关键词：
交联聚乙烯电缆
局部放电
噪声抑制
模式识别
神经网络
摘要：
交联聚乙烯(Cross Linked Polyethylene,XLPE)电缆是电力输送的关键载体,在电网及整个电力系统中都扮演着至关重要的角色,其绝缘性能的好坏会极大地影响电网运行的稳定性和安全性,决定整个系统的安全可靠运行。局部放电作为电缆绝缘老化的前兆现象和主要诱因,可以有效地表征XLPE电缆的绝缘健康状况,因此开展基于局部放电的XLPE电缆绝缘状况在线监测与故障诊断技术研究对掌握电缆的绝缘状况,保障电力系统稳定运行具有重要意义。本文围绕XLPE电缆绝缘状况在线监测与故障诊断技术进行研究。首先,绝缘状况监测应在对电缆故障机理与局部放电发生机理深入研究的基础上展开。为此,首先对XLPE电缆结构进行了详细研究,统计分析电缆典型绝缘故障及原因;随后,结合引起电缆绝缘故障的五种老化作用类型,对绝缘故障机理进行了总结归纳;最后,结合单气隙放电过程深入分析局部放电发生机理,总结局部放电类型及对电缆绝缘介质的危害。其次,绝缘状况准确监测的实现是建立在全面有效地获取局部放电信号的基础上。XLPE电缆运行环境复杂,现场局部放电信号中通常含有大量的噪声信号,为此本文提出了基于自适应变分模态分解的局部放电信号去噪方法。首先研究了融合量子遗传算法的变分模态分解参数优化方法,并提出最大加权峭度作为优化目标,实现了参数自适应选取,为后续去噪奠定了基础;然后,基于小波阈值去噪的思想,推导改进了小波阈值函数,提升了小波分解法的去噪性能;最后,通过仿真与实测信号测试,结果表明,本文所提方法既能够实现信号与噪声的有效分离,又能够完整保留信号特征。最后,局部放电模式的准确识别是电缆绝缘状况故障诊断的前提。针对局部放电模式识别中依赖专家经验且缺乏泛化性的问题,提出了基于CNN-Transformer混合网络的局部放电信号模式识别方法,CNN-Transformer综合了卷积神经网络局部特征提取能力和Transformer善于挖掘时间上下文信息的优点,以局部放电信号相位图谱作为输入,提取局部放电信号特征。实验结果表明,与传统方式相比,CNN-Transformer拥有更优异的识别性能。
欢迎来到三峡大学图书馆！
