光譜分析技術(shù)在GIS絕緣故障診斷中的應(yīng)用

第1章 概論 1
1.1 氣體絕緣組合電器概述 1
1.2 GIS內(nèi)部絕緣故障 2
1.3 GIS絕緣故障檢測(cè)方法 4
1.3.1 局部放電故障檢測(cè) 4
1.3.2 局部過(guò)熱故障檢測(cè) 7
1.3.3 基于SF6分解物分析的GIS絕緣故障檢測(cè) 8
1.4 基于SF6分解物診斷技術(shù)存在的問(wèn)題 9
第2章 SF6分解模擬實(shí)驗(yàn)及分解生成特性分析 11
2.1 SF6局部放電分解物生成特性 11
2.2 SF6高溫分解產(chǎn)物生成特性 14
2.3 局部放電條件下SF6分解模擬實(shí)驗(yàn) 16
2.3.1 模擬放也實(shí)驗(yàn)平臺(tái) 16
2.3.2 缺陷模型 19
2.3.3 實(shí)驗(yàn)設(shè)計(jì) 21
2.4 局部放電分解物生成特性分析 22
2.4.1 SF6局部放電分解機(jī)理 22
2.4.2 不同PD類(lèi)型下分解物生成特性 25
2.4.3 不同電壓等級(jí)下的分解物生成特性 32
2.4.4 不同氣壓等級(jí)下的分解物生成特性 38
2.5 局部過(guò)熱條件下的SF6分解模擬實(shí)驗(yàn) 42
2.5.1 模擬過(guò)熱實(shí)驗(yàn)平告 42
2.5.2 實(shí)驗(yàn)設(shè)計(jì) 44
2.6 局部過(guò)熱分解物生成特性分析 45
2.6.1 分解產(chǎn)物生成特性 45
2.6.2 不同溫度等級(jí)下分解物生成特性 46
第3章 SF6分解產(chǎn)物的光譜信號(hào)預(yù)處理技術(shù) 50
3.1 光譜信號(hào)去蝶 50
3.1.1 基于小波閩值的光譜去嗓算法研究 50
3.1.2 基于小波模極大值的SF6混合氣體尤譜去噪算法研究 53
3.1.3 算法實(shí)例分析 61
3.2 SF6混合氣體光譜的連續(xù)譜去除算法 63
3.2.1 連續(xù)譜去除算法研究概況 63
3.2.2 迭代小波連續(xù)譜去除算法 65
3.2.3 SF6混合氣體光譜的模極大值擬合連續(xù)譜去除算法 69
3.2.4 SF6混合氣體光譜的**小波基連續(xù)譜去除算法 71
3.3 SF6混合氣體光譜的重疊峰分離算法 74
3.3.1 重疊峰分離算法研究概況 74
3.3.2 SF6混合氣體光譜的重疊峰分離的分形算法 77
3.3.3 結(jié)呆與討論 83
第4章 光譜分析與多元校正算法 87
4.1 主成分分析法 87
4.1.1 數(shù)學(xué)模型 87
4.1.2 主成分分析計(jì)算過(guò)程 88
4.2 因子分析法 89
4.2.1 數(shù)學(xué)模型 89
4.2.2 因子分析計(jì)算過(guò)程 90
4.3 多元線性校正算法 91
4.3.1 多元校正的研究概況 91
4.3.2 多元校正原理及實(shí)現(xiàn) 92
4.3.3 SF6混合氣體光譜多元扶正算法實(shí)現(xiàn) 94
4.3.4 結(jié)果與討論 98
第5章 局部放電故障診斷方法 102
5.1 特征參量提取 102
5.1.1 譜圖數(shù)據(jù)解讀 102
5.1.2 譜圖的定量分析 103
5.2 基于徑向基神經(jīng)網(wǎng)絡(luò)的診斷模型實(shí)驗(yàn) 107
5.3 決策樹(shù)算法 109
5.3.1 決策樹(shù)算法適用的問(wèn)題 109
5.3.2 決策樹(shù)的生成 110
5.3.3 決策樹(shù)測(cè)試屬性的選擇 110
5.3.4 決策樹(shù)修剪 111
5.3.5 基于決策樹(shù)的診斷模型實(shí)驗(yàn)結(jié)果 113
5.4 SVM算法 115
5.4.1 支持向量機(jī)原理 115
5.4.2 基于SVM的GIS絕緣故障類(lèi)型辨識(shí) 120
第6章 持續(xù)放電下故障趨勢(shì)估計(jì)模型 124
6.1 隱Markov模型用于分解物分析技術(shù) 124
6.1.1 可行性分析 124
6.1.2 HMM基本思想與數(shù)學(xué)模型 125
6.1.3 HMM基本算法描述 127
6.1.4 HMM類(lèi)型劃分 131
6.2 連續(xù)HMM 132
6.2.1 模型描述 132
6.2.2 算法修改 133
6.2.3 多觀測(cè)樣本訓(xùn)練 134
6.3 持續(xù)性放電故障下分解物生成特性的趨勢(shì)建模 135
6.3.1 持續(xù)性放電條件下SF6分解模擬實(shí)驗(yàn) 135
6.3.2 基于CHMM的分解物生成特性趨勢(shì)建模 139
第7章 基于紫外光譜技術(shù)的故障現(xiàn)場(chǎng)預(yù)警 142
7.1 現(xiàn)有分解物檢測(cè)方法比較 142
7.2 基于紫外吸收光譜的故障統(tǒng)一預(yù)警技術(shù) 144
7.2.1 GIS故障的現(xiàn)場(chǎng)預(yù)警 144
7.2.2 預(yù)警特征分解物選擇 145
7.2.3 紫外吸收光譜技術(shù)原理 146
7.3 主要分解物的紫外光譜特性研究 148
7.3.1 不同組分紫外定性光譜檢測(cè)實(shí)驗(yàn) 148
7.3.2 不同濃度SO2紫外光譜檢測(cè)實(shí)驗(yàn) 152
7.4 基于奇異譜分析的現(xiàn)場(chǎng)光譜數(shù)據(jù)處理 154
7.4.1 奇異值分解 155
7.4.2 奇異譜分析 156
7.4.3 自適應(yīng)光譜數(shù)據(jù)處理方法 159
7.5 譜圖處理算法性能驗(yàn)證實(shí)驗(yàn) 162
7.5.1 去噪性能仿真實(shí)驗(yàn) 162
7.5.2 SO2識(shí)別及定量建模實(shí)驗(yàn) 167
7.6 GIS絕緣故障的紫外預(yù)警實(shí)驗(yàn) 169
7.6.1 模擬故障檢測(cè)實(shí)驗(yàn) 169
7.6.2 實(shí)際故障檢測(cè)實(shí)驗(yàn) 172
參考文獻(xiàn) 175