GIS局部放电超高频信号传播特性和模式识别的研究的综述报告.docx

GIS局部放电超高频信号传播特性和模式识别的研究的综述报告
GIS局部放电超高频信号传播特性和模式识别的研究综述报告
GIS（GasInsulatedSwitchgear）是一种新型的高压电器设备，其中的SF6气体起着重要的隔离和灭弧作用。然而，在长期运行中，GIS内的绝缘可能会出现损坏，导致局部放电（PartialDischarge，PD）现象。PD的存在会降低GIS的可靠性和安全性，甚至引发断路器被动触发。因此，局部放电检测一直是GIS监测和维护的重要课题。超高频（Ultrahighfrequency，UHF）检测技术因其非接触、实时、高灵敏、高可靠的优点，已成为GIS局部放电检测的重要手段。
本文将从两个方面阐述GIS局部放电超高频信号传播特性和模式识别的研究现状。
一、GIS局部放电超高频信号传播特性研究
1.超高频信号在GIS内的传播规律
超高频信号在GIS内的传播受到多种因素的影响。首先，在GIS内信号路径的选择是关键因素之一。信号在沿着GIS尺寸较小的方向传播时，能量会更容易且更快速地损失，从而减少到达接收机的能量。其次，导体壁面和衬套材料的损耗也会对信号的传播有影响。研究表明，铜和铝材料的损耗相对较小，而SF6材料损耗相对较大。此外，GIS内的PD以及背景噪声都会影响信号的传播。
2.超高频技术在GIS局部放电检测中的应用
超高频检测技术在GIS局部放电检测中的应用主要分为两个方面，即传感器方案和信号处理算法。传感器方案将超高频天线和信号处理电路集成在一起，以实现对GIS内PD信号的实时监测。信号处理算法包括数据获取、数据预处理、特征提取和模式识别等步骤，其中模式识别是实现PD自动诊断和分类的核心。
二、局部放电模式识别的研究
1.特征提取
局部放电信号的特征提取是为了对超高频信号进行定量分析，从而实现局部放电产生位置、强度及类型诊断。传统的特征提取方法主要包括时域、频域、时频域和相关性四种方法。然而，这些方法并不能充分地挖掘PD信号的特征，因而特征提取效果有限。近年来，基于神经网络的特征提取方法被广泛应用，取得了很好的效果。
2.模式识别
模式识别技术是对特征提取后的数据进行分析、分类和识别的技术。该技术包括分类器选择、学习算法和模型评估等步骤。机器学习方法在模式识别中的应用越来越广泛，其优点在于不需要具体的物理模型，能够充分地挖掘数据的特征，因而在PD信号判别上表现良好。
总结
超高频检测技术在GIS局部放电检测中相当有用。目前，国内外学者在数据处理算法和判别技术方面进行了大量研究，但在实际应用中，还有一些问题待解决，例如在大型GIS设备中信号的传播与衰减、数据的标签化和判别阈值的选择等。因此，如何形成系统的检测方法，完善PD识别算法是未来发展的重点。