基于声发射技术的典型缺陷局放信号特征分析及识别研究

doi:10.16628/j.cnki.2095-8188.2020.12.003

电器与能效管理技术 ›› 2020, Vol. 0 ›› Issue (12): 14-21.doi: 10.16628/j.cnki.2095-8188.2020.12.003

基于声发射技术的典型缺陷局放信号特征分析及识别研究

梁建英¹, 孙传铭¹, 杨刚², 高国强², 魏隆¹, 刘凯²

1.中车青岛四方机车车辆股份有限公司,山东青岛 266111
2.西南交通大学电气工程学院,四川成都 611756

收稿日期:2020-10-14 出版日期:2020-12-30 发布日期:2021-01-05
作者简介:梁建英(1972—),女,教授级高级工程师,主要从事高速动车组电气系统设计,高速动车组牵引供电技术研究。|孙传铭(1981—),男,高级工程师,主要从事高速动车组高压系统设计与研究、永磁牵引电机设计与应用。|杨刚(1994—),男,硕士研究生,研究方向为高压电气设备绝缘在线监测与故障诊断。
基金资助:
* 国家自然科学基金项目(51907167)

Study on Characteristics and Pattern Recognition of Typical Defect Emission Signal Based on Acoustic Emission Technology

LIANG Jianying¹, SUN Chuanming¹, YANG Gang², GAO Guoqiang², WEI Long¹, LIU Kai²

1. CRRC Qingdao Sifang Co.,Ltd.,Qingdao 266111,China
2. College of Electrical Engineering,Southwest Jiaotong University,Chengdu 611756,China

Received:2020-10-14 Online:2020-12-30 Published:2021-01-05

摘要/Abstract

摘要：

针对电气设备运行过程中常见的绝缘缺陷故障,制作了几种典型缺陷的局部放电模型,包括尖端放电、沿面放电、气隙放电及悬浮放电。通过对不同缺陷放电声发射信号的时域波形、信号参数关联图谱特征的比较,得出4种类型放电声发射信号在脉冲幅值、相位、形状及工频正负半周对称性方面具有较大差异性;针对这种差异,提取了18个声发射波形特征参数,设计了多分类支持向量机分类器。识别测试结果表明,对4种典型缺陷局部放电类型的识别率达到92%,因此局部放电声发射波形特征参数可用于放电类型识别。

关键词: 放电类型, 声发射, 关联图谱, 支持向量机

Abstract:

Aiming at the common insulation defects during the operation of electrical equipment,this article has produced several typical partial discharge models of defects,including tip discharge,creeping discharge,air gap discharge and floating discharge.By comparing the time-domain waveforms of the discharge acoustic emission signals of different defects recorded by the test system and the characteristics of the correlation graph of the parameters of the discharge acoustic emission signal,the positive and negative of the pulse amplitude,phase,shape and power frequency of the four types of discharge acoustic emission signals are obtained.There is a big difference in half-cycle symmetry;in response to this difference,18 acoustic emission waveform feature parameters are extracted,a multi-class support vector machine classifier is designed.The recognition test results show that for the recognition of four typical types of partial discharges of defects,the rate reaches 92%,so the partial discharge acoustic emission waveform characteristic parameters can be used for discharge type identification.

Key words: discharge type, acoustic emission, correlation analysis atlas, support vector machine

中图分类号:

TM855

梁建英, 孙传铭, 杨刚, 高国强, 魏隆, 刘凯. 基于声发射技术的典型缺陷局放信号特征分析及识别研究[J]. 电器与能效管理技术, 2020, 0(12): 14-21.

LIANG Jianying, SUN Chuanming, YANG Gang, GAO Guoqiang, WEI Long, LIU Kai. Study on Characteristics and Pattern Recognition of Typical Defect Emission Signal Based on Acoustic Emission Technology[J]. LOW VOLTAGE APPARATUS, 2020, 0(12): 14-21.

图/表 12

图1

图2

图3

图4

图5

图6

图7

表1

图8

表2

图9

图10

参考文献 27

[1]	姜芸, 闵虹, 夏荣, 等. 高压交联电缆接头局部放电的电容耦合法检测及分析[J]. 高电压技术, 2010,36(8):2005-2011.
[2]	万利, 周凯, 李旭涛, 等. 以电场特征理解电缆终端气隙的局部放电发展机理[J]. 高电压技术, 2014,40(12):3709-3716.
[3]	刘刚, 陈志娟. 10 kV交联聚乙烯电缆终端主绝缘含空气气隙缺陷试验[J]. 高电压技术, 2012,38(3):678-683.
[4]	姜芸, 闵红, 罗俊华, 等. 220 kV电缆接头半导电尖端缺陷的局部放电试验[J]. 高电压技术, 2010,36(11):2657-2661.
[5]	刘蓉. 基于超声法的XLPE电力电缆绝缘缺陷检测诊断技术研究[D]. 西安:西北工业大学, 2015.
[6]	ZHONG L, CHEN G, XU Y. A novel calibration method for PD measurements in power cables and joints using capacitive couplers[J]. Measurement Science and Technology, 2004,15(9):1892-1896.
[7]	朱洪伟, 王小军, 王建生, 等. 开关柜局部放电抗干扰系统开发研究[J]. 电器与能效管理技术, 2018(10):50-53.
[8]	张磊棋, 盛博杰, 姜伟, 等. 交叉互联高压电缆系统的局部放电在线监测和定位[J]. 高电压技术, 2015,41(8):2706-2715.
[9]	张义龙. 电缆接头局部放电高频与超高频联合检测研究[D]. 上海:上海交通大学, 2015: 7-9.
[10]	JUDD M D, LI Y, HUNTER I B B. Partial discharge monitoring of power transformers using UHF sensors Part I:sensors and signal interpretation[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2010,17(4):1242-1248. doi: 10.1109/TDEI.2010.5539696
[11]	唐炬, 李伟, 杨浩, 等. 高压电缆附件局部放电超高频检测与分析[J]. 高电压技术, 2009,35(7):1571-1577.
[12]	LUNDGAARD L E. Partial discharge XIV acoustic partial discharge detection-practical application[J]. IEEE Electrical Insulation Magazine, 1992,8(5):37-43.
[13]	KANAKAMBARAN S, SARATHI R, SRINIVASAN B. Identification and localization of partial discharge in transformer insulation adopting cross recurrence plot analysis of acoustic signals detected using fiber Bragg gratings[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2017,24(3):1773-1780. doi: 10.1109/TDEI.2017.006407
[14]	鄢齐晨, 缪希仁, 庄胜斌. 低压系统噪声处理与短路故障快速检测方法研究[J]. 电器与能效管理技术, 2020(1):9-16.
[15]	李德军, 沈威, 郭志强. GIS局部放电常规检测和超声波检测方法的应用比较[J]. 高压电器, 2009,45(3):99-103.
[16]	RAMIREZ N J, PASCACIO A. Acoustic measuring of partial discharge in power transformers[J]. Measurement Science and Technology, 2009,20(11):108-115
[17]	RUBIO SERRANO J, ROJAS-MORENO M V, POSADA J, et al. Electro-acoustic detection,identification and location of partial discharge sources in oil-paper insulation systems[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2012,19(5):1569-1578.
[18]	MA H, CHAN J C, SAHA T K, et al. Pattern recognition techniques and their applications for automatic classification of artificial partial discharge sources[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2013,20(2):468-478.
[19]	BOCZAR T, ZMARZLY D. Application of wavelet analysis to acoustic emission pulses generated by partial discharges[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2004,11(3):433-449.
[20]	SARATHI R, RAJU P G. Diagnostic study of electrical treeing in underground XLPE cables using acoustic emission technique[J]. Polymer Testing, 2004,23(8):863-869. doi: 10.1016/j.polymertesting.2004.05.007
[21]	KUNDU P, KISHORE N K, SINHA A K. Identification of two simultaneous partial discharge sources in an oil-pressboard insulation system using acoustic emission techniques[J]. Applied Acoustic, 2012,73(4):395-401. doi: 10.1016/j.apacoust.2011.11.004
[22]	SOKODA T, NAKASHIMA T, NAINGGOLAN J M, et al. Diagnostics of insulation deterioration of ethylene propylene rubber using an acoustic emission technique[J]. IEEE Transactions on Dielectrics and Electrical Insulation, 2010,17(4):1242-1248. doi: 10.1109/TDEI.2010.5539696
[23]	陈隽, 刘文浩, 卢军, 等. GIS中不同位置电晕放电的超声波信号特性[J]. 高电压技术, 2011,37(12):3006-3011.
[24]	王成江, 贾智斌, 顾玉凯, 等. 非合成绝缘子内部放电声发射试验及分析[J]. 中国电机工程学报, 2006,26(10):146-151.
[25]	侯春光, 孙小涵, 赵长权, 等. 基于频带能量特征提取的10 kV固体绝缘柜表面放电音频信号识别[J]. 电器与能效管理技术, 2020(3):38-42.
[26]	沈功田. 声发射检测技术及应用[M]. 北京: 科学出版社, 2015.
[27]	周大俊. 低压有源电力滤波装置噪声测试准确度研究[J]. 电器与能效管理技术, 2020(2):89-92.

时域波形参量	尖端放电	沿面放电	气隙放电	悬浮放电
event_amp/mV	99.59	252.46	77.92	84.61
rise_time/μs	2 586.47	3 059.49	4 479.36	3 848.98
event_T/μs	5 609.80	6 954.20	7 593.60	7 201.60
ring_num/次	480.99	875.86	855.63	694.38
event_μ/mV	13.83	14.39	13.62	11.68
event_V/mV	20.01	25.57	18.25	17.17
event_freq /(次·ms^-1)	129.69	197.18	163.56	138.47
ring_half/mV	0.05	0.01	0.05	0.04
event_cf	4.66	9.63	4.28	4.78
event_ff	1.42	1.77	1.33	1.45
event_cor	0.16	0.21	0.26	0.17
event_cr	1.49	0.88	1.28	1.20
event_tr	0.33	0.19	0.11	0.11
event_er	0.89	0.21	0.15	0.70
m_amp/mV	147.17	290.88	80.32	115.71
m_T/μs	5.55	7.07	7.66	6.82
m_up	49.37	100.33	18.42	35.27
m_de	63.14	78.46	26.01	36.21

基于声发射技术的典型缺陷局放信号特征分析及识别研究

Study on Characteristics and Pattern Recognition of Typical Defect Emission Signal Based on Acoustic Emission Technology

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 27

相关文章 5

编辑推荐

Metrics

本文评价

[1]	秦启茂, 周泰武, 李文礼. 基于支持向量机的交流接触器吸持振动检测方法研究[J]. 电器与能效管理技术, 2020, 591(6): 61-64.
[2]	陶丽, 郭英选, 夏俊, 熊方贤, 梁毓评. 基于支持向量机的配电网低电压预警方法[J]. 电器与能效管理技术, 2020, 591(6): 71-75.
[3]	侯春光, 孙小涵, 赵长权, 曹云东. 基于频带能量特征提取的10 kV固体绝缘柜表面放电音频信号识别^*[J]. 电器与能效管理技术, 2020, 588(3): 38-42.
[4]	李岚松, 周越, 熊翔, 于广辉, 王永兴. 基于LS-SVM的航空故障电弧诊断[J]. 电器与能效管理技术, 2018, 0(10): 45-49.
[5]	夏明晔, 薛峰, 谭飞, 管瑞良. 光伏系统直流故障电弧检测装置的研制[J]. 电器与能效管理技术, 2018, 0(10): 80-84.

缺陷类型	标签	训练集数量/个	测试集数量/个
尖端放电	1	25	25
沿面放电	2	25	25
气隙放电	3	25	25
悬浮放电	4	25	25