电缆接头局部放电现象是外环网柜绝缘失效的主要表现形式，本研究采用电磁耦合方法描述了电缆头的局部放电，并采用了板材。形柜电缆局部放电检测的实验设计。为局部放电标准，该体积用于过滤信号中的噪声干扰并提取实际信号。于大量的实验分析，选择8 MHz-12 MHz信号频谱的频谱功率区作为形状识别的特征向量，并使用BP神经网络算法进行识别。缆头部分放电。果表明，该方法可以有效区分局部放电的发生，具有较高的识别率，为局部放电检测提供了一种新的算法。[关键词]环网柜;局部放电;电磁耦合;小波变换; BP神经网络的网络环柜是配电系统的主要控制设备，尤其是电缆线路，并得到了广泛的应用。环形网络机柜连接到电缆终端时，如果两者之间的导线连接连接不正确，则连接会很烫，这会损坏插入的电缆终端。大多数情况下，环形网络机柜的电缆端会导致局部放电，这样可以轻松避免隐患[1]。此，电缆头的局部放电检测是判断网络机柜绝缘故障的重要手段。前有两种类型的局部放电线检测：电测量和非电测量，其电测量方法广泛用于电磁耦合方法，电容传感器方法，差分方法等。[2]。
中，待测电缆与电磁耦合方式测量回路之间没有直接电气连接，可以抑制噪声干扰，结构简单，安装是实用的并且广泛用于电缆头部分放电的线路测量。文采用电磁耦合方法检测电缆地线中流过的局部放电电流，构建局部放电检测平台，利用小波信号对干扰信号进行滤波。
于BP神经网络，将归一化放电频带功率谱区域用作局部放电特征量。络对PD信号执行模式识别。缆接头材料成分局部放电检测平台本文是一个基于电磁耦合方法测量要求的实验平台，采用PD同步检测电缆头端的放电。统的硬件部分主要由局部放电检测器，高频电流传感器，环形网络机柜的三相屏蔽电缆，数据采集卡和数据记录器组成。备虚拟仪器系统的计算机。中，DPD-2003C数字局部放电监测仪用于验证局部放电的发生。器利用脉冲电流法调节高压电缆两端的测试电压。
制台，通过局部放电耦合电容和检测阻抗提取局部放电信号。发送到PD检测器以显示放电量。PD检测到的放电量用作电缆头部分放电发生的基础。益于伊顿特殊的高频电流传感器，通过电缆接地线的脉动电流可以检测到局部放电。感器带宽可达20 MHz，具有频带宽，体积小，拆卸方便等优点。
华科技选择PCI-9820数据采集卡。卡的采样率高达65 MS / s，支持32位3.3V或5V PCI总线，卡内存高达512MB。统硬件结构图1.系统软件主要由Labview Instrument Nation 2011和Matlab7.1组成，包括以下模块：数据采集模块，波形显示和存储模块，数据分析模块和模式识别模块。文档使用Labview进行数据采集和存储，使用Matlab对背景信号进行小波去噪，Labview调用处理结果进行混合编程。Matlab和Labview。Matlab支持ActiveX自动化技术，可以在其他程序中执行Matlab指令，以及可以直接调用Matlab程序的Matlab接口控件。本文中，Matlab Script节点方法用于执行混合编程。骤如下：（1）创建一个新的Labview程序并在后面板中打开Matlab Script控件; （2）将调试脚本程序直接导入Matlab，直接导入Matlab脚本的Scripting节点; （3）设置Matlab和Labview的传递函数和数据类型，进行连接和调试。于混合编程的小波降噪的天气方案如图2所示。图2所示，程序入口是采集数据的一维阵列，输出是去噪信号。波的类型，分解层的数量，小波阶数等。以选择。
波变换抑制电缆头干扰研究PD小波变换原理小波变换是一种自动频率调整窗口大小，自适应时频分析方法，多分辨率分析。重要应用之一是信号去噪：根据噪声特性和不同尺度的信号小波系数，小波去噪可以分解交错的不同频率的混合信号，重新组合滤波器并相互分离。尺度上的噪声产生的小波分量保持有用信号的小波系数，然后使用小波变换重建算法重建原始信号。含一维噪声的信号模型可以表示为：其中，是有噪信号，有用信号和噪声信号。为一般规则，一维信号去噪可分为三个步骤：（1）小波分解，（2）高频系数阈值量化，（3）重建[2]。值选择是小波去噪的关键。与信号去噪的质量有关。果选择太小，去噪后的信号包含太多的噪声成分，这不会达到去噪的效果。
反，很容易删除有用的组件。致信号失真[3]。值函数分为软阈值和严格阈值。格的阈值信号具有以下形式：根据噪声模型，根据以下四个规则选择阈值：固定阈值模式和生成的阈值是：基于原理的自适应阈值。坦因无偏概率估计。于阈值t，获得其概率估计并且使非概率最小化以获得所选择的阈值。
是前两个阈值的组合，即所选择的最佳预测阈值。果信噪比低并且SURE认为存在大量噪声，则需要这种固定阈值形式。是一种固定形式的阈值选择，它产生最小均方误差的极值，而不是无误差[4]。PD电缆关节信号的波长噪声处理白噪声和周期性窄带干扰是实验场中的主要干扰，可以通过选择小波，小波分解层和高阈值来消除。当的频率[2]。测试期间，高压通过电压调节器施加到环形外壳的电缆端，以引起局部放电。图3和图4中可以看出，白噪声干扰被有效地滤波并且PD信号被很好地保留。状识别原理形状识别包括对一系列过程和事件进行分类或描述，将类似事件分类为一个类别，提取关键信息，以及使用自动机器识别[5]。决模式识别的方法很多，最常用的是统计分类，
矿用电缆其示意图如图5所示。部放电特征量的局部放电具有很强的随机性，它是难以判断个别信号发生局部放电的情况。征量的提取包括搜索可以识别MP的发生的复杂信号的有效特征。本文中，通过比较在正常操作条件下和发生局部放电时电缆头的频域特性来选择特性量。6示出了电缆上正常操作模式下信号的时域和功率谱，图7示出了生成PD功能时信号的时域和功率谱。个图之间的比较表明，当电缆结部分放电时，信号功率谱曲线会发生显着变化，尤其是在8 MHz至12 MHz的频率下。本文中，由8MHz至12MHz的PD信号归一化的功率谱区域被用作模式识别的特征向量。BP网络模式识别原理BP神经网络是一个由至少三层组成的多层神经网络，每层由几个神经元组成。BP神经网络是根据导师的学习方法形成的。向网络提供一对学习模式时，神经元的激活值通过隐藏层从输入层传播到输出层，并且来自输出层的每个神经元的输出对应于输出模式的网络响应。后，根据减少所需输出和实际输出的原理，输出层通过每个隐藏层，最后到输入层改变逐层连接权[6]。结构原理如图8所示，其中包括输入层和输出层以及若干隐藏层。状识别结果分析本文档使用标准化PD信号的功率谱区域作为模式识别输入，使用MATLAB 7.1工具包进行神经网络，使用只有一层屏蔽层（包括一个输入节点，20个隐藏节点，1个输出节点执行网络的形成和验证，并将5pC电磁耦合数据的局部放电量定义为阈值小于5pC记录为0而没有部分PD，大于5pC的电磁耦合数据记录为1.从实验中获得的80系列数据分为两部分，其中50部分使用作为训练样本和预测样本，形成误差曲线在图4中示出。练误差小于目标误差，证明使用血压神经网络进行训练是有效的。练好的BP神经网络用于识别局部放电，正确率达到100％。验结果表明，BP神经网络能够快速准确地识别电缆的PD信号。语本文构建了一个环形阵列网络电缆PD检测平台，应用电磁耦合方法检测来自电缆头端的PD信号，并利用小波变换滤除PD信息的干扰。取实际信号。择8MHz-12MHz频带的功率谱区域的归一化值作为PD的特征向量，并且基于神经网络成功识别电缆头的局部放电信号。BP。验结果表明，该系统具有较高的稳定性和识别率，可广泛应用于环形阵列柜缺陷检测系统。考文献[1]王昌昌，李福珍，高胜友。气设备在线监测与故障诊断[M]。
京：清华大学出版社，2006：102-103。[2]来自严。线网状聚乙烯电缆局部放电监测与定位研究[D]。庆：重庆大学，2006：38-39。
3]郝章红，刘先勇，袁长英。波去噪及其在LABVIEW中的实现[J]。子技术，2007（9）：166-167。[4]董长虹，高智，于晓海。Matlab小波分析工具箱的原理与应用[M]。
京：国防工业出版社，2004：128。5]傅景荪，程明德，石庆云。[M]。京：北京大学出版社，1990：20-45。6]杨淑英。状识别与智能计算 - Matlab技术的实现[M]。京：电子工业出版社，2011：141-145。：福建省科技计划重点项目（2009H0031）。者简介：余瑜（1987-），女，硕士，硕士，现就读于华侨大学。讯作者：张某鉴定为华侨大学电气工程与自动化系教授。
本文转载自
电缆价格www.haoluoyi.com
猜您兴趣
首页
QQ