首页 理论教育 特高频法:通过电磁波检测局放信号的电气测试法

特高频法:通过电磁波检测局放信号的电气测试法

时间:2023-06-16 理论教育 版权反馈
【摘要】:特高频法是电气测试法,是通过检测局部放电发出的电磁波中的特高频段信号来检测局部放电的方法。特高频法的灵敏度依赖于传感器等测量装置的可靠性。图6-12 局部放电系统图图6-13 局部放电系统软件2.特高频传感器局部放电传感器也叫天线,其性能参数包括输入阻抗、方向性、增益、驻波比和带宽。

特高频法:通过电磁波检测局放信号的电气测试法

特高频(UHF)法是电气测试法,是通过检测局部放电发出的电磁波中的特高频段(300~3000MHz)信号来检测局部放电的方法。

一个局部放电的电信号单脉冲的时间宽度为1~2ns。而SF6中的局部放电的脉冲持续时间为几个纳秒,其波头上升时间仅1ns左右,激发的电磁波频率可达数吉赫兹。GIS的腔体是同轴波导腔结构,电磁波信号在其内部可有效地传播,且衰减较小。空气中电晕放电脉冲持续时间较长、波头上升时间也较长,其频率一般在150MHz以下,并且随着频率的增加衰减很快。因此通过检测局部放电发出的电磁波中的特高频段(300~3000MHz)信号来检测局部放电,从而避开常规电气测试方法中难以避开的电力系统中的电晕等干扰,可提高局部放电检测的信噪比。这种方法的优点是抗干扰能力强,能识别缺陷类型,而且现场定位精度高,很适合在线监测。

特高频法测量可以是非接触测量及在线监测。特高频法的灵敏度依赖于传感器等测量装置的可靠性。局部放电信号在传输中,会随着传播距离的增加而信号减弱。在非连续介质中,局部放电的衰减为3~5dB/m,在连续介质中,局部放电的衰减为1~2dB/km。

1.系统构成

一套完整的特高频局部放电监测系统通常包括传感器、信号采集单元、现场监测主机和计算机显示四个部分(系统图如图6-12所示,系统软件如图6-13所示,典型局部放电人机界面图谱举例如图6-14所示)。传感器安装在GIS本体上,信号采集单元常被安装在开关设备附近,一个信号采集单元通常能够连接多个局部放电传感器。现场监测主机常安装在变电站的主控室或现场的设备室内,每个变电站只有一个监测主机,监测主机与所有信号采集单元通过光纤进行连接。

978-7-111-48194-2-Chapter06-12.jpg

图6-12 局部放电系统图

978-7-111-48194-2-Chapter06-13.jpg

图6-13 局部放电系统软件

2.特高频传感器

局部放电传感器也叫天线,其性能参数包括输入阻抗、方向性、增益、驻波比和带宽。

天线的输入阻抗是指天线和馈线的连接端,即馈电点两端感应的信号电压与信号电流之比。输入阻抗有电阻分量和电抗分量。输入阻抗的电抗分量会减小从天线进入馈线的有效信号功率。因此,传感器的设计必须使电抗分量尽可能为零,使天线的输入阻抗为纯电阻。

天线的方向性是指天线向一定方向辐射电磁波的能力。对于接收天线而言,方向性表示天线对不同方向传来的电波所具有的接收能力。天线的方向性的特性曲线通常用方向图来表示。方向图可用来说明天线在空间各个方向上所具有的发射或接收电磁波的能力。在方向图中通常都有两个瓣或多个瓣,其中最大的瓣称为主瓣,其余的瓣称为副瓣。主瓣两半功率点间的夹角定义为天线方向图的波瓣宽度,称为半功率(角)瓣宽。主瓣瓣宽越窄,则方向性越好,抗干扰能力越强。天线的方向性示意图如图6-15所示。

978-7-111-48194-2-Chapter06-14.jpg

图6-14 局部放电监测典型图谱

a)尖端放电 b)金属颗粒 c)导体缺陷 d)自由电极 e)手机信号 f)雷达信号

增益是指在输入功率相等的条件下,实际天线与理想的辐射单元在空间同一点处所产生的场强的二次方之比,即功率之比。增益一般与天线方向图有关,方向图主瓣越窄,后瓣、副瓣越小,增益越高。

978-7-111-48194-2-Chapter06-15.jpg

图6-15 天线的方向性示意图

而当天线和馈线阻抗不匹配时,入射波的一部分能量反射回来形成反射波。两者叠加,这种合成波称为驻波。反射波和入射波幅度之比称为反射系数Γ),即

978-7-111-48194-2-Chapter06-16.jpg

驻波波腹电压与波节电压幅度之比称为驻波系数,也叫电压驻波比(VSWR),即

978-7-111-48194-2-Chapter06-17.jpg

终端负载阻抗和特性阻抗越接近,反射系数越小,驻波系数越接近于1,匹配也就越好。

无论是发射天线还是接收天线,它们总是在一定的频率范围内工作的,通常,工作在中心频率时天线所能输送的功率最大,偏离中心频率时它所输送的功率都将减小。一般来说,定义天线的频率带有两种不同的定义法:一种是指天线增益下降3dB时的频带宽度;另一种是指在规定的驻波比下天线的工作频带宽度。在局部放电监测系统中一般是按后一种定义的,具体来说就是当天线的输入驻波比≤2时,天线的工作带宽。

3.特高频局部放电信号的算法介绍

局部放电信号的处理是一个复杂的过程,主要是由于传感器所接收到的信号含有一定的干扰信号,所以去除干扰信号是局部放电监测的重要环节。同时,根据所提取的信号进行局部放电特征的诊断,是局部放电监测的核心。局部放电的算法种类很多,一个局部放电信号的处理或许需要多种算法相结合。下面对一些常用的算法进行简要说明。

(1)基于专家系统故障诊断算法 该系统的结构由数据库、知识库、人机接口和推理机等组成,如图6-16所示。

978-7-111-48194-2-Chapter06-18.jpg(www.xing528.com)

图6-16 专家系统故障诊断算法结构图

这个结构中的各功能主体的功能如下:

数据库:数据库通常由动态数据库和静态数据库两部分构成。静态数据库是相对稳定的参数,如设备的设计参数、固有频率等;动态数据库是设备运行中所检测到的状态参数,如工作转速、介质流量、电压或电流等。

知识库:存放的知识可以是系统的工作环境、系统知识、设备故障特征值、故障诊断算法和推理规则等,反映系统的因果关系,用来进行故障推理。知识库是专家领域知识的集合。

人机接口:人与专家系统打交道的桥梁和窗口,是人机信息的交接点。

推理机:根据获取的信息综合运用各种规则,进行故障诊断,输出诊断结果。它是专家系统的组织控制机构。

(2)基于人工神经网络的故障诊断算法 人的思维有逻辑性和直观性两种不同的基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程;它先将信息化成概念,并用符号表示,然后根据符号运算按串行模式进行逻辑推理。这一过程可以写成串行的指令,让计算机执行。然而,直观性的思维是将分布式存储的信息综合起来,从而忽然间产生想法或解决问题的办法。直观性思维方式的概念在于以下两点:

1)信息是通过神经元上的兴奋模式分布在网络上。

2)信息处理是通过神经元之间同时相互作用的动态过程来完成的。

人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统,其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单,功能有限,但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

人工神经网络结构图如图6-17所示。

978-7-111-48194-2-Chapter06-19.jpg

图6-17 人工神经网络结构图

(3)基于支持向量机(SVM)的故障诊断算法 支持向量机(SVM)是数据挖掘中的一项新技术,是借助于最优化方法解决机器学习问题的新工具。它最初于20世纪90年代由Vapnik提出,近年来在其理论研究和算法实现方面取得了突破性进展。支持向量机是根据统计学习理论中结构风险最小化原则提出的,它能够尽量提高学习机的推广能力,即使由有限数据集而得到的判别函数对独立的测试集仍能够得到较小的误差。此外,SVM是一个凸二次优化问题,能够保证找到的极值解就是全局最优解。这些特点使支持向量机成为一种优秀的基于数据的机器学习算法。机器学习的基本模型如图6-18所示。

(4)基于故障树的故障诊断算法 故障树分析是一种top-down分析方法,通过对可能造成系统故障的硬件、软件、环境和人为因素进行分析,画出故障原因的各种可能组合方式和其发生概率,由总体至部分,按树状结构,逐层细化。故障树分析采取树形图的形式,把系统的故障与组成系统部件的故障有机地结合在一起。故障树首先以系统不希望发生的时间作为目标(称为顶事件),然后按照演绎分析的原则,从顶事件逐渐向下分析各自的直接原因事件,直至所要求的分析深度。所以执行故障树分析,首先需要故障树建模。故障树建模,就是寻找所研究系统故障和导致系统故障的诸因素之间的逻辑关系,并且用故障树的逻辑符号,抽象表示实际故障和传递的逻辑关系。故障树的逻辑示意图如图6-19所示。

978-7-111-48194-2-Chapter06-20.jpg

图6-18 机器学习的基本模型

978-7-111-48194-2-Chapter06-21.jpg

图6-19 故障树的逻辑示意图

(5)基于人工免疫算法的故障诊断算法 生物免疫系统因其强大的信息处理能力而备受关注。从信息处理的方面来看,免疫系统是一个分布式的高度并行的系统。而且,生物免疫系统能进行变异、学习、记忆和联合检索以解决识别与分类任务。人工免疫系统是模仿生物免疫系统功能的一种智能方法,它实现一种受生物免疫系统启发,通过学习外界物质的生物防御机理的学习技术,在生物免疫学的相关原理和概念的基础上,面向解决工程实际应用问题建立具有智能性的计算机模型。

人工免疫算法具有多种模型,如克隆选择算法(见图6-20)、否定选择算法、免疫网络算法、基于信息熵的免疫进化算法和基于浓度调节的免疫进化算法等。

(6)基于粗糙集理论的故障诊断算法 粗糙集理论是由Z.Pawlak及其合作者于20世纪80年代初提出的一种新的处理模糊性和不确定性的数学工具。较其他不确定推理方法的优点在于它不需要预先给定某些特征或属性的数量描述,也不需要先验的模型假定,而仅仅使用数据本身的内部知识,通过不可分辨关系和不可分辨类确定问题的近似域,自动获取该问题中的内在规律。

978-7-111-48194-2-Chapter06-22.jpg

图6-20 克隆选择算法流程图

(7)基于小波分析的故障诊断算法 小波分析是一种崭新的时频分析方法,具有良好的时频局部化特性和对信号自适应和“变焦距”多尺度分析能力,适合于对非平稳信号的处理。小波分析是傅里叶变换的突破性进展,并发展了窗口傅里叶变换的局部化思想,它的窗宽随频率增高而减小,符合高频信号分辨率较高的要求。小波分析的主要特点之一是具有用多重分辨率来刻画信号局部特性的能力,从而很适合探测在正常信号中出现的瞬态反常现象并展示其成分。目前,小波分析已经成功地应用于机械设备的振动信号分析中,在电气设备的故障信号分析中,小波分析也必将成为有力的工具。

4.特高频局部放电传感器布点原则

内置传感器适合由GIS生产厂在制造时植入,在设备制造前与GIS进行一体化设计,在出厂时应同GIS一起完成出厂试验。外置传感器应置于未包裹金属屏蔽的GIS盆式绝缘子外侧或GIS壳体上存在的介质窗处,当GIS盆式绝缘子外包金属屏蔽时,需要对金属屏蔽开窗。

传感器布点原则如下:首先保证GIS本身的可靠运行,其次应确保GIS内部发生在任何位置的局部放电都能够被有效感应,在此前提下,传感器应尽量安装在GIS关键设备附近,包括断路器、隔离开关、电压互感器电缆终端等。对于长直母线段来说,放电点到传感器间的电磁波衰减应不大于10~20dB,一般来说测点间隔宜为5~10m。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈