在GIS設(shè)備上最早提出應(yīng)用聲方法測量局部放電的是Graybill，他在1974年描述了使用手提聲傳感器測量的方法。隨后，在1979年，Harrold提出了聲測法在電力系統(tǒng)中廣泛應(yīng)用的可能，并論述了應(yīng)用前景。早期提出的聲測法是利用聽覺范圍內(nèi)的聲波進行檢測，但是隨著環(huán)境噪聲的增加，這種依靠聽覺范圍進行檢測的方法變得越來越不適用，后來逐漸改為利用超聲范圍的聲波進行局部放電的檢測，取得了良好的效果。利用超聲波進行局部放電的檢測已經(jīng)有20年之久，實踐證明利用超聲波法對GIS局部放電進行檢測是有效的，特別是對移動金屬顆粒引起的局部放電，檢測靈敏性很高。人們發(fā)現(xiàn)不同的缺陷引起的局部放電所產(chǎn)生的超聲波形并不一樣，利用這些不同點就可以對缺陷類型進行判斷和定位，所以開始了模式識別的研究。L.E.lundgaard等人研究了GIS中局部放電超聲波信號的模式識別，Hucher和Kranz也提出了將超聲波脈沖波形轉(zhuǎn)換至頻域，利用頻譜特征進行識別的方法。隨著研究的深入，目前許多成品檢測設(shè)備已經(jīng)被研制出來并投入使用，比如由挪威TransiNor As公司的Schei研制出一種超聲波絕緣分析器AIA，VA-Tech研制出的集超聲波和超高頻檢測于一體的且具備自動模式識別的DIALOG系統(tǒng)。國內(nèi)的不少高校和公司也對超聲波檢測法進行了許多研究，揚州國浩電氣有限公司也開發(fā)出了基于超聲波檢測法的局部放電測試儀。
目前，對基于超聲波法的局部放電檢測理論已經(jīng)研究的比較成熟，超聲波檢測法已經(jīng)在現(xiàn)場得到了廣泛的應(yīng)用，許多基于超聲波檢測法的局部放電檢測設(shè)備也已投人使用。隨著這些檢測設(shè)備的投入使用，現(xiàn)場使用人員反饋得來的信息是這些設(shè)備的檢測效率較低而且對數(shù)據(jù)進行分析的能力很有限?，F(xiàn)場使用的超聲波測試儀僅僅對檢測得到的超聲波信號進行幅值計算、超聲波對語音信號的轉(zhuǎn)換和監(jiān)聽，對超聲波信號中包含的豐富的絕緣信息的利用率較低，這樣就造成了檢測的結(jié)果可靠性不高。伴隨著電力電子技術(shù)、材料技術(shù)等的發(fā)展，這些問題有望在不久的將來解決。
局部放電缺陷類型的識別研究在90年代開始引入模式識別的方法，主要針對變壓器和GIS的局部放電超聲信號，研究水平不高，尚處于初級階段。神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）識別方法是一種遵循經(jīng)驗風(fēng)險最小化原理而設(shè)計出的機器學(xué)習(xí)方法，目前被研究和應(yīng)用的比較多。神經(jīng)網(wǎng)絡(luò)識別方法是基于Vapnik&Chervonenkis的統(tǒng)計學(xué)習(xí)理論，這個理論是指如果數(shù)據(jù)服從某個固定但是未知的分布，要使機器的理想輸出和實際輸出之間的偏差盡量最小，也就是使機器的錯誤概率在上界最小化，學(xué)習(xí)機器就需要滿足結(jié)構(gòu)風(fēng)險最小化的原理。這樣就可能使神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)出現(xiàn)問題，因為訓(xùn)練的誤差小并不等于預(yù)測結(jié)果誤差最小，會出現(xiàn)推廣能力變差的情況，增加了真實的風(fēng)險。支持向量機（Support Vector Machine，SVM）是基于結(jié)構(gòu)最小化理論提出的，相對于神經(jīng)網(wǎng)絡(luò)，它的結(jié)構(gòu)更為簡單，泛化等能力得到了顯著的提高。支持向量機是一種新的模式識別分類器，對其的研究尚處于起步階段。支持向量機是一種基于統(tǒng)計理論的學(xué)習(xí)方法，可以在有限樣本的情況下，找到最優(yōu)的解，尤其適合處理分析小樣本數(shù)據(jù)，有較強的學(xué)習(xí)和泛化能力，在回歸估計和模式識別等方面有強大的應(yīng)用前景，成為繼神經(jīng)網(wǎng)絡(luò)的后起之秀。
關(guān)注微信公眾號