变压器局部放电信号检测与类型识别.pdf

2016年3月15日
现代电子技术
Mar.2016
第39卷第6期
Modern Electronics Technique
Vol 39 No. 6
doi:10.166521.issn.1004-373x.2016.06.044
变压器局部放电信号检测与类型识别
赵建利,刘海峰,刘婷,岳国良2,孙袆,付龙明
(1.国网河北省电力公司电力科学研究院,河北右家庄050021;2.国网河北省电カ公司,河北石家庄050021;
3.北京中恒博瑞数字电力科技有限公司,北京100085
摘要:为实现变压器局部激电信号捡测和类型识别,设计基于超高频(UHF)法的变压器局部放电检测系统,针对4种
典型的变压器放电模型进行了局部效包实验,获得相应的局部放电包络信号数据,并通过以太网通信将数据上传至电脑
利用提升双树复小波变换对包络信号数据进行消噪,从消噪后的信号不难看出,同一放电模型的局部放电包络信号形状大
致相同,不同放电模型存在差别。提取6种包络信号的特征参数,結合外部加载电压,采用BP神经网終对变压器局部放电
类型进行识别,当训练误差8=0.02时,変压器放电类型识别平均正确率在98%以上。
关键词:变压器局部放电;超高频法;提升双树复小波;BP神经网络
中图分类号:TN911.2.3-34;TM933
文献标识码:A
文章编号:1004-373X(2016)06-0166-05
Signal detection and type recognition of transformer partial discharge
ZILAO Jianli, LIU Laifeng, LIU Ting, YUE Guolian, SUN Yi", FU Longming
(1. Electic Power Rescarch Institute, State Grid Iichei Elcctric Powcr Compan, Shijiazhuang 050021, China
2. Stale Grid Hehei P.: Power Company, Shijiahuang 050021, China
3. Beiiing Joinbight Digital Power Technology Limited ompany, eiiing 100)85. China
Abstract: A Irans ormer partial discharge delection syslem based on ullra-high frequency([HF)method was designed lo
realize the signal detection and type recognition of transformer partial discharge. The partial discharge experiments were conduct-
ed for the four typical transformer discharge models to obtain the corresponding envelope signal data of partial discharge. The da-
ta is uploaded to the computer through Ethernet communication. The envelop signal data was denoised by improving the dual
Lree complex wavelet Iransform. IL is not dillicull lo liud Irom lhe denoised single Lhat the cnvclop signal shapes of the same par
lial discharge model are almost Ihe same, and Ihe envelop signal shapes of dillerenl partial discharge models are differenl. Tho
transformer partial discharge types were recognized with BP neural network, by extraction of characteristic parameters of six en
velop signals, and in combination with the external loading voltage. When the training error d is 0.002, the average correctness
of transformer discharge type recognition can reach up to more than 98%0
Keywords: Transformer partial discharge; Uir mcthod; improvement of dual-lree complex wavelet; BP neural network
变压器是电力系统中的关键设备,维护其安全稳定采用频谱仪对UITF信号实施频谱分析的方法也仅用于
运行至关重要。变压器运行的可靠性取决于其绝缘状实验室研究。木文设计了基于しII法に湖的变压器局
况,变压器在绝缘性能降低时会产生局部放电,而局部部放电检测系统,系统利用しUHF蝶形天线获得局部放
放电又会导致变压器绝缘性能进一步下降甚至破坏,因电信号,然后进行包络检波,实现降頻后再采样,最后通
此,检测变压器局部放电具有很高的应用价值
过以太网通信模块传输到电脑上。在电脑上利用提升
变压器局部放电产生的UIIF信号包含了放电类双树复小波法对包络信号进行消噪,并借助BP神经网
型、放电强度以及局部放电源位置等丰富的信息,但络模式识别法对变压器缺陷进行分类,获得了良好
UHF信号频谱带宽高达GHx,如何得到该信号是个非的变压器缺陷识别效果。
常棘手的问题。采用数据采集装置直接对UIIF原始信
号进行采样,数据量巨大,硬件电路成本ト分昂贵;而
1变压器局部放电检测系统及放电模拟实验
1.1基于UTIF法的局部放电检测系统
收稿日期:2015-09-07
木文自主研发的变压器局部放电檢测系统如图1