论文部分内容阅读
随着我国电力系统特高压输电工程的逐渐落成,高压电气设备的应用也越来越广泛。气体绝缘全封闭开关设备(Gas Insulted Switchgear,GIS)结构紧凑、抗干扰能力强、可靠性高已被广泛应用于高压及特高压变电站。但是,近年来随着设备运行时间的增长以及变电站运行条件的恶化,GIS设备故障时有发生。因此,研究有效的GIS开关设备状态监测及故障诊断方法,有助于现场工作人员提早发现故障、及时安排检修,保证系统运行的可靠性。在查阅相关文献的基础上,本文对气体绝缘全封闭开关设备的基本结构以及常见故障产生原因进行了详细的研究分析,并基于常见故障特征选取可以反映设备运行状态的监测变量。然后针对变电站现场GIS设备故障频发问题,根据设备多状态监测变量信息,提出一种基于状态估计和残差分类的GIS设备故障诊断新算法,其整体框架由状态估计器的建立、故障预警及故障识别3部分组成。本文具体研究工作如下:(1)针对GIS结构复杂,传统多输入单输出支持向量回归无法对其准确建模的问题,通过改进模型结构搭建了多输入多输出支持向量回归来建立设备状态空间模型,并给出了模型参数寻优方法。紧接着将GIS状态空间模型应用于粒子滤波算法中构建状态估计器。(2)利用状态估计器估计设备多状态变量,比较状态变量实时测量值与状态估计值,计算多状态变量残差及故障预警指标。同时,为了避免模型误差以及噪声的干扰,选用自适应阈值方法检测GIS设备故障,一旦检测出故障将给出报警信号,实现故障的预警。(3)基于现场故障实际测量数据训练soft-max回归分类模型。当故障预警之后,利用训练好的分类模型对多特征变量残差进行分类来识别故障类型,最终实现GIS设备故障的诊断。在MATLAB环境下编程实现粒子滤波、改进支持向量回归、自适应阈值以及回归分类算法,并且基于变电站现场实测数据进行了仿真分析,仿真结果验证了基于粒子滤波状态估计与soft-max回归残差分类的GIS设备故障诊断方法的有效性。