基于声学信号的GIS设备内部放电异常检测与定位.pdfVIP

基于声学信号的GIS设备内部放电异常检测与定位1

基于声学信号的GIS设备内部放电异常检测与定位

摘要

气体绝缘开关设备（GIS）作为电力系统的关键组成部分，其运行状态直接影响电

网安全。本文提出了一种基于声学信号的GIS设备内部放电异常检测与定位系统，通

过分析局部放电产生的声学特征，实现对GIS设备状态的实时监测与故障预警。研究

采用多传感器阵列技术结合深度学习算法，开发了从信号采集、特征提取到模式识别的

完整技术链路。实验结果表明，该系统对典型放电类型的识别准确率达到95%以上，定

位精度优于0.5米。本研究成果可显著提升GIS设备运维效率，降低突发故障风险，为

智能电网建设提供技术支撑。

关键词：GIS设备；声学检测；局部放电；故障定位；深度学习

1.引言与背景

1.1研究背景与意义

随着我国电力系统向智能化、高电压等级方向发展，气体绝缘开关设备（GIS）因

其占地面积小、运行可靠等优点，在110kV及以上电压等级的变电站中得到广泛应用。

据国家电网公司统计，截至2022年底，我国GIS设备装机容量已超过5000万间隔，且

以每年15%的速度增长。然而，GIS设备内部绝缘缺陷导致的局部放电（PD）现象是

引发设备故障的主要原因之一，约占GIS故障总数的60%以上。

传统的GIS设备检测方法如脉冲电流法、超高频法等存在安装复杂、抗干扰能力

差等局限。声学检测技术作为一种非侵入式监测手段，能够有效捕捉PD产生的声波信

号，具有安装便捷、抗电磁干扰强等优势。开发基于声学信号的PD检测与定位系统，

对提高GIS设备运行可靠性、降低运维成本具有重要意义。

1.2国内外研究现状

国外对声学PD检测的研究始于20世纪80年代，瑞士ABB公司、德国西门子等

企业已开发出商用声学监测系统。国内清华大学、西安交通大学等高校在该领域也开展

了深入研究，但现有技术普遍存在以下问题：一是对微弱PD信号的检测灵敏度不足；

二是多源干扰下的信号识别准确率低；三是定位精度难以满足工程需求。

近年来，随着人工智能技术的发展，基于深度学习的PD识别方法成为研究热点。

然而，现有研究多集中于实验室环境，缺乏针对现场复杂工况的适应性研究。本项目旨

在突破现有技术瓶颈，开发适用于实际工程应用的声学PD检测与定位系统。

基于声学信号的GIS设备内部放电异常检测与定位2

1.3研究目标与内容

本项目的主要研究目标包括：

1.开发高灵敏度声学传感器阵列，实现对微弱PD信号的有效采集

2.构建基于深度学习的PD模式识别模型，提高复杂环境下的识别准确率

3.研究基于时差法的PD定位算法，实现亚米级定位精度

4.开发完整的监测系统平台，实现从数据采集到诊断分析的全流程自动化

研究内容涵盖传感器设计、信号处理、算法开发、系统集成等多个方面，形成完整

的解决方案。

2.研究概述

2.1项目概况

本项目由XX电力科学研究院牵头，联合XX大学、XX科技公司共同实施，计划

执行周期为3年。项目总预算1500万元，其中设备购置费600万元，研发

费用700万元，其他费用200万元。项目团队由20名专业人员组成，包括5名教授级

高工、8名博士和7名工程师。

项目将分三个阶段实施：第一阶段（2023年）完成系统设计与核心算法开发；第二

阶段（2024年）进行原型系统测试与优化；第三阶段（2025年）开展现场示范应用。项

目预期成果包括专利5项、软件著作权3项、学术论文10篇，以及一套完整的商业化

监测系统。

2.2创新点

本项目的主要创新点包括：

1.采用MEMS技术开发的宽频带声学传感器，灵敏度比传统压电传感器提高20dB

2.提出基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合深度学习模

型，对PD信号的识别准确率提升至95%以上

3.开发基于声波到达时间差（TDOA）的定位算法，在复杂环境下的定位精度优于

0.5米

4.构建包含10万+样本的PD声学信号数据库，为算法训练提供数