论文部分内容阅读
气体绝缘开关设备(Gas Insulated Switchgear, GIS)以其可靠性高、占地面积小等优点,在电力系统中得到广泛的应用。对GIS进行局部放电检测可以有效的了解设备的绝缘状况,及时发现绝缘隐患。超高频检测技术特别适合于具有类似波导结构的GIS设备,通过检测GIS内部局部放电激发的超高频电磁波,实现局部放电的检测和定位。为了更好的了解局部放电超高频信号在GIS中的传播和衰减特性,便于实现现场UHF局部放电检测传感器的合理布局,利用基于时域有限差分法的xFDTD仿真软件对GIS同轴波导结构中超高频电磁波进行了定量分析。本文以探针50ns内接收的能量变化为依据,通过xFDTD建立了GIS直腔体、绝缘子、L型结构的模型,改变局部放电源的位置、宽度和幅值、放电源与接收点的相对角度,研究了UHF信号在GIS中传播和衰减的一般规律：经过L型结构后能量衰减4.79dB；信号经过相对介电常数εr=4.6的绝缘子时,能量衰减5.50dB。本文基于UHF信号在GIS内部传播特性和干扰噪声分布,根据超高频天线的性能要求,设计了平面等角螺旋天线的参数,仿真结果表明：在所需带宽内,传感器具有良好的增益和方向性。本文构造了四种典型的GIS局部放电模型,用建立的超高频检测系统可以有效的检测GIS各种典型局部放电,并提取了每种模型的放电谱图。不同的局放模型及其放电谱图有可分性,提取其统计算子为模式识别奠定了基础。本文采用人工神经网络对局部放电类型进行模式识别。为了改善BPNN容易陷入局部最小,甚至不收敛的缺点,提高识别的可靠性和准确性,本文将TNFIN应用于局部放电超高频模式识别,首先根据输入输出模式确定网络结构,然后在误差最小化的前提下,利用变量梯度法和LMS算法确定网络参数。对四种典型局放类型的识别结果表明TNFIN在收敛速度方面明显优于BP神经网络,而且具有较高的识别率和较强的泛化能力。