電信號的采集處理及分析,可以有效的檢測出設(shè)備絕緣的缺陷及劣化狀況,為評判電力設(shè)備的絕緣性能提供依據(jù)10在局部放電測量中應(yīng)用高速采樣和寬帶檢測技術(shù),可記錄單個放電脈沖的時域波形0研究發(fā)現(xiàn)不同類型放電與其電流脈沖信號的波形是相對應(yīng)的,可直接用測得的局部放電脈沖信號的波形特征對放電源進(jìn)行判別,現(xiàn)已有幾種根據(jù)脈沖波形提取放電信號的特征量(包括時域幅值域頻域特征參數(shù)等)進(jìn)行模式識別的方法250本文探討利用AR參數(shù)模型法對局部放電波形進(jìn)行識別的可行性和有效性0放電脈沖波形為了減小外界電磁干擾,設(shè)備

6、置于雙層屏蔽實驗室內(nèi)0試驗和測量回路對脈沖波形的時延<3空氣中尖板放電在放電起始階段,電流脈沖為單峰波形0隨電壓升高,負(fù)極性放電脈沖波形在衰減過程中會出現(xiàn)明顯的脈動,而正極性脈沖則會出現(xiàn)一些超過主峰的次峰0尖板放電的波形持續(xù)時間一般在200500ns,典型脈沖波形見圖20沿面放電放電起始階段,電流脈沖為衰減脈動波形,波長為幾十ns0當(dāng)電壓升高到一定程度以后,波形如圖3逐漸變?yōu)槌跗诿}動波形的包絡(luò)線形狀,較為光滑,同時波長增長到幾百ns的數(shù)量級0上述3種放電均有自身的規(guī)律和特點0尖尖放電和尖板放電波形變化相似,單峰脈沖波形隨著電壓的升高會出現(xiàn)次峰,但在波形的具體形狀上有所國家自然科學(xué)基金會東

7、北電力集團公司聯(lián)合資助重點項目(批準(zhǔn)號:59637200)2 Jun.2001 IG VOLTAGEENGINEERINGVol.2 No.3差別 沿面放電從波形上可分為兩個階段 初期波形較陡且波動較多 電壓升高到一定程度以后波形變得較為光滑放電識別率放電類型待檢樣本數(shù)正確識別數(shù)識別率/%尖尖放電Z001年6月高電壓技術(shù)第Z7卷第3期結(jié)論為了消除采樣頻率不同對識別效果的影響9在數(shù)據(jù)預(yù)處理中增加頻率統(tǒng)一化處理G因不同種類放電波形的存在時間差別較大9為防止不同放電波形之間的有效點數(shù)相差太大9故對不同放電波形統(tǒng)一化頻率也不盡相同:尖尖放電取為Z.5GHZ;尖板放電取為5GHZ;沿面放電取為50GHZ

8、G4識別結(jié)果分析5c.由于局部放電的復(fù)雜性9以及某些類放電波形的相似性9單單用AR模型系數(shù)作為特征量會導(dǎo)在試驗中93種類型放電均有5個模型(每個模型都有一套獨立的試驗電極D9每一模型在不同放電下各測10次放電波形G為保證神經(jīng)網(wǎng)絡(luò)訓(xùn)練和識別的獨立性9取Z個模型(19ZD的放電樣本作為網(wǎng)絡(luò)的訓(xùn)練集9另3個模型(39495D的樣本作為待檢樣本9進(jìn)行識別檢驗G為減少訓(xùn)練樣本的數(shù)目9采取等間隔選取樣本的措施9例如在每十個數(shù)據(jù)文件中均勻地選取Z個作為訓(xùn)練樣本9這樣不僅可減少神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間9同時可盡可能涵蓋各種放電波形G在模式識別過程中9識別工具為3層BP神經(jīng)網(wǎng)絡(luò)9激勵函數(shù)為Sigmoid函數(shù)9整個網(wǎng)絡(luò)

9、由matlab中的函數(shù)構(gòu)建而成899準(zhǔn)則nG該準(zhǔn)則要求:1D輸出層某單元的輸出>0.6;ZD該項出占所有輸出總和的60%以上G因尖板放電的正負(fù)極性放電波形的差別較大9故模式識別中正負(fù)極性放電的識別分開進(jìn)行G負(fù)極性放電的識別效果為:1D尖板放電:模型3和5的識別率均高達(dá)100%;ZD尖尖放電:模型45識別率僅70%;3D模型35沿面放電的識別率達(dá)100%G正放電的識別效果為:1D尖板尖尖放電的識別率>90%;ZD沿面放電的識別效果很差G尖尖尖板和沿面放電波形的持續(xù)時間不同(分別為100Z300nsZ30950ns和13350nsD9在放電樣本中加入一些時域特征量(如波形的持續(xù)時間D后

10、9識別效果改善很大:1D尖板放電達(dá)100%;ZD正負(fù)尖尖放電均達(dá)90%9誤識別的均被判為沿面放電;3D沿面放電:負(fù)放電識別率已達(dá)97%9誤識別的均被判為尖尖放電;正放電較差9平均為73%G此外9改變訓(xùn)練集的來源數(shù)量以及AR模型的階數(shù)9對神經(jīng)網(wǎng)絡(luò)的識別效果均有一定影響G增加訓(xùn)練集數(shù)量和AR模型階數(shù)9會改善識別效果;但增到一定數(shù)值(如訓(xùn)練樣本80個9AR模型50階D后9效果就趨于飽和了G訓(xùn)練集源自放電模型的改變9會提高某類放電的識別率9但會下降其它類型放電的識別效果G致對某類放電的識別率不高G為達(dá)到更好的識別效果9可結(jié)合其它一些特征量9進(jìn)一步突出波形的某些特征9綜合在一起進(jìn)行放電模式識別G實際識別

11、效果表明9加入脈沖存在時間這個時域特征量9對提高識別率是非常有幫助的G參考文獻(xiàn)1朱德恒9談克雄.電絕緣診斷技術(shù).北京:中國電力出版社91999Z王振遠(yuǎn)9談克雄9朱德恒等.根據(jù)脈沖波形特征識別幾種典型模型放電的研究.電工技術(shù)學(xué)報9199791Z(5D:353鄭重.基于脈沖波形的局部放電模式識別研究.碩士論文.北京:清華大學(xué)電機工程系9Z00045BorscheT9HillerW9FauserE.NovelcharacteriZationofPDsignalsbyreal-timemeasurementofpulseparame-ters.IEEETransonDielectricsandElec

12、tricalInsula-tion9199996(1D:516鄭重9談克雄9高凱.局部放電脈沖波形特征分析.高電壓技術(shù)9199996(1D:517胡廣書.數(shù)字信號處理 理論算法與實現(xiàn).北京:清華大學(xué)出版社919978張立明.人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用.上海:復(fù)旦大學(xué)出版社919939樓順大.基于mATLAB的系統(tǒng)分析與設(shè)計 神經(jīng)網(wǎng)絡(luò).西安:西安電子科技大學(xué)出版社91998(收稿日期Z001-0Z-Z7D王猛1976年生9碩士9從事電氣絕緣診斷方面的研究G談克雄1937年生9教授9博導(dǎo)9長期從事高電壓技術(shù)方面的教學(xué)和科研工作9電話:(010D6Z78Z166G高文勝1968年生9博士9講師9從事

13、高電壓技術(shù)方面的教學(xué)和科研工作G吳成琦1939年生9教授級高級工程師G局部放電脈沖形波的自回歸模型參數(shù)識別法作者：作者單位：刊名：英文刊名：年，卷(期)：被引用次數(shù)：王猛， 談克雄， 高文勝， 吳成琦王猛,談克雄,高文勝(清華大學(xué)電機系)， 吳成琦(東北電力集團公司)高電壓技術(shù)HIGH VOLTAGE ENGINEERING2001,27(3)11次1.樓順大 基于MATLAB的系統(tǒng)分析與設(shè)計-神經(jīng)網(wǎng)絡(luò) 19982.張立明 人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用 19933.胡廣書 數(shù)字信號處理-理論、算法及實現(xiàn) 19974.鄭重;談克雄;高凱 局部放電脈沖波形特征分析期刊論文-高電壓技術(shù) 1999(01

14、)5.Borsche T;Hiller W;Fauser E Novel characterization of PD signals by real-time measurement ofpulse parameters外文期刊 1999(01)6.ZHENG Zhong;Kexiong Tan Partial discharge recognition based on pulse waveform using time domaindata compression method外文會議 20007.鄭重 基于脈沖波形的局部放電模式識別研究學(xué)位論文 20008.王振遠(yuǎn);談克雄;朱德恒 根據(jù)

15、脈沖波形特征識別幾種典型模型放電的研究 1997(05)9.朱德恒;談克雄 電絕緣診斷技術(shù) 19991. 張連杰 電力電纜故障信息中干擾源的消除研究期刊論文-廣東科技2009(22)2. 任雁.王洋.REN Yan.WANG Yang 基于自回歸模型的信號特征提取研究期刊論文-電聲技術(shù)2009,33(5)3. 高文勝.錢政.嚴(yán)璋.Gao Wensheng.Qian Zheng.Yan Zhang 基于決策樹神經(jīng)網(wǎng)絡(luò)模型的電力變壓器故障診斷方法期刊論文-西安交通大學(xué)學(xué)報1999,33(6)4. 全玉生.馬彥偉.鄭彬.何秋宇.Quan Yusheng.Ma Yanwei.Zheng Bin.He

16、Qiuyu 基于時域脈沖特征量的神經(jīng)網(wǎng)絡(luò)方法在變壓器局放模式識別中的應(yīng)用期刊論文-現(xiàn)代電力2006,23(6)5. 廖瑞金.猶登亮.周湶.劉玲.LIAO Rui-jin.YOU Deng-liang.ZHOU Quan.LIU Ling 交聯(lián)聚乙烯電纜局部放電灰度圖像的模式識別期刊論文-高壓電器2007,43(2)6. 趙中原.馬翠姣.邱毓昌.羅俊華.馮江.袁檢.蔡慶 分形學(xué)在局部放電特征提取中應(yīng)用初探期刊論文-高電壓技術(shù)2001,27(1)7. 姚林朋.張麗.錢勇.黃成軍.郭燦新.劉君華.王輝.江秀臣 基于Weibull分布的電纜局部放電特征研究會議論文-20091.丁登偉.高文勝.劉衛(wèi)東 采用特高頻法的GIS典型缺陷特性分析期刊論文-高電壓技術(shù) 2011(3)2.姜潤翔.史建偉.李俊.龔沈 艦船水壓場信號實時檢測方法研究期刊論文-武漢理工大學(xué)學(xué)報（交通科學(xué)與工程版） 2010(1)3.卞超.陳少波 基于脈沖電流波形的GIS局部放電檢測抗干擾技術(shù)研究期刊論文-高壓電器 2010(5)4.任寅寅 直流下油紙絕緣中局部放電脈沖典型波形及其參數(shù)提取期刊論文-高壓電器 2008(5)5.唐炬.高麗.唐銘.張曉星.周倩 以復(fù)小波變換系數(shù)為特征量的局放模式識別期刊論文-重慶大學(xué)學(xué)報（自然科學(xué)版） 2007(4)6.姜潤翔.姜禮平.龔沈光 基于AR模型