Please use this identifier to cite or link to this item:
Title: Διερεύνηση συμπεριφοράς μονωτήρων υψηλής τάσης μέσω μετρήσεων του ρεύματος διαρροής
Authors: Πυλαρινός, Διονύσιος
Issue Date: 2012-08-31
Keywords: Ρεύμα διαρροής
Υψηλή τάση
Επεξεργασία σημάτων
Αναγνώριση προτύπων
Keywords (translated): Leakage current
High voltage
Signal processing
Pattern recognition
Abstract: Η παρακολούθηση του ρεύματος διαρροής, και ειδικά της κυματομορφής του, είναι μια ευρύτατα διαδεδομένη τεχνική για την παρακολούθηση της επιφανειακής δραστηριότητας και κατάστασης των μονωτήρων υψηλής τάσης. Η παρακολούθηση στο πεδίο είναι απαραίτητη για να υπάρξει μια πιστή καταγραφή της δραστηριότητας και συμπεριφοράς σε πραγματικές συνθήκες, παρουσιάζει όμως σημαντικές δυσκολίες. Το πρόβλημα συνήθως παρακάμπτεται με την καταγραφή και μελέτη εξαγόμενων μεγεθών όπως η τιμή κορυφής και το φορτίο, μία προσέγγιση που οδηγεί όμως σε αμφίβολα αποτελέσματα. Η παρούσα διατριβή επικεντρώνεται στην διερεύνηση και ταξινόμηση κυματομορφών ρεύματος διαρροής καταγεγραμμένων στο πεδίο. Αρχικά, παρατίθεται μια λεπτομερής ανασκόπηση της καταγραφής και ανάλυσης ρεύματος διαρροής σε εργαστηριακές και πραγματικές συνθήκες. Στην συνέχεια, περιγράφεται το πεδίο μετρήσεων, δύο Υποσταθμοί Υψηλής Τάσης 150kV, το αναπτυχθέν λογισμικό αλλά και ο Υπαίθριος Σταθμός Δοκιμών όπου πρόκειται να αξιοποιηθούν τα αποτελέσματα. Μελετώνται περισσότερες από 100.000 κυματομορφές, που έχουν καταγραφεί σε μια περίοδο που ξεπερνάει τα δέκα έτη. Εξετάζεται και αξιολογείται το πρόβλημα του θορύβου και ταυτοποιούνται τρεις διαφορετικοί τύποι θορύβου. Εξετάζεται η επίδρασή τους στο πρόβλημα συσσώρευσης δεδομένων αλλά και στην ποιότητα της εξαγόμενης πληροφορίας. Για την αντιμετώπιση του προβλήματος εφαρμόζονται και αξιολογούνται τρεις διαφορετικές τεχνικές. Για την περαιτέρω ταξινόμησή των κυματομορφών που απεικονίζουν δραστηριότητα, χρησιμοποιούνται διάφορες τεχνικές επεξεργασίας σήματος, εξαγωγής και επιλογής χαρακτηριστικών καθώς και αναγνώρισης προτύπων όπως η Wavelet Multi-Resolution Ανάλυση, η Ανάλυση Fourier, τα Νευρωνικά Δίκτυα, το t-test, ο αλγόριθμος mRMR, ο αλγόριθμος κ-πλησιέστερων γειτόνων, ο απλός Μπεϋζιανός ταξινομητής και οι Μηχανές Διανυσμάτων Υποστήριξης. Συγκεντρωτικά, δίνεται μια συνολική εικόνα των διαφορετικών ζητημάτων που σχετίζονται με την παρακολούθηση του ρεύματος διαρροής. Παρατίθεται μια πλήρης εικόνα των κυματομορφών όπως αυτές καταγράφονται σε πραγματικές συνθήκες, υπογραμμίζοντας ιδιαιτερότητες που σχετίζονται με την φύση της εφαρμογής. Εφαρμόζονται και αξιολογούνται νέες προσεγγίσεις για την ταξινόμηση των κυματομορφών. Τα συνολικά αποτελέσματα προσφέρουν σημαντική ενίσχυση στην αποτελεσματικότητα της τεχνικής της παρακολούθησης του ρεύματος διαρροής, συμβάλλοντας σημαντικά στην μελέτη της επιφανειακής δραστηριότητας και συμπεριφοράς των μονωτήρων υψηλής τάσης.
Abstract (translated): Leakage current monitoring is a widely applied technique for monitoring surface activity and condition of high voltage insulators. Field monitoring is necessary to acquire an exact image of activity and performance in the field. However, recording, managing and interpreting leakage current waveforms, the shape of which is correlated to surface activity, is a major task. The problem is commonly by-passed with the extraction, recording and investigation of values related to peak and charge, an approach reported to produce questionable results. The present thesis focuses on the investigation and classification of field leakage current waveforms. At first, a detailed background of measuring and analyzing leakage current both in lab and field conditions is provided. Then, the monitoring sites, two 150kV Substations, as well as the developed custom-made software and the newly constructed High Voltage Test Station where the results of this thesis are to be implemented, is briefly described. More than 100.000 waveforms are investigated, recorded through a period exceeding ten years. Field related noise is thoroughly described and evaluated. Three different types of noise are identified and their impact on the size of accumulated data and on data interpretation is investigated. Three different techniques to overcome the problem are applied and evaluated. Activity portraying waveforms are further investigated. Further classification of activity portraying waveforms is performed employing signal processing, feature extraction and selection algorithms as well as pattern recognition techniques such as Wavelet Multi-Resolution Analysis, Fourier Analysis, Neural Networks (NNs), student’s t-test, minimum Redundancy Maximum Relevance (mRMR), k-Nearest Neighbors (kNN), Naive Bayesian Classifier and Support Vector Machines (SVMs). Overall results provide a full image of the various aspects of field leakage current monitoring. A detailed image of field waveforms, revealing several new attributes, is documented. New approaches for the classification of leakage current waveforms are introduced, applied on field waveforms and evaluated. Results described in this thesis significantly enhance the effectiveness of the leakage current monitoring technique, providing a powerful tool for the investigation of surface activity and performance of high voltage insulators.
Appears in Collections:Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)

Files in This Item:
File Description SizeFormat 
Nimertis_Pylarinos(ele).pdf12.33 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.