局部放電檢測(cè)與絕緣體狀態(tài)評(píng)價(jià)

目錄
前言
第一篇 氣體絕緣裝備局部放電檢測(cè)及噪聲評(píng)價(jià)
第1章 緒論 3
1.1 氣體絕緣裝備結(jié)構(gòu)及應(yīng)用 3
1.1.1 氣體絕緣裝備種類及結(jié)構(gòu) 3
1.1.2 氣體絕緣封閉組合電器 7
1.2 氣體絕緣裝備內(nèi)部常見絕緣故障 10
1.2.1 氣體絕緣裝備內(nèi)部絕緣故障案例統(tǒng)計(jì) 10
1.2.2 氣體絕緣裝備內(nèi)部典型絕緣故障原因 11
1.3 氣體絕緣裝備故障及狀態(tài)監(jiān)測(cè)方法 13
1.3.1 氣體絕緣裝備故障檢修試驗(yàn)標(biāo)準(zhǔn) 13
1.3.2 現(xiàn)有氣體絕緣裝備狀態(tài)檢測(cè)技術(shù) 15
參考文獻(xiàn) 19
第2章 氣體絕緣裝備PD主要檢測(cè)方法 22
2.1 脈沖電流法 22
2.1.1 脈沖電流法基本原理 22
2.1.2 脈沖電流法三種常用電路 22
2.2 特高頻檢測(cè)法 23
2.2.1 特高頻檢測(cè)法基本原理 23
2.2.2 工程應(yīng)用案例 24
2.3 光測(cè)法 27
2.3.1 光測(cè)法基本原理 27
2.3.2 測(cè)量參數(shù)與方法 28
2.4 超聲波檢測(cè)法 31
2.4.1 超聲波檢測(cè)法基本原理 31
2.4.2 工程應(yīng)用案例 32
2.5 SF6分解組分分析檢測(cè)法 35
2.5.1 SF6分解組分分析檢測(cè)法基本原理 35
2.5.2 工程應(yīng)用案例 35
參考文獻(xiàn) 40
第3章 PD信號(hào)噪聲特點(diǎn)與SNR二階估計(jì) 41
3.1 典型絕緣缺陷的PD信號(hào)特征 41
3.1.1 四種缺陷產(chǎn)生的PD時(shí)頻信號(hào) 41
3.1.2 特高頻PD數(shù)學(xué)模型 44
3.2 干擾信號(hào)特征與SNR二階估計(jì) 45
3.2.1 干擾信號(hào)的特征 46
3.2.2 SNR二階估計(jì)理論與方法 46
3.2.3 模擬PD信號(hào)的SNR二階估計(jì) 49
3.2.4 實(shí)測(cè)PD信號(hào)的SNR二階估計(jì) 54
參考文獻(xiàn) 55
第二篇 混合局部放電信號(hào)分離
第4章 PD信號(hào)混合與分離基礎(chǔ)知識(shí) 59
4.1 混合PD信號(hào)的生成與分離 59
4.1.1 混合PD信號(hào)的生成過(guò)程 59
4.1.2 混合PD信號(hào)的數(shù)學(xué)模型 59
4.1.3 PD信號(hào)的線性瞬時(shí)混合與分離 61
4.1.4 PD信號(hào)的線性卷積混合與分離 63
4.2 混合PD信號(hào)的盲源分離理論 65
4.2.1 混合信號(hào)盲源分離原理 65
4.2.2 盲源分離可分性與判定準(zhǔn)則 67
4.2.3 盲源分離問題解的不確定性 68
4.2.4 盲源分離對(duì)比函數(shù)準(zhǔn)則 69
4.3 混合PD信號(hào)的分析與預(yù)處理 75
4.3.1 混合PD信號(hào)的空域相關(guān)分析 75
4.3.2 混合PD信號(hào)的白化預(yù)處理 78
參考文獻(xiàn) 82
第5章 混合PD信號(hào)二階統(tǒng)計(jì)量分離算法 84
5.1 分離評(píng)價(jià)參數(shù) 84
5.2 基于SOS準(zhǔn)則的分離算法及分離性能分析 87
5.2.1 基于SOS準(zhǔn)則的SOBI算法原理 87
5.2.2 基于SOS準(zhǔn)則的分離算法分離性能分析 88
5.2.3 改進(jìn)的基于SOS準(zhǔn)則的SOBI算法 91
5.3 模擬混合PD信號(hào)的分離 94
5.3.1 相對(duì)距離對(duì)分離效果的影響分析 95
5.3.2 混合矩陣H對(duì)分離效果的影響及統(tǒng)計(jì)分析 109
參考文獻(xiàn) 115
第6章 混合PD信號(hào)卷積分離技術(shù) 116
6.1 卷積混合信號(hào)的盲源分離法 116
6.1.1 卷積混合信號(hào)的盲源分離時(shí)域算法 116
6.1.2 卷積混合信號(hào)的盲源分離頻域算法 118
6.2 非平穩(wěn)混合PD信號(hào)特性與短時(shí)平穩(wěn)劃分 119
6.2.1 非平穩(wěn)混合PD信號(hào)特性分析 119
6.2.2 非平穩(wěn)混合PD信號(hào)短時(shí)平穩(wěn)劃分策略 121
6.3 頻域內(nèi)分離信號(hào)“兩個(gè)不確定性”問題 122
6.3.1 分離信號(hào)幅值不確定性的控制策略 123
6.3.2 分離信號(hào)順序不確定性的應(yīng)對(duì)措施 124
6.3.3 頻域分離單一PD信號(hào)的重構(gòu)實(shí)現(xiàn) 125
6.4 模擬混合PD信號(hào)的分離 126
6.4.1 卷積構(gòu)造模擬混合PD信號(hào) 127
6.4.2 混合PD信號(hào)的分離 129
6.5 實(shí)測(cè)混合PD信號(hào)的分離 132
6.5.1 實(shí)測(cè)混合PD信號(hào)的二階統(tǒng)計(jì)量分離 132
6.5.2 實(shí)測(cè)混合PD信號(hào)的卷積分離 138
6.5.3 兩種分離算法效果比較 141
參考文獻(xiàn) 143
第7章 PD特征參數(shù)與特征提取 144
7.1 PD模式識(shí)別常見特征參數(shù)及變化趨勢(shì)分析 144
7.1.1 統(tǒng)計(jì)特征參數(shù) 144
7.1.2 圖像矩特征參數(shù) 147
7.1.3 分形特征參數(shù) 148
7.1.4 波形特征參數(shù) 150
7.1.5 小波特征參數(shù) 150
7.2 基于二元樹復(fù)小波變換的辨識(shí)PD的特征量提取方法 151
7.2.1 二元樹復(fù)小波變換-奇異值分解 152
7.2.2 多尺度特征參數(shù)提取 154
7.3 基于核主成分分析與深度神經(jīng)網(wǎng)絡(luò)的特征量?jī)?yōu)化研究 158
7.3.1 UHF信號(hào)特征量分析提取模式 158
7.3.2 三種模式特征量相關(guān)性分析 162
7.3.3 基于核主成分分析的特征量?jī)?yōu)化 162
7.3.4 深度自編碼網(wǎng)絡(luò)特征優(yōu)化方法 163
7.3.5 兩種優(yōu)化方法對(duì)比分析 166
參考文獻(xiàn) 172
第三篇 局部放電類型辨識(shí)
第8章 基于支持向量數(shù)據(jù)描述的PD類型辨識(shí) 177
8.1 支持向量的基本原理 177
8.1.1 支持向量機(jī) 177
8.1.2 支持向量數(shù)據(jù)描述 180
8.1.3 支持向量數(shù)據(jù)描述核函數(shù) 182
8.2 改進(jìn)的支持向量數(shù)據(jù)描述學(xué)習(xí)算法 183
8.2.1 優(yōu)化半徑支持向量數(shù)據(jù)描述算法 184
8.2.2 基于支持向量數(shù)據(jù)描述的多分類算法 185
8.3 PD OR-SVDD模式辨識(shí)方法 187
8.3.1 OR-SVDD分類器訓(xùn)練及辨識(shí)流程 187
8.3.2 基于特征獲取的PD模式辨識(shí) 189
8.3.3 基于優(yōu)化分類器的模式辨識(shí) 189
參考文獻(xiàn) 191
第9章 基于深度學(xué)習(xí)的PD模式辨識(shí) 193
9.1 深度置信網(wǎng)絡(luò) 193
9.1.1 受限玻爾茲曼機(jī) 194
9.1.2 構(gòu)建深度置信網(wǎng)絡(luò) 196
9.2 GIS設(shè)備典型PD模擬實(shí)驗(yàn) 197
9.2.1 實(shí)驗(yàn)設(shè)計(jì) 197
9.2.2 實(shí)驗(yàn)數(shù)據(jù) 199
9.3 基于深度神經(jīng)網(wǎng)絡(luò)的PD模式識(shí)別 200
9.3.1 識(shí)別計(jì)算流程 200
9.3.2 預(yù)訓(xùn)練效果分析 200
9.3.3 DBN識(shí)別結(jié)果分析 201
9.4 基于傳統(tǒng)方法的PD模式識(shí)別與結(jié)果比較 202
9.4.1 統(tǒng)計(jì)特征提取 202
9.4.2 基于BPNN算法的PD模式識(shí)別 203
9.4.3 基于SVM的PD模式識(shí)別 204
9.4.4 識(shí)別結(jié)果對(duì)比 204
9.5 實(shí)例分析 206
參考文獻(xiàn) 207
第10章 基于多信息融合的PD模式識(shí)別 209
10.1 基于TRPD特征的模式識(shí)別 209
10.1.1 TRPD特征的信息提取 210
10.1.2 TRPD特征的模式識(shí)別分類器 210
10.1.3 TRPD特征的模式識(shí)別與結(jié)果分析 214
10.2 基于PRPD特征的模式識(shí)別 215
10.2.1 PRPD特征的模式識(shí)別分類器 215
10.2.2 PRPD特征的模式識(shí)別與結(jié)果分析 224
10.3 基于UHF與IEC 60270檢測(cè)信息相關(guān)性的PD模式識(shí)別 225
10.3.1 基于UHF與IEC 60270檢測(cè)信息相關(guān)性的特征參數(shù)提取 225
10.3.2 基于UHF與IEC 60270相關(guān)性特征參數(shù)的識(shí)別分類器 232
10.3.3 測(cè)試結(jié)果與分析 234
10.4 基于DS證據(jù)理論的多信息融合識(shí)別 235
10.4.1 DS證據(jù)理論 235
10.4.2 多信息融合的PD模式識(shí)別 237
10.5 實(shí)例分析 239
10.5.1 典型絕緣缺陷識(shí)別測(cè)試 239
10.5.2 樣本測(cè)試 242
10.5.3 分析和討論 243
參考文獻(xiàn) 243
第11章 描述PD發(fā)展過(guò)程的特征信息 247
11.1 PD發(fā)展過(guò)程的統(tǒng)計(jì)譜圖分析 247
11.1.1 金屬突出物缺陷PD發(fā)展過(guò)程 249
11.1.2 自由金屬微粒缺陷PD發(fā)展過(guò)程 250
11.1.3 絕緣子表面金屬污染物缺陷PD發(fā)展過(guò)程 252
11.1.4 絕緣子氣隙缺陷PD發(fā)展過(guò)程 253
11.2 PD發(fā)展過(guò)程的特征信息提取 255
11.3 PD發(fā)展過(guò)程中的特征量變化規(guī)律 256
11.3.1 放電次數(shù)和放電脈沖*大幅值 257
11.3.2 相鄰放電脈沖時(shí)間間隔 261
11.3.3 等值累積放電量 264
11.3.4 放電信號(hào)熵 266
參考文獻(xiàn) 269
第四篇 局部放電程度評(píng)估與狀態(tài)評(píng)價(jià)技術(shù)
第12章 GIS PD狀態(tài)模糊綜合評(píng)判方法 273
12.1 模糊綜合評(píng)判理論 273
12.1.1 模糊集合 274
12.1.2 隸屬度函數(shù) 275
12.1.3 模糊綜合評(píng)判步驟 282
12.2 GIS PD發(fā)展階段的劃分 283
12.2.1 PD等級(jí)的定義 283
12.2.2 模糊C均值聚類分析 283
12.2.3 PD程度中心的求解 285
12.3 GIS PD程度模糊綜合評(píng)判模型 286
12.3.1 模糊評(píng)判矩陣求解 287
12.3.2 基于離差*大化的自適應(yīng)客觀權(quán)值計(jì)算 288
12.3.3 兩級(jí)模糊綜合評(píng)判模型 288
12.3.4 兩級(jí)模糊綜合評(píng)判模型測(cè)試 289
12.4 實(shí)例分析 290
參考文獻(xiàn) 292
第13章 基于棧式自編碼原理的PD程度評(píng)估 293
13.1 棧式自編碼基本理論 293
13.1.1 自編碼算法與稀疏性 293
13.1.2 棧式自編碼原理 296
13.2 PD程度特征提取及評(píng)估方法 299
13.2.1 基于棧式自編碼的UHF PD信息特征提取方法 299
13.2.2 基于softmax分類器的PD嚴(yán)重程度評(píng)估方案 303
13.3 基于UHF PD數(shù)據(jù)的棧式自編碼網(wǎng)絡(luò)架構(gòu)構(gòu)建 304
13.3.1 GIS PD數(shù)據(jù)采集 304
13.3.2 SSAE網(wǎng)絡(luò)結(jié)構(gòu)對(duì)評(píng)估準(zhǔn)確率的影響 308
參考文獻(xiàn) 311
第14章 氣體絕緣裝備絕緣狀態(tài)多源信息融合評(píng)價(jià) 313
14.1 *大相關(guān)*小冗余特征優(yōu)選理論 314
14.1.1 統(tǒng)計(jì)信息相關(guān)度的度量準(zhǔn)則 314
14.1.2 *大相關(guān)*小冗余準(zhǔn)則 315
14.1.3 改進(jìn)*大相關(guān)*小冗余準(zhǔn)則 316
14.2 基于多源信息的*大相關(guān)*小冗余特征量?jī)?yōu)選 317
14.2.1 描述氣體絕緣裝備PD程度的多源信息特征量 317
14.2.2 基于*大相關(guān)*小冗余準(zhǔn)則的特征優(yōu)選策略及改進(jìn) 319
14.2.3 多源PD信息的狀態(tài)特征優(yōu)選 327
14.3 基于多源信息