空气间隙的最短路径电场特征量与击穿电压预测研究

摘要

外绝缘优化设计一直是高压交直流输变电工程的重点关注问题，外绝缘设计的关键在于选择合理的间隙距离和间隙结构，使得输变电设备能安全稳定运行并具有较好的经济性。目前，空气间隙的外绝缘特性主要通过试验方法获得，而试验周期长、成本高且无法穷举所有空气间隙，因此，有必要开展仿真计算和理论研究，对空气间隙击穿电压进行预测，用于指导实际输变电工程的外绝缘设计。 在空气间隙击穿电压预测方面，主要有经验公式拟合、物理模型计算和人工智能预测等方法，但仍存在一些有待提高的方面，如:经验公式的适用范围小且误差较大;物理模型中关键参数取值不明确、难以在工程实际中使用;人工智能方法所需样本多、准确性有待提高等问题。因此，建立有效的击穿电压预测模型，准确预测击穿电压数据，对外绝缘空气间隙设计具有重要意义。 本文提出了基于最短路径的典型电极空气间隙电场特征量，采用支持向量机(support vector machine，SVM)建立击穿电压预测模型，以电场特征量作为预测模型的输入，实现空气间隙的击穿电压预测。基于上述思路，对棒、板、球组成的典型电极空气间隙进行电场分析，分别提出了球-球类和棒-板类两种最短路径电场特征集，并采用SVM建立了击穿电压预测模型，对球隙、棒-板间隙和棒-棒间隙的工频击穿电压进行了预测，分析了不同样本选择方法和特征选择方法对击穿电压预测的影响，并结合相关试验数据，验证了本文所提出的方法的有效性。此外，对球-板长间隙和绝缘子（串）并联间隙进行了冲击放电电压预测，验证了本文所提出的预测方法在长间隙和工程间隙放电电压预测中的适用性。本文的主要内容和结论如下: (1)根据电场分布的不同，针对球-球类间隙和棒-板类间隙，分别从最短路径上提取了38维和29维电场特征量，然后对本文使用的建模预测方法和数学工具SVM的原理进行了说明，最后介绍了预测模型的整体实现流程。 (2)分别介绍了电场不均匀系数、聚类算法和主动学习算法三种训练样本选取方法的原理和实现步骤，并采用上述三种方法选定的训练样本集对SVM模型进行训练，完成了球隙的工频击穿电压预测，进行了误差分析，结果表明:三种样本选取方法均可实现球隙的击穿电压预测，且预测误差均在可接受的范围内，验证了三种样本选取方法的可行性和所提出的的预测方法的有效性。 (3)介绍了相关性分析法、遗传算法和随机森林算法的特征选择原理，并采用上述三种方法对所定义的球-球类最短路径电场特征量进行特征选择，最后，采用简化后的电场特征量，对球隙的击穿电压进行了预测，对比了三种方法的特点和预测效果，结果表明:不进行特征选择与经过相关性分析法、遗传算法和随机森林算法三种特征选择方法进行特征选择后，测试样本预测结果的平均绝对百分比误差(mean absolute percentage error，MAPE)分别为3.6％、1.7％、1.5％和3.2％，说明特征选择能简化特征集，并在一定程度上改进预测效果;三种特征选择方法中，相关性分析法和遗传算法的预测准确度相对较高，随机森林算法在小球径、短间距中的预测误差较大。 (4)采用SVR模型和SVC模型分别对棒-板短间隙的工频击穿电压和球-板长间隙的50％操作冲击放电电压进行了预测，结果表明:对于棒-板间隙，采用9个训练样本即可实现33个测试样本的击穿电压准确预测;对于球-板长间隙，采用29维和17维电场特征量预测结果的MAPE分别为3.63％和4.61％，预测误差在工程允许范围内，说明本文所提出的棒-板间隙最短路径特征量和SVM预测方法在长空气间隙的放电电压预测方面有较好的预测效果，预测方法具有一定的推广性能。 (5)采用所提出的方法分别对棒-棒短间隙的工频击穿电压和220kV架空输电线路绝缘子（串）并联间隙的50％雷电冲击放电电压进行了预测。对于棒-棒间隙，采用9个训练样本即可实现33个测试样本的击穿电压准确预测;对于220kV绝缘子（串）并联间隙，采用7个棒-棒间隙数据作为训练样本，建立SVR预测模型，8个测试样本预测结果的MAPE为4.07％，满足工程应用的要求，初步验证了本文所提出的预测方法在工程间隙放电电压预测中的适用性。

目录

声明

摘要

1．1研究背景与意义

1．2国内外研究现状

1．2．1经验公式

1．2．2物理模型

1．2．3人工智能算法

1．3现有研究存在的不足

1．4本文主要研究内容

2空气间隙击穿电压预测方法

2．1典型空气间隙电场分布

2．2典型空气间隙最短路径电场特征量

2．2．1球-球类间隙电场特征量

2．2．2棒-板类间隙电场特征量

2．3空气间隙击穿电压预测模型

2．3．1击穿电压预测的基本思路

2．3．2支持向量机的基本理论

2．3．3参数优化方法

2．3．4误差分析方法

2．4预测方法实现流程

2．5本章小结

3预测模型的训练样本选择方法研究

3．1训练样本选择方法

3．1．1电场不均匀系数法

3．1．2聚类算法

3．1．3主动学习算法

3．2球隙样本数据

3．3预测结果分析

3．3．1电场不均匀系数法

3．3．2聚类算法

3．3．3主动学习算法

3．4本章小结

4预测模型的特征选择方法研究

4．1特征选择方法

4．1．1相关性分析法

4．1．2遗传算法

4．1．3随机森林算法

4．2预测与分析

4．2．1训练样本选取

4．2．2特征选择结果

4．2．3预测结果分析

4．3本章小结

5棒-板间隙击穿电压预测

5．1．1样本电场不均匀系数分布

5．1．2击穿电压预测

5．2球-板长间隙冲击放电电压预测

5．2．1样本数据

5．2．3击穿电压预测

5．3本章小结

6棒-棒间隙击穿电压预测

6．1棒-棒间隙击穿电压预测

6．1．1样本电场不均匀系数分布

6．1．2击穿电压预测

6．2并联间隙冲击放电电压预测

6．2．1样本数据

6．2．2电场仿真计算

6．2．3预测效果与分析

6．3本章小结

7．1结论

7．2展望

参考文献

附录

攻读硕士学位期间发表的科研成果

致谢