科研之友
微信
新浪微博
Facebook
分享链接
摘要
空气作为一种天然的绝缘气体，在电力设备中(开关柜、环网柜等)被广泛应用。研究表明，当电力设备发生放电故障时，空气绝缘介质会产生以NO2为代表的特征分解产物。放电分解产物的组分及含量能够反映放电故障的严重程度，因此，气体分解产物检测对电力系统安全稳定运行具有重要意义。该文在不同的电压等级、持续时间下，分别模拟了包括电晕放电、火花放电及电弧放电在内的15种空气放电故障，并发现NO2气体的含量在不同故障条件下存在显著差异。对此，设计了一款装载有四种对NO2气体具有高度选择性气敏材料的微型气体传感阵列。经多次实验测试，传感阵列对15种放电故障气体表现出差异性响应信号，构成丰富的样本数据集。分别采用四种机器学习算法(极限树、决策树、K邻近和随机森林)实现基于传感信号的空气放电故障识别，其平均准确率最高可达84.88%、81.82%、76.86%和81.32%。其中，传感阵列对局部放电和电弧放电的识别能力略高于火花放电，可以归因于多次火花放电过程中存在一定的NO2饱和现象。该文提出的基于微型气体传感阵列的检测方法具有操作简单、识别准确率高的显著优势，在空气放电故障诊断领域具有广阔的应用前景。
- 出版日期2023
- 单位西安交通大学
