✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页:Matlab科研工作室
🍊个人信条:格物致知,完整Matlab代码及仿真咨询内容私信。
🔥 内容介绍
中压电缆在电力传输与分配网络中扮演着至关重要的角色。然而,长期运行过程中,电缆绝缘材料的缺陷或老化会导致局部放电(Partial Discharge, PD)的产生。局部放电不仅是绝缘劣化和故障的前兆,更是导致电缆绝缘击穿的主要原因之一。因此,深入研究中压电缆局部放电的传输模型对于局部放电的在线监测、故障诊断及绝缘寿命评估具有重要的理论和实践意义。本文旨在系统地探讨中压电缆中局部放电信号的传输特性,分析影响传输的各种因素,并综述当前主流的传输模型及其应用。通过对传输模型的深入理解,可以更准确地定位放电源,评估放电严重程度,从而有效提升中压电缆运行的可靠性和安全性。
关键词
中压电缆;局部放电;传输模型;信号衰减;波形畸变;故障诊断
1. 引言
随着现代电力系统的快速发展,中压电缆因其敷设方便、环境适应性强、输电容量大等优点,被广泛应用于城市电网、工矿企业以及风力发电等领域。然而,电缆在制造、运输、安装和运行过程中,其绝缘内部不可避免地会存在各种缺陷,如气隙、杂质、半导电层不光滑等。这些缺陷在电场作用下,会引发局部放电现象。局部放电是一种发生在绝缘材料内部或表面,不完全贯穿绝缘间隙的放电形式。它释放的能量虽然较小,但会逐渐侵蚀绝缘材料,导致绝缘性能下降,最终引发绝缘击穿,造成严重的经济损失和电力中断。
为了有效预防电缆故障,对局部放电进行有效的监测和诊断变得尤为重要。局部放电的监测通常是通过采集放电产生的电脉冲信号、声学信号或光信号来实现的。其中,电脉冲信号因其传播速度快、易于检测等特点,成为局部放电在线监测的主要手段。然而,局部放电信号在电缆内部传输过程中会受到电缆结构、材料特性以及外部环境等多种因素的影响,导致信号发生衰减和畸变,这给准确判断放电位置和放电强度带来了挑战。因此,建立准确的局部放电传输模型,对理解局部放电信号在电缆中的传播规律,提高局部放电检测与诊断的准确性具有极其重要的意义。
2. 局部放电信号的产生与特性
局部放电信号的产生是由于电缆绝缘内部缺陷处电场集中,导致局部区域的介质击穿。根据放电发生的位置和形式,局部放电主要分为内部放电、表面放电和电晕放电。在中压电缆中,内部放电(如气隙放电)是主要的放电形式。
局部放电产生的电脉冲信号具有以下典型特征:
- 脉冲性
:放电过程是瞬时的,产生纳秒至微秒级的窄脉冲电流。
- 宽频性
:局部放电脉冲的频谱非常宽,通常包含从几十千赫兹到数百兆赫兹的频率成分。
- 随机性
:局部放电的发生时间和强度具有一定的随机性,这与缺陷的几何形状、大小、材料以及外加电压波形等因素有关。
这些特性使得局部放电信号在传输过程中更容易受到电缆介质的色散、衰减以及反射等效应的影响。
3. 中压电缆局部放电传输机理
局部放电信号在电缆中主要以电磁波的形式进行传输。对于同轴结构的中压电缆,信号主要沿电缆轴向传播。传输过程中,信号会经历以下几个主要过程:
3.1 信号衰减
信号衰减是局部放电信号传输过程中最显著的特征。衰减的原因主要包括:
- 介质损耗
:电缆绝缘介质的介电损耗是导致信号衰减的主要原因之一。介质损耗与频率相关,通常频率越高,介质损耗越大,衰减越严重。
- 导体电阻损耗
:电缆导体具有一定的电阻,电流流过时会产生焦耳热,导致能量损耗。对于高频信号,趋肤效应会使电流主要集中在导体表面,有效电阻增大,从而增加损耗。
- 辐射损耗
:部分电磁能量可能通过辐射形式散失到电缆外部,但这在中压电缆内部传播的局部放电信号中通常不是主要衰减机制。

3.3 信号反射与折射
当局部放电信号在电缆中遇到阻抗不匹配点(如接头、终端、分支、不同截面电缆连接处等)时,部分信号会被反射,部分信号会继续传输(折射)。反射信号会沿着电缆反向传播,并可能与后续的放电脉冲或正向传输的脉冲叠加,使得信号波形更加复杂。对反射信号的分析有助于定位阻抗不匹配点。
4. 局部放电传输模型研究现状
为了准确描述局部放电信号在电缆中的传输特性,研究人员提出了多种传输模型。这些模型主要基于传输线理论或电磁场理论。
4.1 基于传输线理论的模型
传输线理论是分析电缆中信号传输的经典方法。它将电缆视为由无限多个L-C-R-G单元串联而成的均匀传输线。


典型的传输线模型包括:
- RLGC参数模型
:这是最基本的传输线模型,通过精确计算或测量电缆的R、L、G、C参数,可以模拟信号的传输过程。然而,这些参数通常是频率相关的,因此在实际应用中需要考虑其频率特性。
- 经验模型/拟合模型
:为了简化计算,一些研究者通过实验测量局部放电信号的衰减和畸变特性,然后采用指数函数、多项式函数等对衰减系数和相位常数进行拟合,建立经验性的传输模型。这类模型虽然计算简单,但其准确性受限于实验条件和电缆类型。
4.2 基于电磁场理论的模型
对于更复杂的电缆结构或更高频率的局部放电信号,基于传输线理论的近似可能不够准确。此时,需要采用更精确的电磁场理论,例如有限元法(FEM)或时域有限差分法(FDTD),来求解麦克斯韦方程组。
- FEM/FDTD模型
:这些数值方法可以对电缆的几何结构和材料属性进行精细建模,模拟电磁波在复杂介质中的传播过程。这类模型能够更准确地反映电缆的色散、衰减以及反射等特性,尤其适用于考虑电缆接头、终端等非均匀结构的影响。然而,其计算复杂度高,对计算资源要求较高。
4.3 考虑多模传播的模型
在中压电缆中,除了主导的TEM模式(横电磁波)外,在某些频率下,也可能存在TE模式(横电模式)和TM模式(横磁模式)的传播,特别是在电缆护套或屏蔽层存在缺陷时。多模传播会使局部放电信号的波形更加复杂,不同模式的传播速度和衰减特性不同,进一步加剧了信号的畸变。因此,一些高级传输模型开始考虑多模传播的影响,以提高模型的准确性。
5. 传输模型在局部放电诊断中的应用
局部放电传输模型在中压电缆故障诊断中具有广泛的应用价值:
5.1 局部放电定位
准确的放电定位是故障诊断的关键。通过建立传输模型,并结合双端或多端测量技术,可以通过比较不同测量点接收到的局部放电脉冲的到达时间差或波形特征,反推出放电源的精确位置。传输模型能够补偿信号在传输过程中的衰减和畸变,提高定位精度。
5.2 放电类型识别
不同类型的局部放电(如气隙放电、沿面放电、树枝状放电)通常具有不同的脉冲波形和频谱特征。然而,经过长距离传输后,这些特征可能会被模糊。通过传输模型对接收到的信号进行逆向传输补偿,可以重构出原始的局部放电脉冲波形和频谱,从而更有利于放电类型的识别。
5.3 绝缘状态评估
局部放电的强度和频率是评估电缆绝缘状态的重要指标。通过传输模型对测量到的局部放电幅值进行衰减补偿,可以得到放电源处的真实放电强度,从而更准确地评估电缆绝缘的劣化程度和剩余寿命。
6. 展望与挑战
尽管在局部放电传输模型研究方面取得了显著进展,但仍存在一些挑战和未来的研究方向:
- 频率依赖性参数的精确获取
:电缆的R、L、G、C参数以及介电常数、损耗角正切等都具有频率依赖性。如何在高频范围内精确获取这些参数是提高模型准确性的关键。
- 复杂电缆结构的建模
:当前模型大多基于理想的均匀电缆结构,而实际电缆存在接头、终端、分支以及不同材质的复合绝缘等复杂结构,这些结构对局部放电信号的传输影响需要更精确的建模。
- 多物理场耦合效应
:局部放电过程涉及到电场、温度场、力场以及化学场等多物理场耦合效应。传输模型应进一步考虑这些因素对信号传播特性的影响。
- 人工智能与数据驱动模型的融合
:将机器学习、深度学习等人工智能技术与传输模型相结合,通过大量实测数据训练模型,有望提高局部放电定位和诊断的自动化和智能化水平。
- 多传感器信息融合
:结合电学、声学、光学等多种局部放电检测信号的传输模型,通过信息融合技术,可以提供更全面、更准确的故障诊断结果。
7. 结论
中压电缆局部放电的传输模型研究是局部放电检测与诊断领域的重要组成部分。本文对局部放电信号的产生与特性、传输机理以及当前主流传输模型进行了深入探讨。准确的传输模型能够补偿信号在电缆中的衰减和畸变,为精确的放电定位、类型识别和绝缘状态评估提供理论依据和技术支持。尽管仍面临诸多挑战,但随着理论研究的深入和检测技术的发展,未来局部放电传输模型必将在提升中压电缆运行可靠性和安全性方面发挥越来越重要的作用。
⛳️ 运行结果


🔗 参考文献
[1] 方静,魏占朋,殷强,等.220kV高压电缆局部放电信号传输特性研究[J].电力系统及其自动化学报, 2021, 33(1):6.DOI:10.19635/j.cnki.csu-epsa.000593.
[2] 吴斌,王春雷.局部放电信号在交联聚乙烯电缆的传播特性仿真研究[J].电工技术, 2020(24):2.DOI:10.19768/j.cnki.dgjs.2020.24.068.
[3] 杨丰源.高压直流电缆局部放电特征分析及辨识技术研究[D].上海交通大学,2018.
📣 部分代码
🎈 部分理论引用网络文献,若有侵权联系博主删除
👇 关注我领取海量matlab电子书和数学建模资料
🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌈图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌈 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻
🌈 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划
🌈 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌈 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌈电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电
🌈 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌈 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌈 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP
👇
731

被折叠的 条评论
为什么被折叠?



