摘要: 气体绝缘金属封闭组合电器设备(GIS)因具有占地面积小、维护工作量少、绝缘性能优良、可靠性高等优点而被广泛应用于高压输电领域。随着电网电压等级和系统容量的不断增加，GIS设备的内部故障也随之增多，因此寻找有效评估GIS内部状态的方法亟为重要。... 展开 气体绝缘金属封闭组合电器设备(GIS)因具有占地面积小、维护工作量少、绝缘性能优良、可靠性高等优点而被广泛应用于高压输电领域。随着电网电压等级和系统容量的不断增加，GIS设备的内部故障也随之增多，因此寻找有效评估GIS内部状态的方法亟为重要。作为GIS内部绝缘状态诊断和评估的常用方法，声发射局部放电的检测目前仅依靠幅值和相位实现放电模式的粗略识别，准确率较低，声发射信号中蕴含的丰富信息尚未得到有效应用，无法对GIS设备绝缘劣化状态和放电严重程度的评估和诊断提供有力的指导和支持，亟需开展相应的研究。 本文基于模拟缺陷的实验室研究，通过实测获取了大量GIS设备高压尖刺、低压尖刺、悬浮、自由金属颗粒、沿面缺陷等五类典型绝缘缺陷声发射局部放电信号的幅值、相位、飞行时间等原始数据，依据不同放电类型谱图差异提取统计特征参量和分形特征参量，构造特征向量，获得了可用于局部放电模式识别的声发射信号的统计特征参量、分形特征参量以及综合二者构成综合特征向量等指纹特征，并运用BP人工神经网络实现了基于声发射信号指纹的局部放电缺陷模式的自动识别，经检验，使用BP人工神经网络采用综合特征向量进行放电模式识别研究的效果最好，沿面放电的识别准确率最高为94.1％，高压尖刺放电的识别率最低为75.5％，所提出的基于局部放电声发射信号的模式识别方法可应用于GIS设备绝缘状态的评估。 收起