基于泄漏电流特征量的接触网绝缘子污秽度预测研究

摘要

随着我国电气化铁路的跨越式发展，新时期“八纵八横”高速铁路通道已被纳入规划，高速铁路里程的增加使接触网绝缘子的运行环境变得更加复杂。研究表明，绝缘子表面的积污及污层的湿润与其运行环境关系密切，而由积污所引起的污闪事故极大地影响着列车的安全运营。绝缘子发生污闪的根本原因是泄漏电流的产生并持续增大，而产生的泄漏电流与绝缘子的污秽状况相关。因此研究泄漏电流信号中所包含的状态信息，将这些信息作为输入建立污秽度预测模型，通过在线监测数据预测绝缘子表面积污程度，指导接触网绝缘子清扫和检修计划的制定，保证电气化铁路供电的稳定性是一种重要方式。
　　本文首先对绝缘子表面放电现象形成的原因及绝缘子的污闪机理进行研究，对表征绝缘子运行状态的参数进行比较，得出泄漏电流作为动态参数是表征污秽度的理想参数。因此，本文针对接触网复合绝缘子(FQX-25/120)开展了人工污秽试验，利用课题组研发的泄漏电流在线监测装置对试验过程中的泄漏电流信号和环境温、湿度进行采集和存储。接着将所采集的泄漏电流数据和试验现象对比分析得出:在低湿度条件下，随着污秽度的增加泄漏电流幅值变化不明显;在饱和湿度条件下，随着污秽度的增加泄漏电流幅值明显增加，且泄漏电流波形中谐波的含量也随之增加。利用在电网领域成熟并被广泛认可的安全区、预报区和危险区的分区思想对采集的泄漏电流数据展开研究，研究表明，接触网复合绝缘子泄漏电流波形的发展也明显存在这三个区段，且这三个区段的分区阈值为10mA和30mA。对不同区段的泄漏电流特性研究后得出:危险区有效值、泄漏电流脉冲时域熵和预报区的THD(Total Harmonic Distortion，总谐波失真)这三个参量能够作为特征量来表征绝缘子表面的污秽度。
　　最后，建立基于RBF(Radial Basis Function，径向基函数)神经网络的接触网绝缘子污秽度预测模型，利用PSO(Particle Swarm Optimizatio，粒子群优化算法)优化神经网络的参数提高模型预测准确性。利用提取的400组泄漏电流特征量(危险区有效值、泄漏电流脉冲时域熵和预报区的THD)数据训练和验证模型，并将其预测结果和未经优化的RBF神经网络预测结果比较。结果表明该预测模型对接触网绝缘子污秽度预测效果良好，可为接触网绝缘子现场清扫维护提供一定指导。

目录

声明

摘要

1 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．2．1 泄漏电流特征量

1．2．2 绝缘子污秽状态表征参数

1．2．3 污秽度预测方法

1．3 主要研究内容

2 绝缘子污闪简介

2．1 污秽物种类

2．2 污闪放电发展过程

2．3 污秽放电模型

2．3．1 直流污闪模型

2．3．2 交流污闪模型

2．4 接触网绝缘子污秽等级标准

2．5 小结

3 接触网绝缘子人工污秽试验

3．1 试验装置及测量设备

3．1．1 试品

3．1．2 试验装置

3．1．3 测量设备

3．2 试验程序及方法

3．2．1 试验准备

3．2．2 试品的涂覆

3．2．3 试验过程

3．3 小结

4 接触网绝缘子泄漏电流时、频域特性分区研究

4．1 泄漏电流各区段波形特性分析

4．2 泄漏电流时域特性分区研究

4．2．1 泄漏电流有效值

4．2．2 泄漏电流脉冲计数

4．3 泄漏电流频域特性分区研究

4．3．1 泄漏电流频谱分析

4．3．2 泄漏电流总谐波失真度

4．4 小结

5 接触网绝缘子污秽度预测研究

5．1．1 PSO基本原理

5．1．2 PSO基本流程

5．1．3 RBF神经网络理论基础

5．1．4 RBF神经网络的Matlab实现

5．1．5 PSO优化RBF的过程

5．2 接触网绝缘子污秽状态评估方法

5．2．1 基于PSO-RBF的接触网绝缘子污秽状态评估模型

5．2．2 RBF神经网络样本的选取

5．3 绝缘子污秽度预测模型的学习

5．3．1 污秽度预测模型的训练

5．3．2 污秽度预测模型的验证

5．3．3 与RBF神经网络预测结果对比

5．4 小结

结论

致谢

参考文献

攻读学位期间的研究成果