局部放电基础研究与应用-3课件

1、发电机、变压器放电故障诊断的基础研究和应用2022/8/205.3 电机线棒模型放电模式识别(1) 四种类型2022/8/20 5.3 线棒放电模式识别(2) 样本2022/8/20 5.3.1 线棒放电识别(二维谱图) (1) 距离归类2022/8/20 5.3.1线棒放电识别(二维谱图) (2) 距离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (3) 距离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (4) 距离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (7) 距离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (8) 距

2、离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (9) 距离归类2022/8/20 5.3.1 线棒放电识别(二维谱图) (10) 距离归类2022/8/20 5.3.2 线棒放电识别(二维谱图) (1) 前馈网络2022/8/20 5.3.2 线棒放电识别(二维谱图) (2) 前馈网络2022/8/20 5.3.2 线棒放电识别(二维谱图) (3) 前馈网络2022/8/20 5.3.3 线棒放电识别(三维谱图) (1) 网络组2022/8/20 5.3.3 线棒放电识别(三维谱图) (2) 网络组2022/8/20 5.3.3 线棒放电识别(三维谱图) (3) 表列数据20

3、22/8/20 5.3.3 线棒放电识别(三维谱图) (4) 表列数据2022/8/20 5.3.3 线棒放电识别(三维谱图) (5) 表列数据2022/8/20 5.3.3 线棒放电识别(三维谱图) (6) 表列数据n 放电程度识别 前馈网络4个程度识别子网络 与类型数相同PF、CA、ES程度子块 5个输出结点SL子块 4个输出结点 放电程度识别结果 待检样本被划分为各种程度的百分率： 5种放电程度时应各占20 % 4种放电程度时应各占25 %2022/8/20 5.3.3 线棒放电识别(三维谱图) (7) 表列数据2022/8/20 5.3.3 线棒放电识别(三维谱图) (8) 表列数据2

4、022/8/20 5.3.3 线棒放电识别(三维谱图) (10) 曲面拟合2022/8/20 5.3.3 线棒放电识别(三维谱图) (11) 分形特征2022/8/20 5.3.3 线棒放电识别(三维谱图) (12) 分形特征2022/8/20 5.3.3 线棒放电识别(三维谱图) (13) 矩特征2022/8/20 5.3.3 线棒放电识别(二维散点图) (14) 分形特征2022/8/20 5.3.3 线棒放电识别(二维散点图) (15) 分形特征2022/8/20 5.3.3 线棒放电识别(二维散点图) (16) 分形特征2022/8/20 5.3.3 线棒放电识别(二维散点图) (17

5、) 分形特征2022/8/20 5.4 变压器油中放电模式识别 (1) 放电样本2022/8/20 5.4 油中放电模式识别 (2) 网络组2022/8/20 5.4 油中放电模式识别 (3) 网络组 ANN - A ANN - O ANN - A1 ANN - A2 ANN - A3 ANN - O1 ANN - O5 ANN - O4 ANN - O2 ANN - O3 ANN - MW M SW M SW M SW M SW M SW M SW M SW M S待检样本2022/8/20 5.4 油中放电模式识别 (4) 第一级网络2022/8/20 5.4 油中放电模式识别 (5) 第

6、二级网络2022/8/20 5.4 油中放电模式识别 (6) 第三级网络2022/8/20 5.4 油中放电模式识别 (7) 功能扩充2022/8/20 5.4 油中放电模式识别 (8) 功能扩充2022/8/20 使用局部放电微机化声发射信号检测装置 设计 5 种油中典型局部放电模型 采集模型放电的声发射信号 分析放电的声发射信号 可以依据信号 时域波形和频域特性 区分放电类型6 放电声信号检测及模式识别2022/8/20 局部放电微机化声发射信号检测装置 信号检测单元 预处理单元 采样单元 工控机 配套软件 信号检测单元 声发射传感器 压电晶体 带宽 20 kHz 1 MHz 前置放大器增

7、益 40 dB 6.1 放电声信号检测 (1)2022/8/20 预处理单元 滤波器 低通、高通滤波电路级联，带宽可调 跟随器：阻抗匹配 衰减器、 放大器：增益 40 dB 缓冲驱动电路 ： 信号送至输入阻抗为50 的数据采集卡 6.1 放电声信号检测 (2)2022/8/20 采样单元 数据采集卡 4 通道 转换位数：12位 采样长度：32k 的整数倍 / 通道 最大512 k个数据点 采样率：0.5 MHz 10 MHz 外触发电路 使数据采集与外施工频试验电压同步 6.1 放电声信号检测 (3)2022/8/20 工控机及软件 软件 装置采集参数，采样过程 声信号 储存在工控机 处理软件

8、 数字信号处理 FFT 频域窄带滤波 时域多通带滤波 小波降噪 等 6.1 放电声信号检测 (4)2022/8/20 模型试验 双层钢板屏蔽实验室 模型 a 气隙放电 b 油隙放电 c 油纸沿面放电 d 金属杂质放电 e 套管表面放电 检测模型局部放电的的声发射信号 6.1 放电声信号检测 (5)2022/8/20 典型 声发射 信号波形 气隙放电 (a) 油隙放电 (b) 油纸沿面放电 (c) 金属杂质放电 (d) 套管表面放电 (e) 6.2 声信号 (1)2022/8/20 声信号持续时间 气隙放电：微秒数量级 其他模型放电：毫秒数量级 容易区分 特征参数 体现放电声信号波形特点 8 种

9、特征参数提取方法 6.2 声信号 (2)2022/8/20 在时域 对信号波形数据直接进行压缩 比较简单 以压缩后的数据作为特征量 特征量个数：1000 6.3.1 时域数据压缩 2022/8/20 取得信号波形频谱 对频谱图形数据进行压缩 相对比较简单 以压缩后的数据作为特征量 特征量个数：1000 6.3.2 频域数据压缩 2022/8/20 6.3.3 自相关函数法 (1) 脉冲波形时域数据序列 自相关函数值 波形特征量 取一定点数自相关函数值 构成特征向量 采集放电声信号数据 数据序列 x (n), n = 0, 1, , N1 2022/8/20 6.3.3 自相关函数法 (2) 声

10、信号x (n), n = 0, 1, , N1 相关函数 得到对零点对称的 2N1 个自相关函数值 其中N 个数据可作为特征量 取 1000 个自相关函数值 特征量 2022/8/20 6.3.4 协方差法 声信号x (n), n = 0, 1, , N1 信号波形协方差 得到两边对称的 2N1 个协方差值 其中 N 个数据可作为特征量 取 1000 个协方差值 特征量 2022/8/20 若傅立叶变换长度为128 功率谱数据为129个 取此129个数据作为特征量 6.3.5 经典功率谱估计 直接法 信号x (n) N点观察数据 xN (t) 傅立叶变换 XN (ej) 功率谱估计值 2022

11、/8/20 6.3.6 时域频域特征 时域波形特征 峰值、前沿、后沿 脉宽 脉冲波形幅度从 50 % 到 50 % 的宽度 峰值因数 波形峰值除以均方根值 波形因数 波形平均值除以均方根值 频域特征 频谱峰值、 峰值对应频率 特征量个数：8 2022/8/20 6.3.7 时频谱图 (1)2022/8/20 6.3.7 时频谱图 (2)2022/8/20 6.3.7 时频谱图 (3) 若信号 x (t) 的傅立叶变换为 X (j) 信号 x (t) 的 WVD 变换 可证明 Wx (t, ) = WX (, t) 2022/8/20 6.3.7 时频谱图 (4) 最大值 最小值处 的 幅值 时

12、间 频率 6个参数 特征量 W VD谱图2022/8/20 6.3.8 AR参数模型 (1)2022/8/20 6.3.8 AR参数模型 (2) 自回归模型：全极点模型 Auto Regressive Mode1：AR 移动平均模型：全零点模型 Moving-average Mode1：MA 自回归-移动平均模型零-极点模型 ARMA 2022/8/20 6.3.8 AR参数模型 (3) AR 模型求解 自相关函数法 计算最简单，经常被使用 Burg算法 信号估计较好，计算不太复杂 AR模型的阶数为 5 阶 用Burg算法 特征量个数： 5 2022/8/20 6.4 基于声信号波形特征的放电

13、模式识别 (1)初始模式检测信号干扰抑制特征提取放电模式等待判断对照标准样板模式待检模式识别结果2022/8/20 6.4 基于声信号特征的识别 (2)2022/8/20 6.4 基于声信号特征的识别 (3) 信号持续时间 易区分气隙放电与其他放电模式 相关函数法 (1000)、时频谱图法 (6)、 AR参数模型法 (5) 提取的特征 能较好地反映放电模式间的差异 模式识别率在 90 % 以上 结合特征量的数目 时频谱图法、AR参数模型法更具优越性 2022/8/20 7 结束语 (1) 发电机、变压器的放电检测与故障诊断 基础研究的关键内容 纳秒 / 微秒级放电脉冲电流波形 秒级放电统计特性 放电的声发射信号