高压SF6气体绝缘组合电器放电故障模式智能识别

作者：张施令^*

来源：高电压技术, 2020, 46(02): 432-440.

DOI：10.13336/j.1003-6520.hve.20200131007

• 高压SF6气体绝缘组合电器
• 模式识别
• 模糊ISODATA算法
• 蚁群算法
• 参数优化

变电站各类运行事故中气体绝缘组合电器(gas insulated switch-gear, GIS)故障占较大比重,亟需提高GIS绝缘缺陷故障类型诊断的成功率。为此,研制了高压SF6气体绝缘组合电器缺陷模拟装置,该装置由SF6气室、固体绝缘件、缺陷模拟装置、观察与测量装置4部分构成,其中缺陷装置可有效模拟自由金属颗粒放电、尖端放电、悬浮放电和气隙放电这4种典型绝缘缺陷;进一步提出了一种联合模糊迭代自组织数据分析算法(iterative selforganizing data analysis techniques algorithm, ISODATA)和蚁群算法的人工智能分类方法,并通过粒子群算法对以上算法进行结构参数优化。针对高压SF6气体绝缘组合电器现场应用的结果表明:提出的缺陷类型诊断方法可依据SF6典型微量分解气体种类及含量对故障模式进行智能判定,且研制的缺陷模拟装置硬件平台可有效采集原始分类数据形成缺陷样本数据库;提出的人工智能分类算法易于编程实现,可用于实际工程中绝缘缺陷类型诊断与评估,绝缘缺陷故障类型诊断成功率为93.3%。研究结果有助于检测SF6绝缘设备的早期潜伏故障,对于高压SF6气体绝缘组合电器故障诊断及其模式识别具有一定的理论指导价值。

• 单位
  国网重庆市电力公司电力科学研究院