基于BP神經網絡和遺傳算法的GIS分合閘故障分類方法

付光晶， 于躍， 張峰， 張士文

(上海交通大學 電子信息與電氣工程學院，上海 200240)

0 引 言

GIS作為氣體絕緣全封閉組合式電器設備，與普通的高壓變電站設備相比，具有體積小、空間利用率高、故障率小、運行安全性高的特點，因此目前在高壓、超高壓和特高壓領域被廣泛應用。但是由于其密封式的結構設計，也帶來了故障定位困難，檢修流程繁雜，事后斷電時間久，斷電范圍大等缺點。對于GIS頻發的分合閘故障，傳統的對設備進行定期定點故障檢測和修理的方法已經不能滿足設備自身的工作要求，因此設計出一種能夠快速準確分析GIS分合閘狀態的方法便具有了重要的意義。

目前對于GIS分合閘故障檢測的方法主要是在設備分合閘動作時對激勵線圈中的驅動電流進行采樣，然后再利用相應的算法對采樣的電流波形進行故障分析。例如華中科技大學的易慧于2006年提出了最小二乘法和小波理論可以對分合閘電流進行故障分析[1]。浙江大學的曹飛于2008年采用分散包絡統計法對分合閘線圈電流波形的輪廓進行綜合分析和研究[2]。江蘇財經學院的宋錦剛于2011年提出了將分合閘信號進行小波分解后對固定頻段的信號重構，然后利用相似性原則對故障信號進行分類的方法[3]。上海交通大學的黃志于2015年利用核主元分析法對分合閘線圈電流波形特征值進行降維，再利用支持向量機對故障波形進行分類[4]。本文借鑒和參考了國內外學者對同……