绝缘局部放电的模式识别研究

1、 绝缘局部放电的模式识别研究目录中文摘要英文摘要1 绪论 1.1绝缘局部放电在线监测模式识别的意义 1.1.1局部放电产生的原因及种类 1.1.2模式识别的概念、方法及原理 1.1.3模式识别分类和器的概念及基本任务 1.1.4局部放电在线监测模式识别的意义 1.2绝缘局部放电在线监测模式识别的研究现状 1.3本文研究的主要目的和任务2局部放电的实验装置及方法 2.1引言 2.2放电模型及实验装置 2.2.1放电模型 2.2.2局部放电模拟实验装置 2.3试验方法及过程 2.4小结3局部放电模式识别特征量提取方法4局部放电的模式分类器5结论1 绪论1.1绝缘局部放电在线监测模式识别的意义当前，

2、电力系统仍是继续向着高压大容量的方向发展，大型电气设备如电力变压器、大型电机、GIS以及电力电缆等的制造成本也越来越高，一旦电力设备发生停电事故会造成巨大的经济损失和不良的社会影响。因此，电力系统必须尽可能地确保电气设备的安全可靠运行。电气设备的可靠运行很大程度上取决于其绝缘的可靠性，然而设备在制造过程中总会造成一些绝缘损坏，从而发生局部放电。国内外普遍认为测量局部放电是一种能及时发现设备潜伏性故障的手段，因此局部放电也被采纳作为质量监控的指标之一。1.1.1局部放电产生的原因及种类局部放电，即在电场作用下，绝缘结构中只有局部区域发生放电而不是大面积或贯穿整个导体的放电。大型电气设备的绝缘结构

3、比较复杂使用的材料多种多样，整个绝缘系统电场分布很不均匀。设计或制造工艺的不尽完善使绝缘系统中含有气隙，或是在长期运行过程中绝缘受潮，水分在电场作用下发生分解产生气体而形成气泡。因为空气的介电常数比绝缘材料的介电常数小，即使绝缘材料在不太高的电场作用下，气隙、气泡部位的场强也会很高，当场强达到一定值以上时就会发生局部放电。另外绝缘内部存在缺陷或混入各种杂质，或者在绝缘结构中存在某些电气连接不良，都会使局部电场集中，在电场集中的地方就有可能发生固体绝缘表面放电和悬浮电位放电。在油纸绝缘结构中的局部放电一方面会使油分解出气体，另一方面又可能生成油泥沉积在固体绝缘材料中，在该处形成更剧烈的放电。并使

4、该处成为过热点，促使绝缘损坏。局部放电发展为树枝放电后，极易导致沿面闪络。由此可见，局部放电既是绝缘劣化的征兆，又是绝缘劣化的原因。局部放电对绝缘结构起着一种侵蚀作用。它对绝缘的破坏机理有以下几个方面1、带电粒子、电子、离子等冲击绝缘，破坏其分子结构，如纤维碎裂因而绝缘受到损伤；2、由于带电离子的撞击作用，该绝缘出现局部温度升高从而易引起绝缘的过热 ，严重时就会出现碳化；3、局部放电产生的臭氧及氮的氧化物会侵蚀绝缘体。当遇有水分则产生硝酸，对绝缘的侵蚀更为剧烈；4、在局部放电时，油因电解及电极的肖特基辐射效应使油分解。加上油中原来存在些杂质，故易使纸层处凝集着因聚合作用生成的油泥。油泥生成将使

5、绝缘的介质损伤角 tg 激增，散热能力降低，甚至导致热击穿的可能性。局部放电的持续发展会使绝缘的劣化损伤逐步扩大，最终使绝缘正常寿命缩短，短时绝缘强度降低，甚至可能使整个绝缘击穿。根据放电机理的不同，局部放电通常可分为电子碰撞电离放电、汤逊放电流注放电及热电离放电；根据局部放电表现形式的不同，可分为火花放电、脉冲型放电和辉光放电、非脉冲型放电；根据局部放电发生的位置的不同，局部放电可分为电晕放电、沿面放电和气隙放电三种类型。下面着重介绍一下电晕放电、沿面放电和气隙放电。（1）电晕放电电晕放电一般放生在高压导体完全处于气体中的情况下。由于气体中的分子是自由移动的，故放电产生的带点质点不会固定在某

6、一位置。在针板系统中，针尖附近的场强最不均匀且最高，故针尖部位最易放生放电。因为负极性时容易发射电子，同时正离子撞击阴极表面而发生二次电子发射，所以放电在负极性时最先出现。当外加电压比较低时，放电脉冲仅出现在外加电压负半周90°附近，并近乎对称；当外加电压比较高时，正、负半周均发生放电。正半周放电脉冲幅值大而数量少，负半周放电脉冲幅值小而数量多。（2）气隙放电固体绝缘体中存在气隙或者液体绝缘体中存在气泡往往会造成局部放电。绝缘体内部气隙发生放电的机理随气压和电极系统的不同而不同。根据放电过程的不同，气隙放电可分为电子碰撞电离放电和流注放电；根据放电形式的不同，气隙放电可分为脉冲型放电

7、和非脉冲型放电。大部分局部放电都属于脉冲型放电，可以在一定的外加工频电压下观察到一定相位上的单个分离放电脉冲。在理论上，气隙放电的放电脉冲在工频的正负半周是对称的。但在实际中，气隙或者气泡周围绝缘材料的绝缘电阻并非无穷大，与理想情况不同，同时又由于在放电过程中又可能发生沿面放电，故实际的正负工频周期的放电脉冲不是完全对称的，而且还与电极系统的形式有很大关系：电极结构越对称，正负工频周期放电脉冲就越对称。（3）沿面放电在电气设备的高压端，场强集中，而沿面放电的场强又比较低，故往往会发生沿面放电。绝缘体沿面放电的过程和机理和气隙放电的过程和机理相似，不同的是沿面放电一端是绝缘介质，一端是电极，而气

8、隙放电的两个端子均为电极。如果电极系统不对称，则放电波形也不对称。当放电的一端是高压电极，不放电的一端接地，则放电波形为正半周放电量大而次数少，负半周放电次数多而放电量少。当电极系统相反时，放电波形也相反。1.1.2模式识别的概念、方法及原理模式识别是根据研究对象的不同特征或属性运用一定的分析算法区别它的类别。简单来讲，模式识别就是研究一些自动技术，从而使计算依靠这种自动技术把待识别的模式分配到各自所属的模式中去。针对不同的对象有不同的模式识别方法，目前比较流行的几种方法主要有：统计模式识别、句法模式识别、模糊数学方法、神经网络方法和人工智能方法。下面具体介绍各种方法的具体特点。（1）统计模式

9、识别统计模式识别，即利用从传感器等数据采集装置得到的一系列数据，经过相应的预处理，得到能表征该类客体某种统计特性的矢量集合，然后利用数学统计的方法，以一定量的特征参数将模式表达为特征空间的向量，研究各种划分特征空间的方法，用判别函数来判别待识客体的种类。统计模式识别的关键是特征量的提取和选择。统计模式识别主要适用于特征数值化的场合。这类识别技术理论较完善，方法多。从根本上来讲这类识别技术是利用各类的分布特征分类识别，其中基本的技术为聚类分析、判别类域代数界面法、统计决策法、最近邻法等。（2）句法模式识别句法模式识别，又称结构模式识别，着眼于模式结构而不是特征，对于描述结构复杂的模式效果比较好。

10、对于客体复杂、类别多、数据量大、维数多、难以得到矢量集的模式，句法模式识别尤其适用。该类识别方法可以将复杂的模式逐级分解为简单的、易于识别的子模式集，仿照语言学句法的层次结构，运用形式语言和自动化技术进行识别。但它不局限于数理语言，在解决模式识别问题的过程中极大的扩展了形式语言的理论，超出了语言学理论的范畴。在实际问题中，句法方法和统计方法是相互补充的。当实际问题侧重分类和描述时，采用句法分析；当实际问题只要求分类时，就可以采用统计方法。在许多应用中也把这两种识别方法结合起来，一种方法是先用统计方法识别模式单元，再用句法分析进行识别；另一种方法是对于句法模式运用结构的距离度量和统计决策规则。（

11、3）模糊识别方法模糊识别方法主要采用模糊数学的理论方法，针对识别本身的模糊性或识别要求上的模糊性，而采用的一种模糊性模式识别问题。目前实现模糊识别的主要方法和途径有隶属原则和择近原则、模糊聚类分析、模糊相似选择和信息检索、模糊逻辑和模糊形式语言、模糊综合判断、模糊控制技术等。该类技术的关键在于隶属函数的获得。（4）基于人工神经网络的模式识别人工神经网络是由大量简单的基本单元即神经元相互联接而成的非线性动态系统，每个神经元的结构及功能比较简单，而由其组成的整个系统可以非常复杂，具有人脑的某些特征，在自学习、自组织、自联想和容错等方面具有非凡的能力，能用于联想、识别和决策。以基本的神经网络模型为基

12、础可以建立以识别结果作为反馈信号且具有自动选择特征能力的自适应模式识别系统。另外，我们还可以从神经网络模型中得到最灵活的联想存储器，它既可以按照内容进行检索，又可以从局部残存的信息联想到整体。利用神经网络进行模式识别的一显著特点是训练后的神经网络可以同时完成对客体的模式特征提取和分类识别。利用神经网络算法实现模式识别不仅可以快速实现递归过程，还可以激励人们创造性地发现新的方法。目前人们正在进一步探索人工神经网络用于模式识别的潜力。（5）人工智能方法毫无疑问，人类具有极其完善的识别功能。人工智能是研究如何使机器具有人脑功能的理论，而模式识别在本质上就是研究如何根据对象的特征进行模式的判断。因此，

13、我们完全可以将人工智能中有关学习和推理的技术运用到模式识别中来。分类或综合地运用前几种方法作出初步分类后，能得到对这些客体定性、半定性或模糊的符号或知识的描述，从而实施进一步的推理。上述即运用人工智能技术进行进一步分类的基础。这一特点符合设备状态监控和设备故障诊断的工程应用背景。以上简单介绍了进行模式识别的几种常用方法，其它用于模式识别的方法还有很多，但应用较少。目前实际应用的趋势是把上述几种方法结合起来，有分工、有补充。模式识别系统主要由五部分组成：数据获取、预处理、特征抽取、分类器设计和分类器。具体结构如下图所示：（1）数据获取通过测量、采样和量化、利用矩阵或向量将客体表示成计算机可以接受

14、的二维图象或一维波形的形式。（2）预处理预处理的作用是去除噪声，加强有用信息，并对各种因素造成的退化现象进行复原。将样本的特征参量表示为多维空间的点：（3）特征量抽取由信息获取部分获得相当大的原始数据后，为有效实现分类识别，对原始数据进行选择或变换，从而得到最能反映分类本质的特征，构成特征向量的过程就是特征抽取过程。在特征量提取过程中，通常先测量一组直觉上合理的特征，然后将其减少到数目合适的最佳集合。通常，这个过程需要不断实验，直至获得最优解。由此可见，符合要求的理想特征是不易建立的。（4）分类器设计把待识模式分配到各自的模式类中需要设计出一套分类判别规则，具体做法是：用一定数量的样本即训练样

15、本集确定出一套分类判别规则，使得按照这套分类标准对待识别模式进行分类所造成的错误识别率最小，引起的损失最小。上述步骤即分类器的设计过程。（5）分类器分类器按照已经确定的判别规则对待识别模式进行分类识别，最后输出分类结果。1.1.3模式识别分类器的概念及基本任务分类器的主要任务就是应用分类特征和分类运算法则对待识别模式进行分类识别。分类器的具体设计步骤如下；（1）确定分类识别特征建立一个识别不同对象的系统，首先必须确定测量对象的特性，确定描述其特性的参数。被度量的对象的属性称为对象的特性，所得的参数值组成了每个对象的特征向量。适当地选择对象的特征对于识别对象归属是很关键的，因为对象特征是识别对象

16、类别的唯一依据。良好的对象特征具有以下四个特点：（a）可区别性。对于不同的对象其特征值应具有明显的差异。(b)可靠性。对于同种类型对象其特征值应比较接近。(c)独立性。所有特征之间应彼此统计独立。(d)数量少。模式识别的复杂程度随系统维数的增加而增加，因此在保证分类良好的情况下应尽可能地减少特征参数的维数。主要原因是：多余的特征参数不仅不利于提高分类质量，而且会带来噪声，干扰分类及数学模型的建立；在保证样本数和空间维数的比值足够大的前提下，又不要用太多的样本，最好使空间维数降至最低；特征参数数目越大模式识别就越复杂。(2)确定分类规则，设计分类器结构分类器的设计主要是建立分类器的逻辑结构和分类

17、规则。通常对于每一个对象，分类器计算出该对象与每类对象之间的相似程度，这个值就是该对象特征的一个函数值，用来确定该对象的归属。大部分分类器的分类规则都转换成阀值规则，即将测量空间划分成互不重叠的区域，每一类对应一个区域。特征值落在哪个区域，该对象就归入对应的类别中。（3）分类器的训练分类器的基本决策规则确定后，就需要确定划分不同类别的阀值。一般做法是用一组已知的对象来训练分类器。训练集是由每类中已被正确识别的一部分对象组成。对这些对象进行量化，并将量化空间用决策面划分成不同的区域。训练分类器时，既可以使用简单的规则（如将分类错误的总量降至最低），也可以借助于亏损函数，对不同的错误分类采用适当的

18、加权系数。假如训练样本集代表了对象集的总体分布，则分类器对待识别样本操作性能和对训练样本集一样。要使样本集具有代表性，那么它必须包括可能遇到的所有类型的对象，包括一些极为少见的现象，否则就不具有代表性。（4）分类器性能的测量分类器的准确率可以通过对一组已知类别对象的测试集合进行分类的结果来测得。如果该测试集对对象总体具有代表性且没有错误，那么所得到的性能估计是有用的。1.1.4局部放电在线监测和模式识别的意义在二十世纪五十年代局部放电作为一种绝缘测试技术开始出现，并由G.Mole等人发展起来，二十世纪七十年代末局部放电在线监测技术出现。由于大型设备绝缘故障后带来的严重后果，电力运行部门非常重视

19、设备的绝缘监督。以往绝缘监督主要采用定期的预防性试验这种方法，其中也包含局部放电测量。实践表明，定期预防性试验对减少及防止事故的发生起到很大的作用。然而长期的工作经验表明这样一个维修体系是有局限性的。1、从经济角度来讲，定期的预防性试验会损失大量的人力、物力、财力。检修时，需要大面积停电，不但会造成经济损失，还会增加工作难度，同时更换零部件也需要大量投资。然而这种定期的投资是否必要尚不清楚，因为设备的实际运行状态可能不需要维修而能长期稳定运行。倘若，维修不当，反而会减短设备的运行寿命，有害无益。2、从技术角度来讲，离线的定期预防性试验是有局限性的。（a）试验条件和运行条件不同，试验是在低压状态

20、下进行的，运行时诸如热应力等其它因素的影响无法在离线状态下在现，这样就无法有效检测到绝缘缺陷和潜在故障。（b）绝缘劣化有一定的潜伏和发展时间，而预防性试验是定期进行的，所以就不能及时准确地发现故障，造成漏报、误报和早报。随着国民经济的迅速发展，装机容量越来越大，同时对供电可靠性的要求也越来越高。鉴于预防性试验维修的局限性，运行中电气设备的绝缘状况的在线监测就显得尤为必要。在线监测，可以随时测得绝缘状况的变化信息，进行分析处理后对设备的绝缘状况作出正确的诊断，然后根据诊断的结论进行必要的维修，做到有的放矢。在线监测克服了离线检测不灵敏、费时费工、经济损失大等缺点，大大减少了预防性试验和维修的盲目

21、性，保证了设备的安全可靠运行，是对传统离线检测的重大改进和进一步发展。近30年来，在线检测技术在世界上得到了迅速发展和广泛运用。与此同时，随着计算机技术的研究和发展，模式识别作为一种重要的故障诊断方法也被广泛运用到局部放电的研究中。在线监测局部放电信号，分析其内涵和特性，同时提取表征局部放电类型的特征量，便能揭示绝缘劣化、性能下降及介质击穿的渐变过程，能有效发现电气设备内部绝缘缺陷和绝缘老化产生的安全隐患，从而对绝缘的可靠性和设备运行寿命作出判断和预测。1.2绝缘局部放电在线监测模式识别的研究现状绝缘局部放电模式识别技术的研究现在仍处于一个初级阶段，一方面由于局放信号的采集受到很多非确定因素的

22、影响，且局放信号中混杂着干扰信号，需要找到更好的信号处理技术获取更准确的局放信息；另一方面，人们对局放信号所包含的信息内涵和规律尚未完全清楚，至今没有一套成熟的诊断理论或标准。局部放电信号的测量是以其产生的各种现象为依据的，通过能表现该现象的物理量表征局部放电的状态。电气绝缘设备内部发生局部放电时会产生光、电磁辐射、超声波、电脉冲等，还会生成一些新的物质，并引起局部过热，因此相应地出现了光测法、热测法、声测法、脉冲电流法以及色谱分析法等多种测量方法。不同的测量系统中，需要构造出不同的局部放电模式进行放电分析和绝缘诊断。目前国际上唯一有标准的放电测量方法是脉冲电流法。虽然脉冲电流法测量频率低、频

23、带宽、信息量少，但根据IEC标准测量数据进行模式识别和绝缘寿命评估，其有很高的可信度，因此它是目前主要的局部放电测量方法。现在，如何消除外部的电磁干扰是应用脉冲电流法进行局部放电测量的主要问题。在局部放电模式识别中，直接识别是很困难的，因此提取放电特征很重要。局部放电是一个快速暂态过程且具有很大的随机性，通过高采样频率数字示波器得到大量的数据，利用统计学方法处理PD信号数据获得数据特征量成为趋势。将测得局部放电信号放大、滤波，并进行AD转换后送入计算机进行数据处理和分析得到各种放电的特征频谱。从特征频谱中提取出不同的特征参数就可以识别出不同的放电类型。这些特征参数包括统计特征参数、威布尔参数、

24、分形特征参数、矩特征参数等。下面简单介绍一下这几种参数。1. 统计特征参数不同的局部放电模式其在放电相位、幅值、次数上也不同，具体表现为、二维谱图形状上的差异或二维谱图正负半周期形状上的差异。用一些能概括二维谱图形状特征的参数来表征不同局放类型的特点，这些参数即称为统计特征参数。2威布尔参数局部放电有很大的随机性，研究表明，局部放电脉冲高度可以用威布尔Weibull参数表达，且不同类型局部放电有不同Weibull分布参数，可以用Weibull参数作为特征量。3分形特征参数分形信息理论用信息度量理论来研究信号的分形及其度量和属性，局部放电受很多因素的影响，放电时刻有很大的随机性，但局部放电同时也

25、遵守局部放电原理表现出来放电规律，表现为局部放电过程本身的规律性，这使得局部放电信号为随机性和规律性的结合。所以局部放电信号具有分维性，一般用分维数和空缺率两个分形特征作为特征量。4数字图像矩特征参数矩是统计学上的一种统计指标，它描述了灰度图像中所有像素点的整体分布情况，中心矩描述了图像像素相对于图像质心的分布情况，具有不随坐标变换而改变的特点，具有良好的稳定性。三维谱图在平面上的投影，形成的灰度图，通过灰度图的特征矩作为特征量。局部放电模式识别的另外一个核心任务是分类器的设计。传统的分类器是基于距离的模糊分类器和聚类分析。模糊分类器主要分类方法是置信区间法、趋中心度法、最小距离法。聚类分析的

26、划分测度主要是欧氏距离、马氏距离、一般化的明式距离和角度相似函数。相对于传统的分类器，人工神经网络在近年来得到了广泛应用。三层和三层以上的前馈网络被称为多层感知器，近几年来在模式识别中应用最多，发展也最成熟。这种网络是在理论上具有隐含层的多层网络，可以逼近任意多元非线性函数，主要采用反向传播学习算法。1.3本文研究的主要目的和任务2局部放电的实验装置及方法2.1引言研究局部放电信号的模式识别方法，首先必须进行实验对放电信号进行采集、处理分析才能最终得出结论。根据变压器局部放电测量的五种基本类型，即空气中电晕放电、油中电晕放电、固体绝缘内气隙放电、空气中沿面放电、油中沿面放电，基于实验仪器和实验

27、时间的限制，本文设计了其中三种放电模型，即空气中电晕放电、固体绝缘内气隙放电、空气中沿面放电。在实验室进行了大量的实验，获得了一批有效的数据。2.2放电模型及实验装置本文针对变压器绝缘内部和外部局部放电的特点，设计了三种人工缺陷绝缘模型来模拟放电，即空气中电晕放电、空气中沿面放电、固体绝缘内气隙放电。前两种模型模拟变压器外部局部放电，第三种模型模拟变压器内部局部放电。（1）空气中电晕放电图所示为模拟空气中电晕放电的针板系统。针颈直径为0.2mm,针尖曲率半径小于0.1mm。当模拟空气中电晕放电时，针尖到板电极距离d为3mm。（2）空气中沿面放电图是模拟空气中沿面放电的柱板系统。试品为环氧板，厚

28、度为0.5mm，直径为60mm，暴露在空气中模拟空气中的沿面放电。（3）固体绝缘内气隙放电图是模拟油中气隙放电的球板系统。试品为环氧板，是由两片直径为60mm的圆形环氧板中间夹着一片外直径为60mm、内直径为16mm的环形环氧板组成，中间用AB胶均匀地涂在处气隙之外的连接部分，以防止气隙以外发生局部放电。 2.2.2局部放电模拟实验装置 ：调压器，50kVA，0400V，125A ：变压器，50kVA，50kV ：水电阻，5k，按0.1/V配置 、：电容分压器，分压比2000:1：耦合电容为0.1uF：缺陷模型 ：检测单元,RC型检测阻抗图为实验线路，220V交流电通过调压器和试验变压器升压产

29、生050kV高压电为试品放电提供电压。保护电阻为5k水电阻，作用是防止短路过电流。分压器分压比为2000:1,用于测量实验电压。以上部分构成实验电流的加压系统，用于给试品提供高压。本文采用脉冲电流法测量局部放电信号，其基本电路有三种，分别为并联法、串联法和电桥平衡法。本文采用的测试回路为串联法测试回路，由Cx、Ck和Zm组成，Ck为耦合电容，为Cx和Zm之间提供低阻抗通道。Ck的值一般不低于Cx，且不发生局部放电。试品发生局部放电时，试品两端的电压发生变化，试品、耦合电容和检测阻抗构成放电回路。电压的变化引起电流变化，产生脉冲电流，在检测阻抗上会产生脉冲电压。通过检测阻抗上的脉冲电压信号，经过

30、放大器进行信号放大后采用高性能示波器采集局部放电信号。示波器采用Agilent示波器，带宽为25MHz，采样频率可达1GHz。2.3试验方法及过程在正式的实验开始之前，进行了大量的准备工作，主要包括：（1）制作样品。主要针对气隙放电，样本要求较高，要保证样本中除气隙圆环外，其他不含气隙。为保证实验的准确性，本次试验进行了两遍；（2）测量环境噪声和设备固有噪声；（3）选择合适的传感器。高频信号和低频信号所使用的传感器不同；（4）对于放大滤波器要选用合适的放大倍数。采样电压一般选用起始电压1.2-1.6倍的电压，在实验过程中，采样电压电压要缓慢升高。采样时间则要根据具体的放电模型而定。为防止高压引

31、线出现电晕放电，高压引线均采用10mm的铝管。具体的实验步骤如下：（1）预加电压：在未放置实验模型的情况下连接好实验线路，在逐步升高实验电压的同时观察示波器。一旦示波器上出现放电脉冲就记录下当时的电压值，此电压值即为最大允许实验电压。这样便可以保证在实验电压小于时采集到的局部放电信号全部来自试品。（在理想的实验设备下，上述过程可以省略。但对于不同的实验，要有一个参考的放电电压，保证在低于该电压时，所有放电信号脉冲均来自试品）（2）测量起始放电电压：放置好实验模型后，缓慢而均匀地升高实验电压，为保证实验数据的准确性，电压要先粗调然后细调。示波器一旦出现放电脉冲就记录下该电压值，此值即为放电模型的

32、启起始放电电压。（3）采集局部放电信号：将实验电压升高到起始放电电压的1.21.6倍，调节调幅电路的放大倍数，使示波器上观测到的最大脉冲电压幅值在500左右，务必保证放电信号脉冲全部出现在示波器的屏幕上。等稳定放电脉冲出现大约1分钟后开始采样，每次采样50个工频周期。（4）测量熄灭放电电压：在采样后，缓慢而均匀地降低放电电压，同时观察示波器，一旦示波器上的放电脉冲消失，立即记录下此时的电压值。此时的电压值即为熄灭放电电压。通常熄灭放电电压要小于起始放电电压，有时差距很大。（5）放电校正：如果要做放电量分析，由于局部放电实际放电量无法直接测量，一般用视在放电量表示局部放电量的大小。实验完毕，要进

33、行发电量校正，以检测局部放电视在与脉冲电压的比例关系，从而测量视在放电量大小。校正电路如图所示，其中 U0为标定方波，C0为分度电容，视在放电量与脉冲电压的比例如式所示。 式中，H为示波器上脉冲电压大小。本文输入500pC电量，测得示波器上脉冲电压。从而得到K0。图图为3种局部放电类型放电信号，采样频率为1MHz，取一个工频周期信号，即20000个数据点。图中局部放电信号极性与电压相位相反，其原因是检测模块放反。局部放电信号都出现在电压绝对值增大的相位上。图为空气中电晕放电，可以看出由于极性效应，负半周期放电次数多，呈现负半周密而少，正半周期稀而大。图为空气中沿面放电，可以看出正、负半周期局部放电信号不对称，负半周期放电次数多余正半周期。图油中气隙放电，可以看出正、负半周期局部放电信号比较对称。以上关于3种实测局部放电信号都与理论上各类型放电特征描述相符，说明这些局部放电信号良好。图2-5实测空气中电晕放电PD信号Figure 2-5 The actual measurement corona signal in air图2-6实测空气中沿面放电PD信号Figure 2-6 The actual measurement surf