基于神经网络GIS局部放电模式的识别

doi:10.11930/j.issn.1004-9649.2013.10.60.6

中国电力 ›› 2013, Vol. 46 ›› Issue (10): 60-66.DOI: 10.11930/j.issn.1004-9649.2013.10.60.6

基于神经网络GIS局部放电模式的识别

李培江^{1, 2}, 朱晓锦¹, 尤婷³

1. 上海大学机电工程与自动化学院,上海 200072; 2. 衢州职业技术学院,浙江衢州 324000; 3. 衢州学院,浙江衢州 324000

收稿日期:2013-06-10 出版日期:2013-10-23 发布日期:2015-12-10
作者简介:李培江（1972—）,男,湖北荆门人,博士,副教授,从事结构智能监测研究。
基金资助:
浙江省自然科学基金资助项目（Y1110557）

Neural Network Based Partial Discharge Pattern Identification of GIS

LI Pei-jiang^{1, 2}, ZHU Xiao-jin², YOU Ting³

1. School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China; 2. Quzhou college of Technology, Quzhou 324000, China; 3. Quzhou college, Quzhou 324000, China

Received:2013-06-10 Online:2013-10-23 Published:2015-12-10

摘要/Abstract

摘要： 全封闭气体绝缘开关设备（GIS）广泛应用于电网中,其内部缺陷导致的设备故障可能会引起大面积停电事故。针对GIS缺陷放电模式识别问题,设计了3种GIS典型放电模式,通过实验平台获取放电指纹数据,并从中提取出12种特征。对基于单一网络方式的概率神经网络、自适应神经网络以及基于复合神经网络方式下的GIS局部放电识别问题进行对比研究,考察3种网络方式在输入验证、部分训练集等不同条件下的放电模式识别率与一致性问题。实验结果表明,采用上述单一方式神经网络可以作为一种局部放电识别手段,但识别结果的一致性较差,而复合神经网络不仅具有高识别率,而且一致性也较好,可以较好地满足GIS局部放电识别。

关键词: GIS, 局部放电, 神经网络, 模式识别

Abstract: Gas insulated switchgears(GIS) have been widely used in power grids. Equipment faults cased by internal defects of GIS, however, may cause large-area outage. For identification of discharge patterns of GIS defects, three typical GIS discharge patterns are designed in this paper. The fingerprint data are obtained by testing platform and 12 kinds of features are extracted from these data. A comparative study is conducted on GIS partial discharge pattern identification based on probabilistic neural network and adaptive neural network. The issue about input validation, partial training sets and composite neural network are tested in sequence. The test result shows that the probabilistic neural network and adaptive neural network can be used as an effective means of discharge pattern identification.Moreover, the composite neural network has a good identification consistency and high identification efficiency.

Key words: GIS, partial discharge, neural network, pattern identification

中图分类号:

TM83

李培江, 朱晓锦, 尤婷. 基于神经网络GIS局部放电模式的识别[J]. 中国电力, 2013, 46(10): 60-66.

LI Pei-jiang, ZHU Xiao-jin, YOU Ting. Neural Network Based Partial Discharge Pattern Identification of GIS[J]. Electric Power, 2013, 46(10): 60-66.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2013.10.60.6

https://www.electricpower.com.cn/CN/Y2013/V46/I10/60

参考文献

[1] 袁大陆,李岩军,和彦淼. 3.21北京电网220 kV草桥变电站停电事故调查分析[J]. 电网技术,2008,32（18）：92-95.
YUAN Da-lu, LI Yan-jun, HE Yan-miao. Analysis on blackout of 220 kV Caoqiao substation of Beijing power network in china on march 21, 2008[J]. Power System Technology, 2008, 32(18): 92-95.
[2] 李继胜,赵学风,杨景刚. GIS典型缺陷局部放电测量与分析[J]. 高电压技术,2009,35（10）：2440-2445.
LI Ji-sheng, ZHAO Xue-feng, YANG Jing-gang. Measurement and analysis of partial discharge on typical defects in GIS[J]. High Voltage Engineering, 2009, 35(10): 2440-2445.
[3] 谢超,孙勇. 800 kV特高压换流变压器现场局部放电试验[J].中国电力,2011,44（1）：19-21.
XIE Chao, SUN Yong. Field partial-discharge test for 800 kV UHVDC converter transformer[J]. Electric Power, 2011, 44(1):19-21.
[4] 狄谦,刘之方,李国富. 550 kV SF 6 气体绝缘组合电器套管研制[J]. 中国电力,2010,43（10）：16-19.
DI Qian, LIU Zhi-fang, LI Guo-fu. Development of 550 kV SF 6 gas-insulated switchgear（GIS）’s bushings[J]. Electric Power,2010, 43(10): 16-19.
[5] 谈克雄,朱德恒,王振远,等. 基于人工神经网络的局部放电识别[J]. 高电压技术,1996,22（1）：21-24.
TAN Ke-xiong, ZHU De-heng, WANG Zhen-yuan, et al . Recognition of partial discharge based on artificial neural network[J]. High Voltage Engineering, 1996, 22(1): 21-24.
[6] MAZROUA A A, BARTNIKAS R, SALAMAMMA M M A. Discrimination between PD pulse shapes using different neural networks paradigms[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 1994, 1(6): 1119-1130.
[7] LEE J S. An analysis of the partial discharge pattern related to the artificial defects introduced at the interface in XLPE cable joint using laboratory model[C]// Annual Report Conference on Electrical Insulation and Dielectric Phenomena. Cancun, Quintana Roo, Mexico, 2002: 482-485.
[8] JACQUELIN J. Inference of sampling on Weibull representation[J]. IEEE Transaction on Dielectrics and Electrical Insulation, 1996, 3(12): 806-808.
[9] 王辉,郑文栋. GK模糊分类算法在GIS局部放电模式识别中的应用[J]. 电力系统保护与控制,2011,39（17）：50-54.
WANG Hui, ZHENG Wen-dong. Application of Gustafson-Kessel fuzzy classification algorithm in the pattern recognition of partial discharge for GIS[J]. Power System Protection and Control, 2011, 39(17): 50-54.
[10] 张晓星,孙才新,唐炬. 基于统计不相关最优鉴别矢量集的GIS局部放电模式识别[J]. 电力系统自动化,2006,30（5）：59-62.
ZHANG Xiao-xing, SUN Cai-xin, TANG Ju. PD pattern recognition based on optimal sets of statistical uncorrelated discriminant vectors in GIS[J]. Automation of Electric Power Systems, 2006, 30(5): 59-62.
[11] BARTNIKAS R. Partial discharges-their mechanism, detection, and measurement[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2002, 9(5): 763-808.
[12] 司文荣,李军浩. 局部放电脉冲群的实用快速分类技术及应用[J]. 西安交通大学学报,2008,42（8）：1021-1025.
SI Wen-rong, LI Jun-hao. Fast and practical grouping technique for partial discharge pulse sequence and its application[J]. Journal of Xi’an Jiaotong University, 2008, 42(8): 1021-1025.
[13] VENKATESH S, GOPAL S. Robust heteroscedastic probabilistic neural network for multiple source partial discharge pattern recognition-significance of outliers on classification capability[J]. Expert Systems with Applications, 2011, 38(9): 11501-11514.
[14] YUAN Xiao-fang, WANG Yao-nan. Parameter selection of support vector machine for function approximation based on chaos optimization[J]. Journal of Systems Engineering and Electronics,2008, 19(1): 191-197.

[1]	吴小忠, 肖立华, 童超, 夏向阳, 袁翎, 甘星, 江志文, 黄湘源. 基于传递熵与JS-BP神经网络的锂离子电池容量预测模型[J]. 中国电力, 2025, 58(2): 186-192, 215.
[2]	田刚领, 武鸿鑫, 李娟, 张柳丽, 谢佳, 李爱魁. 风电场多功能储能电站功率分配策略[J]. 中国电力, 2024, 57(9): 247-256.
[3]	王宇飞, 杜桐, 边伟国, 张钊, 刘慧婷, 杨丽君. 基于DTW K-medoids与VMD-多分支神经网络的多用户短期负荷预测[J]. 中国电力, 2024, 57(6): 121-130.
[4]	吴军英, 路欣, 刘宏, 张彬, 柴守亮, 刘蕴春, 王佳楠. 基于Spearman-GCN-GRU模型的超短期多区域电力负荷预测[J]. 中国电力, 2024, 57(6): 131-140.
[5]	邵必林, 纪丹阳. 基于VMD-SE的电力负荷分量的多特征短期预测[J]. 中国电力, 2024, 57(4): 162-170.
[6]	陈巳阳, 韩利, 方济中, 丁五行, 成诚, 李文, 张源, 钱勇. 基于不确定参数的变电站碳储量预估方法[J]. 中国电力, 2024, 57(4): 200-210.
[7]	娄奇鹤, 李荣盛, 谭捷, 袁铁江. 基于卷积神经网络的暂稳极限功率计算[J]. 中国电力, 2024, 57(4): 211-219.
[8]	马汝括, 董杰, 王雅湉, 伊国鑫, 丁祥浩, 马乐. 基于神经网络的高寒地区CF₄和SF₆/CF₄检测[J]. 中国电力, 2024, 57(3): 103-112.
[9]	阎洁, 杨佳琳, 王航宇, 卢姣阳, 刘永前, 张磊. 基于风况预测误差自适应的海上风电场尾流偏转控制方法[J]. 中国电力, 2024, 57(3): 190-196.
[10]	李卓, 王胤喆, 叶林, 罗雅迪, 宋旭日, 张振宇. 从感知-预测-优化综述图神经网络在电力系统中的应用[J]. 中国电力, 2024, 57(12): 2-16.
[11]	陈庆斌, 杨耿煌, 耿丽清, 苏娟, 孙京生. 基于相似日选取和数据重构的短期光伏功率组合预测方法[J]. 中国电力, 2024, 57(12): 71-81.
[12]	陈来恩, 曾小勇, 曾子豪, 成采辰, 孙耀科. 基于物理信息与深度神经网络的锂离子电池温度预测[J]. 中国电力, 2024, 57(11): 18-25.
[13]	薛松萍, 高德荃, 赵子岩, 林彧茜, 广泽晶, 张大卫. 基于业务差异化传输需求下的电力通信网路由算法[J]. 中国电力, 2024, 57(11): 183-190.
[14]	周颖, 白雪峰, 王阳, 邱敏, 孙冲, 武亚杰, 李彬. 面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J]. 中国电力, 2024, 57(1): 9-17.
[15]	王大兴, 宁妍, 汪敬培, 徐洋, 毕峻, 周铭标, 王鹏. 构建新型电力系统背景下的微电网鲁棒简化建模[J]. 中国电力, 2024, 57(1): 148-157.

基于神经网络GIS局部放电模式的识别

Neural Network Based Partial Discharge Pattern Identification of GIS

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于神经网络GIS局部放电模式的识别

Neural Network Based Partial Discharge Pattern Identification of GIS

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics