紫外放电状态识别与故障预测方法

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 最速下降算法 ·· 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