文献类型：期刊文章

作　　者：朱宁[1] 吴司颖[2] 曾福平[2] 唐炬[2] 雷志城[2] 徐肖庆[1]

ZHU Ning;WU Siying;ZENG Fuping;TANG Ju;LEI Zhicheng;XU Xiaoqing(Yunnan Power Grid Limited Liability Company Kunming Power Supply Bureau,Kunming 650012,Yunnan Province,China;School of Electrical Engineering,Wuhan University,Wuhan 430072,Hubei Province,China)

机构地区：[1]云南电网有限责任公司昆明供电局,云南省昆明市650012 [2]武汉大学电气工程学院,湖北省武汉市430072

出　　处：《中国电机工程学报》

基　　金：国家重点研发计划项目(2017YFB0902705);国家自然科学基金项目(51607127)~~

年　　份：2019

卷　　号：39

期　　号：3

起止页码：933-942

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：如何对直流SF6气体绝缘设备(gas-insulated equipment, GIE)内部局部放电(partial discharge,PD)严重程度进行科学的评估是目前还未解决的问题。由于GIE内部绝缘材料的分解情况与设备内部绝缘状态直接相关,提出利用SF6PD分解特性对GIE内部PD程度进行评估,具体为:建立出自由金属微粒缺陷模型,并将由该缺陷引起的PD划分为3个等级,在每个等级下各选2个电压开展SF6分解实验;基于最大相关最小冗余(minimumredundancymaximumcorrelation,m RMR)原则对SF6分解组分进行特征选择,并分别运用反向传播神经网络和支持向量机分类器诊断PD严重程度,提取出最能有效表征PD程度的SF6分解组分含量的比值集合,对PD状态进行评估。研究表明,SF6分解组分含量与PD严重程度之间存在一定的关联关系,C(CO2)/CT1、C(CF4)/C(SO2)、C(CO2)/C(SOF2)和C(CF4)/C(CO2)能够有效地诊断PD严重程度。

关 键 词：PD严重程度  SF6分解组分  直流SF6气体绝缘设备  含量比值  最大相关最小冗余  反向传播神经网络 支持向量机

分 类 号：TM855]