关键词:
HHT变换
模态混叠抑制
电力电缆附件
局部放电
故障诊断
支持向量机
极限学习机
摘要:
随着社会的发展以及人民生活水平的提高,国家对于电能的需求也在不断增加,对电力运行质量也提出了更高的要求。我国城市电网线路运行目前正走在全面高压电缆化的道路上,线路一旦发生故障,将导致严重的停电事故,严重威胁了人民群众的生命和财产安全。而电力系统线路运行故障中大多数是由电缆附件缺陷引起的,因此有必要对电力电缆附件故障诊断技术进行研究,以实现电缆附件故障的准确判断,进而采取有效措施,避免绝缘事故的发生。电力电缆附件故障诊断技术主要包括局部放电信号分析及缺陷类型识别。国内外专家学者经过大量研究发现,电力电缆附件故障检测最有效的方法是进行局部放电测量,而局部放电信号的分析对于缺陷类型识别方法的应用有重要的预处理作用,本文采用HHT模态混叠抑制算法对试验采集到的局部放电信号进行分解分析。在信号分析的基础上,根据分解得到的去噪信号,分别采用支持向量机和极限学习机算法进行缺陷类型识别,并对比两种方法的识别准确率进而确定最终的识别算法。主要研究内容如下:(1)深入了解了电力电缆附件故障缺陷易发生的位置、缺陷类型等问题,分析了电力电缆附件缺陷产生的原因;(2)开展了电力电缆附件局部放电试验,采用HHT方法对采集到的局部放电进行分析,发现了分析结果与实际偏差较大,因而考虑将小波包变换与HHT变换相结合的模态混叠抑制方法,并应用局部放电信号分析中完成了验证;(3)介绍了支持向量机和极限学习机两种理论方法,并且通过鸢尾花种类识别数据对两种方法的识别准确率进行了对比,阐述了两种方法的优缺点;(4)将以上所述的HHT模态混叠抑制方法、支持向量机和极限学习机应用到电力电缆附件故障诊断试验中,在局部放电分析环节以及缺陷类型识别环节分别采用相应方法做了对比分析,对本文提出的HHT模态混叠抑制方法进行了验证,并选取了最佳的识别方法。试验结果表明,本文所提的HHT模态混叠抑制方法应用到局部放电信号分析中能够使信号分析结果表达更清晰,同时在这一过程中对信号进行了滤波去噪,且去噪效果良好;将支持向量机和极限学习机应用到缺陷类型识别中的识别准确率进行对比,结果表明极限学习机的识别准确率更高,因此更适合电缆附件故障诊断。