文摘

智能变电站的电气设备无法处理负载突变的问题,和负载调整不及时,导致穷人电气设备热故障识别的性能。因此,研究智能变电站的电气设备热故障识别提出了基于红外技术。首先,红外技术的背景下,根据变电站电气设备的热故障特征提取模型,提出了双站交叉位置的原则;结合热故障特征参数的采样结果智能变电站的电气设备热故障特征进行了分析;通过热故障识别的过程智能变电站的电气设备热故障的初步分类结构和热断层识别完成后获得的。实验结果表明,该设计方法具有良好的性能的热故障识别、高输出稳定,优化后更好的识别效果,高度敏感的识别能力。

1。介绍

智能变电站控制技术的不断发展,电气设备的使用变电站的智能控制和管理可以提高智能变电站的稳定、可靠运行能力(1,2]。在智能变电站电气设备的稳定性很差,由于其长期高负荷运行。的特点是在极端条件下,输出功率和负载智能变电站电气设备的急剧增加,导致一个很大的区别在变电站电气设备的故障。为了提高变电站的电气设备的操作稳定性,有必要优化在变电站电气设备的故障诊断和检测和改善工作条件的自适应性,在智能变电站电气设备3,4]。随着电力系统的迅速发展,在现代社会,各种电子设备和技术相关的权力也被开发和改进。智能变电站的电气设备提高人民生活水平和生产力5]。同时,由于其自身的缺陷和漏洞,电气设备往往是关闭,产品质量降低,甚至人们的生命安全受到威胁。因此,识别在智能变电站电气设备的操作,确定故障定位和诊断故障的原因,并确保电气设备的安全运行是当前研究的重点领域。

相关学者进行了深入的研究。文献[6]设计了红外图像和可见光图像的融合技术,它应用于变电站电气设备热故障监控。使用集成的图像采集PTZ,红外图像和可见图像集成通过使用图像分割和融合的计算方法,以及设计的监控系统应用于实际的场景。文献[7)结合了红外温度传感器和热敏电阻传感器的技术,利用ZigBee无线网络的数据传输特点制定海洋电气设备过热监控系统。网络协议,周围的电路控制芯片和传感器的电路过热监控系统详细设计来提高船用电气设备的温度监测效果。文献[8]提出了分布式变电站高压电气设备在线监测系统的设计基于图像分割技术作为一种重要的支持机制,实时监测和显示系统频率、谐波电压、谐波电流,三相电压不平衡、电压波动和闪烁,实际功率因数等电能质量参数中指定国家标准。在此基础上,本文首先分析了建设中存在的问题的分布式变电站电气设备在线监测网络设计系统,然后给出了高压电气设备在线监测系统的建设策略。文献[9)设计和开发一个智能监控系统10 kV基于物联网的箱式变电站。盒子变压器综合状态传感设备和计算边缘网关设备,完成多维操作参数收集和当地的分析和计算,并发送数据到物联网数据采集平台通过窄带物联网网络。平台应用软件实现实时在线监测、故障预警、变压器和操作评估框。通过工程实践,验证了系统功能。

基于上述方法,本文设计了一种热故障识别方法在基于红外技术的智能变电站电气设备。红外技术的前提下,在变电站电气设备热故障特征提取模型构建;然后,双站交叉位置的原则分析获得热故障特性,分析热故障的初步分类结构,并完成热故障识别。研究表明,热故障识别的设计方法具有良好的性能。

2。热断层异常节点位置的原则在基于红外技术的智能变电站电气设备

红外感应技术使用热点或图像形成的红外辐射差异目标和获取目标场景信息。红外接收光学系统由光学系统和探测器,信息处理器,扫描和伺服控制器,输出接口的信息,中央计算机和其他设备。

其中,红外接收光学系统的功能是将目标区域的红外辐射探测器。其结构类似于通常的接收光学系统,而是因为它在红外波段,其光学材料和涂层必须适应其工作波长。红外传感器将目标和背景的红外辐射转换成电信号,输出的信息处理器的视频后不均匀性校正和放大。

信息处理器是由硬件和软件组成的。快速处理的视频后,获得的目标,然后通过数据接口输出。显示器可以实时显示视频信号和状态信息。中央计算机的功能是提供时间、状态、接口,内部和外部的指令和其他控制整个系统。扫描和伺服控制器是用来控制光学扫描镜或伺服平台的工作,和反馈的角位置信息光学扫描镜或伺服平台到中央计算机。

红外感应技术的主要优势是它满足要求的高隐蔽的隐形本身,也就是说,被动探测,没有电磁波的辐射,而且因为工作波长比微波雷达短3 - 4个数量级,它可以形成一个高的目标图像的细节,和目标分辨率也很高。

在这个阶段,由于红外技术的快速发展,异常的位置节点电气设备热故障的基于红外技术已广泛应用于智能变电站的研究领域(10,11]。红外技术需要接受所有异常节点生成的信号,比如在节点传输错误或过热,然后识别异常节点的近似范围根据实际信号传输位置和传播方向。因此,粗略范围异常热故障节点的位置可以实现智能变电站的电气设备。

2.1。双站交叉位置

通常,红外技术角度测量和定位系统将采用双测站法实现三角交叉定位根据测量角度的信息。然而,在定位的过程中电气设备的热故障异常节点在实际的智能变电站,当附近的异常节点0度或180度方向,测量的距离将偏离实际情况,叫做几何稀释在研究领域12]。在这一前提下,分析了基本工作原理的两个站交叉位置和定位精度等问题的深入研究。它应用于红外探测系统。通过集成红外技术平台的特点,变电站电气设备的热故障特征提取模型与正交多站方角度得到如图1。

根据变电站电气设备的热故障特征提取模型图1,双工位交叉位置确定的原则。双工位交叉位置是基于两个(不确定观测点13),是由测量的距离目标的角度和其他数据,和位置是基于人类视觉系统。目标之间的距离取决于之间的交叉角关系观察目标和两个观测点。定位原理如图2:

其中,图2显示了不同角度的关系。为了方便分析,以下假设的原则:(1)这是完全正确的假设的长度 , ,和没有任何错误值的测量过程(2)假设的误差值的红外探测器测量已知方位,它被描述为和(3)假设之间的差异水平路径距离和倾斜路径距离可以忽略,根据图2,顶角将满足以下方程:

基于上述假设,我们收集和分析热电气设备的故障特征。

2.2。收集和分析电气设备热故障特征参数的智能变电站

2.2.1。集热故障特征参数智能变电站的电气设备

为了实现热故障特征参数的收集智能变电站电气设备的基于红外技术,多维参数识别、和节点位置的物联网方法用于提取和定位在智能变电站电气设备的热故障特征,以提高热故障检测的适应性14]。根据上述分析,热故障定位的实现流程图和检测电气设备的智能变电站如图3。

根据热故障定位的实现流程图和检测在智能变电站电气设备图所示1零序过电流保护和特征参数识别方法采用(15,热的提取零序分量故障智能变电站电气设备的参数作为约束对象获得的热故障参数的频率值分布在智能变电站电气设备,这是表示如下:

在公式(2),代表热的载频故障参数分布智能变电站的电气设备,代表热故障定位和检测的顺序代表热断层参数输入的振幅。

此时,根据子空间组件热故障样本信息的智能变电站的电气设备热故障的频率分布的融合结果的参数得到了智能变电站的电气设备(16),手工遍历和改变和结束条件获得的热故障特征频率分量的智能变电站的电气设备。计算公式表达如下:

在公式(3),代表变压器信号脉冲的数量代表数量的输出通过变压器空载关闭故障特征建模。根据变压器空载关闭的故障特征建模输出,变电站的故障样本收集,热故障特征融合分析的智能变电站电气设备是在此基础上进行。

2.2.2。融合分析热在智能变电站电气设备的故障特征

为了实现热故障特征的融合分析智能变电站的电气设备热故障的融合分析模型在智能变电站电气设备的特点是建立基于热故障稳态信息收集的样本结果智能变电站的电气设备(17的等效电路图,电气设备热故障智能变电站中得到如图4。

根据等效电路的图在图4热故障的功率谱密度特性获得在智能变电站电气设备的输出如下:

在公式(4),代表了输出电压的变压器的空载关闭,励磁电感,和励磁电阻被视为常数,采用软阈值检测方法。阈值参数在智能变电站电气设备热故障定位如下:

在公式(5),代表了磁链变压器空载关闭后,代表了自适应调整变压器空载系数关闭输出,和值范围 。通过上述分析,热故障特征的融合分析智能变电站的电气设备完成。

3所示。实现智能变电站电气设备热故障识别的基于红外技术

融合后的热故障特征分析在智能变电站电气设备,确定惯性权重直接相关的全局搜索能力的优化过程热故障分析结果(18]。因此,优化是实现动态惯性权重 。其计算公式如下:

在公式(6),代表迭代和的数量和都代表了重量。前者是最大的,后者是最小值。

改善后的全球搜索功能红外技术和红外技术的完成自我优化,为了使红外技术来快速完成搜索全球智能变电站电气设备热故障分类和识别结果(19,20.),参数优化。惩罚因子和核参数,优化参数表达和 ,分别。然后,优化的适应度的计算公式函数如下:

在公式(7),和代表输出结果。前者对应于实际,后者对应于预期;表明数量相对应的样品检查。

红外技术用于识别电气设备热故障的不同类型的智能变电站。具体操作过程如图5:

3.1。培训阶段

通过收集到的热故障数据智能变电站电气设备的特征提取,降维,和其他操作获取训练样本集,并选择适当的内核函数模型训练(21- - - - - -23]。

3.2。故障识别阶段

通过热断层数据智能变电站的电气设备在训练阶段,测试样本的决策输出值计算获得,和分类决定通过函数的输出值24,25]。

确认故障后,遗传性出血性毛细血管扩张症是用于分析零序电压信号和命令电流信号在一个周期后的错,和初步分类智能变电站电气设备热故障的步骤在图6。

根据电气设备热故障的初步分类的智能变电站如图6线路故障时,确定为低阻故障,我们分析和处理故障电压和数据来确定故障类型和阶段。遗传性出血性毛细血管扩张症是用来处理三相电压和三相电流信号在一个周期后的错,和获得信号的希尔伯特谱26]。因为希尔伯特谱包含丰富的瞬态信息,故障信息可以提取。故障特征向量构造IMF1的瞬时振幅和IMF2。同时,构建点故障特征向量的维数降低,和故障特征向量提取的主成分。

遗传性出血性毛细血管扩张症是一种新型的非线性分析的输电线路智能变电站电气设备将产生丰富的瞬态组件发生故障时。首先,固定信号分为多个固有模式组件IMF一步一步根据不同尺度的波动或趋势。IMF Hilbert-transformed获得信号的时频光谱,它具有良好的时频分辨率,可以更好地反映原始特征信号,检测突变信号,并利用HHT方法建立线路故障特征向量分布智能变电站的电气设备。

输电线路智能变电站电气设备的故障信号的非平稳信号。从非平稳的信号中提取特征信息是热故障识别的关键。因为高频组件可以凭直觉和敏感描述信号突变。因此,不同的国际货币基金组织(IMF)组件通过EMD分解,和后来的变异程度组件在突变点会变得更弱,和原始信号包含的信息将变得越来越少。一般来说,1∼2国际货币基金组织的组件可以选择提取原始故障信息。热故障的具体结构的识别在智能变电站电气设备图所示7:

具体操作步骤如下:(1)输电线路的参数故障智能变电站电气设备的初始化,规模和运动空间设置,初始健身分别计算,更新个体最优位置在同一时间。(2)判断热断层满足当前更新的条件。如果条件满足,更新水平,然后更新位置;相反,位置更新直接计算每个个体的健身价值和最优位置。(3)我们判断算法的终止条件满足和输出同时最优值。否则,我们返回到步骤(2)。(4)Output-output热断层识别特征,我们将最好的个人健身值作为最优个体。

总之,研究热故障的识别在智能变电站电气设备基于红外技术完成。

4所示。实验分析

为了验证应用程序的性能和效果的热故障的识别在智能变电站电气设备基于红外技术,智能变电站的电气设备电力企业作为研究对象来获取设备的相关数据。在数据收集的过程中,为了确保收集的数据的准确性和全面性,结合地理环境和输电线路的范畴在智能变电站电气设备的企业,收购的步长设置为3公里。集合时间是两个月,总共有10组数据获得和故障,故障2,分别和故障3。三种类型的隐藏问题的数量是10,15日和13日。上述三个隐藏的问题发展特点,很容易导致绝缘损坏的输电线路智能变电站电气设备的塔倾斜,泄漏和权力操作的缺点。

在实验中,反应器作为实验设备,以及inter-turn短路的正常波动状态接口是预设的。当输入电压达到额定电压时,反应堆生产标准和电网条件检查。如果它满足网格应用程序要求,540 V的输入电压加载。迭代的最大数量是200,和学习的因素和分别是1.4和1.6。不同影响因素下,电气设备的热故障智能变电站提出了不同的特征参数和敏感性。为了明确地描述故障的特点,峰度,方差,相位超前,和其他特征量用于描述时域特征参数,表中描述1。

根据参数表1,为了准确获得热故障特征频带滤波器的信号在智能变电站电气设备,采用统一的划分方法将所有的时域特征参数,完成小波分解,正交小波。频域特征参数描述的子频带frequency-filtered信号获得部门后,并根据帕可获得以下标识:

在公式(8),代表了频域特征参数;代表小波包系数;和表明威胁系数。基于公式(8),得出能量维度,可用于能量特征提取。实验的具体流程如图8:

为了测试隐藏故障的特征提取性能的输电线路在这种方法中,时域特征参数结果作为测量标准根据过程图8。以隐而未现的过错的输电线路为例,该方法用于获得热故障识别的时域特征参数表1,该参数的影响程度在不同类型的隐藏的缺点是计算公式(8)。计算结果的平均值作为结果,表中描述2。

结果显示在表中2,有一定的差异的结果五时域特征参数的输电线路的电气设备热故障类别三个智能变电站,和有一些差异在5时域特征参数的影响这三个热的缺点。其中,平均值的三个相位超前的时域特征参数,频率的意思是,和振幅平方根意味着相对较低,这表明他们有一个低程度的影响热故障。其中,峰度和方差的平均结果是最高的,说明这两个参数有高度的影响热故障。因此,该方法具有良好的热故障特征识别的性能。

变电站电气设备的热故障特征的提取。热故障包括高频和低频出错。热断层识别结果如图9。

据图分析3该方法的,输出稳定变电站电气设备热故障识别的高。为了测试的优势优化后的热故障识别方法和获得的误差结果热故障的识别输电线路变电站电气设备的不同迭代次数下之前和之后的优化,以衡量优化该方法的优点。图中描述的结果10。

从结果可以看出在图10该方法的优化之前,与迭代次数的逐渐增加,热故障识别的错误结果的输电线路变电站电气设备逐渐减少。当迭代次数的方法优化40岁之前错误的结果会达到一个稳定状态;优化后,这种方法的误差结果达到稳定状态时约20倍。结果表明,该方法的识别效果更好的优化。

的反应堆负荷智能变电站固定不变,我们测试的识别能力热故障定位的方法,文献[8]和文献[9]。的识别性能识别电气设备热故障定位模型图所示11。

从图可以看出11预警数据统计的方法在任何热故障定位高于65倍,表明该方法具有较高的识别精度热故障定位和可以收到预警信号在一个大范围和准确地识别热故障定位。热故障早期预警数据的统计网站在文献[8方法不得超过40次,热故障早期预警数据的统计网站在文献[9不得超过35次)方法。通过以上比较,可以看出,该方法更详细和清晰的识别热故障信号,表明这种方法是高度敏感的电气设备热故障的位置。

5。结论与展望

5.1。结论

(1)五个时域特征参数有不同影响的三个热的缺点。其中,平均值的三个相位超前的时域特征参数,频率的意思是,和振幅平方根意味着相对较低,峰态和方差的平均结果是最高的。该方法具有良好的热故障特征识别性能。(2)电气设备热故障识别方法在基于红外技术的智能变电站高输出的稳定性。(3)该方法的优化之前,在迭代次数的逐渐增加,热故障识别的误差结果对变电站电气设备和输电线路逐渐减少,优化后的识别效果更好。(4)该方法的预警数据项在任何热故障定位高于65倍,这表明,该方法在识别热故障定位精度高,能收到预警信号在一个大范围,准确地识别热故障定位,高度敏感的识别能力。

5.2。前景

随着科学技术的不断发展和电力系统,电气设备已广泛应用于许多领域,如智能视频监控设备,大型自动操作设备在工厂和电缆线路绝缘子监测设备。而智能变电站的电气设备给人们的生活带来了方便,电气设备的潜在安全隐患造成的长期高强度也必须注意操作环境。一旦设备发生故障,在全国电力系统的操作将会严重影响。在智能变电站电气设备的故障识别手册运营商的缺点是重操作人员的工作量,增加人类的眼睛疲劳,和强烈的主观参与人工判断。因此,消除手工操作检测设备故障,用智能故障识别模型智能变电站的安全维护的重点。的挑战,如何提高实验数据的选择,使实验数据实证是未来研究工作的核心内容。

数据可用性

原始数据支持了本文的结论将由作者提供,没有过度的预订。

的利益冲突

作者声明,关于这项工作他们没有利益冲突。

确认

这项工作是由“通信和电子实验和培训基地建设”(202101220021);“电子技术实践教学基地建设”(202101232027)。