论文部分内容阅读
交联聚乙烯(XLPE)电力电缆从上世纪60年代初问世以来,经历了40多年的迅速发展,在中低压领域中逐步替代了油浸纸绝缘电缆,并已在超高压电压等级中获得越来越广泛的应用。特别在城市中,由于电网结构的调整和城市规划的要求,电缆线路不断增加。目前已有不少11OkV电压等级的交联聚乙烯电力电缆线路投入运行,并且处于快速增长的趋势。XLPE电力电缆在长期的运行中,伴随着各种缺陷的产生,导致绝缘性能下降,从而可能引起局部放电,引发各种事故。XLPE电缆局部放电检测技术是诊断XLPE电缆故障的有效方法。本文在总结前有的XLPE电力电缆绝缘故障检测方法的基础上,研究了利用Rogowski线圈原理制作电流传感器检测电力电缆局部放电的方法,以及基于人工神经网络的电力电缆局部放电信号的模式识别方法。论文首先研究基于Rogowski线圈原理的电流传感器。综合考虑了各个参数对罗式线圈的影响,设计出符合检测XLPE电缆的电流传感器。接着设计XLPE电缆局部放电检测实验,同时制作了四种关于XLPE电缆绝缘缺陷的模型:电树放电、悬浮放电、气泡放电和绝缘受潮放电。对于电缆局部放电的消噪过程,本文提出了一种基于多传感器阈值法的局放信号自消噪方法。运用三个不同传感器检测局部放电信号,随后求出放电的起始时间和终止时间这两个阈值,利用阈值构建出一个屏蔽滤波器对放电信号进行自消噪。该方法可以对含有白噪声的放电信号有效的消噪,提高了信号的信噪比,并且操作简单,精确度高。最后本文提出了在放电时域脉冲波形图中提取放电特征量的方法。提取时域波形图中放电脉冲幅值附近的200个点作为该放电的特征量,以此来识别该种放电。设计BP神经网络,将提取到的特征量用来对网络的训练和测试,测试结果表明了放电特征量的提取具有典型代表意义,并且也说明了BP网络可以正确的识别电缆局部放电模式。