统计参数在变压器局部放电模式识别中的应用

统计参数在变压器局部放电模式识别中的应用

ID:39678298

大小:349.15 KB

页数:5页

时间:2019-07-09

统计参数在变压器局部放电模式识别中的应用_第1页
统计参数在变压器局部放电模式识别中的应用_第2页
统计参数在变压器局部放电模式识别中的应用_第3页
统计参数在变压器局部放电模式识别中的应用_第4页
统计参数在变压器局部放电模式识别中的应用_第5页
资源描述:

《统计参数在变压器局部放电模式识别中的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第2期高电压技术Vol.35No.22009年2月HighVoltageEngineeringFeb.2009·277·统计参数在变压器局部放电模式识别中的应用12122胡文堂,高胜友,余绍峰,谈克雄,高文胜(1.浙江省电力试验研究院,杭州310014;2.清华大学电机系电力系统及发电设备控制和仿真国家重点实验室,北京100084)摘要:对局部放电进行模式识别可以了解放电类型和严重程度,为故障诊断和检修提供参考依据。为此将Weibull统计分布参数用于局部放电模式识别当中,采用仿真分析和模型试验的方法证明了局部放电的脉冲高度分布符合Weibull统计分布规律。在统计放电脉

2、冲高度分布时对放电幅值进行了归一化处理,将放电累积概率为99%的放电幅值作为归一化因子,以消除试验中偶然出现的大的随机放电脉冲干扰的影响。使用工频电压正负半周的Weibull统计分布的形状参数、放电幅值中心和放电相位中心共6个参数作为特征向量,以人工神经网络为分类器,对放电类型获得了超过85%的识别率。研究表明,这种故障模式的表征方法具有模式特征数量少、表征能力强等优点,采用人工神经网络方法可以准确识别不同模式的放电,具有较高的识别率。关键词:局部放电;模式识别;Weibull分布;统计参数;归一化;人工神经网络中图分类号:TM835.4文献标志码:A文章编号:100326520

3、(2009)0220277205ApplicationofStatisticParametersinRecognitionofPartialDischargeinTransformers12122HUWen2tang,GAOSheng2you,YUShao2feng,TANKe2xiong,GAOWen2sheng(1.ZhejiangElectricPowerTest&ResearchInstitute,Hangzhou310014,China;2.StateKeyLabofControlandSimulationofPowerSystemsandGenerationEquip

4、ments,DeptartmentofElectricalEngineering,TsinghuaUniversity,Beijing100084,China)Abstract:Thepatternrecognitionforpartialdischarge(PD)ishelpfulforestimatingPDtypeandlevel,whichwillprovideascientificbasisforfailurediagnosisandmaintenance.WeusedWeibullstatisticdistributionparametersinthepatternr

5、ecognitionforPD,andadoptedthesimulationandmodeltesttoprovethatthePDheightdistribution(PDHD)fitswellwith22parameterWeibulldistribution.ThesimulationdataweregeneratedbytheMonte2Carlomethodand8typicalPDmodelsweredesignedfortest.Intheperiodofeachtest,thepulseamplitudeandphasein2formationofeachPDp

6、ulsein10secondswererecorded.Meanwhile,thedischargeamplitudewasnormalizedduringcalculationofthePDHD.Inordertoeliminatetheinfluenceofrandompulseinterference,theamplitudewhosecu2mulativeprobabilityis99%wasusedasthenormalizationfactor.Sixcharacteristicparameters,includingtheshapeparameterofWeibul

7、ldistribution,thecenterofdischargeamplitudeandthecenterofdischargephaseinpositivehalfperiodandnegativehalfperiodofpowercycle,wereadoptedtocharacterizefaultpattern.Theartificialneuronnet2workwasusedasclassifiertogetatleast85%recognitionratefor

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。