紫外放电状态识别与故障预测方法

目 录 前言 1 电气设备局部放电监测与故障诊断技术的发展现状 ·· 1 1.1 电气设备局部放电监测与故障诊断技术研究背景及意义 1 1.2 电气设备故障诊断国内外发展概况 2 1.2.1 国外故障诊断技术发展概况 · 3 1.2.2 国内故障诊断技术发展概况 · 3 1.3 电气设备检修体制的演变 3 1.3.1 电气设备定期维修 · 3 1.3.2 电气设备在线监测 · 4 1.4 电晕放电的在线监测 5 1.4.1 人工目视检查法 · 5 1.4.2 红外检测法 · 5 1.4.3 超声波检测法 · 6 1.4.4 超高频检测法 · 7 1.4.5 脉冲电流检测法 · 8 1.4.6 介质损耗分析（DLA）检测法 · 8 1.4.7 化学检测法 · 8 1.5 紫外线检测法 9 1.6 紫外放电检测的应用范围 · 11 1.7 高压放电各种检测方法的优劣比较 · 11 2 超声波检测法在电气设备局部放电故障定位方面的研究 13 2.1 超声波定位数学模型——声检测方法 · 13 2.1.1 数学模型的建立 ·· 13 2.1.2 转为有约束优化问题 ·· 13 2.1.3 实验前期数据来源 ·· 14 2.2 传统定位优化算法 · 14 2.2.1 修正牛顿算法 ·· 14 2.2.2 *速下降算法 ·· 16 2.2.3 共轭梯度算法 ·· 18 2.2.4 变尺度算法 ·· 20 2.2.5 自适应算法 ·· 22 2.3 传统定位算法之间的比较· 25 2.4 现代智能定位优化算法 · 26 2.4.1 模拟退火算法 ·· 26 2.4.2 遗传算法 ·· 28 2.4.3 粒子群算法 ·· 29 2.4.4 文化粒子群算法 ·· 31 2.5 几种现代智能定位算法的比较和总结 33 3 电晕检测方法与日盲紫外原理 36 3.1 电晕放电及其检测 · 36 3.2 气体电介质的击穿 · 37 3.2.1 汤逊理论 ·· 37 3.2.2 流注放电理论 ·· 38 3.3 电晕放电的机理及其一般特征 39 3.4 紫外成像分析 · 41 3.4.1 电磁波谱 ·· 41 3.4.2 紫外成像原理 ·· 42 3.5 日盲紫外检测方法 · 45 3.5.1 紫外脉冲检测 ·· 45 3.5.2 紫外图像检测 ·· 45 3.6 双通道紫外检测系统 · 46 3.6.1 双通道检测系统的结构与原理 ·· 46 3.6.2 双通道结构的弊端 ·· 46 3.7 单通道紫外检测系统 · 47 3.7.1 单通道检测系统的结构与原理 ·· 47 3.7.2 单通道结构与双通道的比较 ·· 48 4 高压电器紫外脉冲检测系统设计 49 4.1 检测管及驱动检测电路部分 49 4.1.1 紫外检测管R9454 的简介 · 49 4.1.2 驱动电路C10807 的简介 52 4.2 处理器开发板的硬件和软件设计部分 53 4.2.1 处理器开发板的硬件设计 ·· 53 4.2.2 处理器开发板的软件设计 ·· 57 4.3 显示终端设计 · 58 4.3.1 工业串口触摸屏简介 ·· 58 4.3.2 GSM 模块TC35i ·· 59 4.3.3 无线传输模块简介及上位机Labview 的设计 ·· 60 4.4 检测仪器外部结构的设计 · 63 4.4.1 SolidWorks 简介 ·· 63 4.4.2 变压器、输电线路监测仪的设计 ·· 65 4.4.3 开关柜监测仪的设计 ·· 65 4.4.4 监测仪器的材料选择 ·· 67 4.5 检 测仪器系统的软件设计 · 67 4.5.1 虚拟仪器的概述 ·· 68 4.5.2 软件系统的设计 ·· 69 4.6 系统集成及实验效果 · 73 5 单通道双谱紫外电晕检测系统设计 75 5.1 系统的总体设计 · 75 5.1.1 硬件架构设计 ·· 75 5.1.2 功能描述与关键技术 ·· 75 5.2 滤光成像原理与方法 · 76 5.2.1 静态切换成像法 ·· 76 5.2.2 动态切换成像法 ·· 77 5.3 图像传输及视频采集模块的实现 · 78 5.3.1 系统的图像传输与视频采集 ·· 78 5.3.2 基于DirectShow 的视频采集 · 80 5.3.3 基于DSPack 组件的视频采集方案 81 6 双通道紫外电晕检测系统设计 82 6.1 双通道电晕紫外检测系统综述 · 82 6.2 双通道电晕紫外检测系统设计 · 82 6.2.1 硬件结构设计 ·· 82 6.2.2 系统功能描述 ·· 83 6.2.3 系统各部分描述 ·· 83 7 电晕放电的图像处理 85 7.1 系统的图像处理流程 · 85 7.2 紫外图像的预处理 · 86 7.2.1 RGB 色彩空间 · 86 7.2.2 灰度处理 ·· 90 7.2.3 二值化处理 ·· 92 7.3 图像去噪与放电区域提取 · 94 7.3.1 图像的数学形态学处理 ·· 94 7.3.2 紫外电晕图像的形态学处理 ·· 97 7.3.3 图像融合 · 100 7.3.4 单通道检测系统的图像融合 · 101 7.3.5 双通道电晕图像和背景图像融合 · 102 8 电晕放电及检测系统实验平台 ·· 113 8.1 紫外光电管 113 8.1.1 紫外光电管的特点 · 113 8.1.2 紫外传感器驱动电路 · 115 8.2 电晕放电模型 116 8.3 检测系统实验现象 117 9 电晕放电强度测量及系统成像实验 ·· 120 9.1 电晕放电的强度测量 120 9.1.1 放电强度公式的推导 · 120 9.1.2 放电强度公式的验证 · 121 9.1.3 放电强度计算实验 · 123 9.2 成像实验与讨论 124 9.2.1 硬件设计 · 124 9.2.2 光路切换电路的设计 · 125 9.2.3 成像软件算法设计 · 125 9.2.4 实验结果及分析 · 126 9.2.5 关于静态切换法实验的讨论 · 128 10 基于人工神经网络的故障状态识别 130 10.1 人工神经网络 · 130 10.1.1 人工神经基本概念 ·· 130 10.1.2 人工神经网络的特点 ·· 131 10.2 故障状态模式模型 · 131 10.2.1 模式识别 ·· 131 10.2.2 实验室模拟电晕放电 ·· 132 10.2.3 特征提取 ·· 134 10.3 基于BP 神经网络的状态识别 ·· 135 10.3.1 BP 神经网络概述 · 135 10.3.2 仿真结果 ·· 137 10.4 基于径向基神经网络的状态识别 · 138 10.4.1 径向基神经网络的基本概念 ·· 138 10.4.2 仿真结果 139 10.5 基于投影寻踪理论的模式识别 · 139 10.5.1 电晕放电量化分级方法 139 10.5.2 基于投影寻踪理论的模式识别等级模型 140 10.5.3 应用MATLAB 进行故障诊断仿真及实例分析 · 141 10.6 基于自组织神经网络的绝缘故障状态评定 · 143 10.6.1 输入变量的选择与样本处理 143 10.6.2 自组织映射网 144 10.6.3 动态神经元个数的SOFM 绝缘故障评估系统 ·· 145 10.6.4 LVQ 神经网络 ·· 148 10.6.5 LVQ 算法仿真实现 ·· 149 10.7 基于PSO-SVM 的电晕放电评级算法 ·· 151 10.7.1 支持向量机评级算法 151 10.7.2 基于PSO 改进的SVM 评级方法 152 10.7.3 建立模型及仿真实验 153 10.8 本章小结 · 155 参考文献 · 156