基于改进减法平均优化算法的GIS局部放电故障诊断方法

摘要

针对气体绝缘组合电器(gas-insulated switchgear, GIS)绝缘缺陷引发的局部放电故障诊断难题，提出一种基于改进减法平均优化算法(cauchy mutation improved subtraction-average-based optimizer, CSABO)的GIS局部放电故障诊断方法。原始减法平均优化算法(subtraction-average-based optimizer, SABO)存在易陷入局部最优、收敛精度不足的问题，本文引入Cubic混沌映射优化种群初始化，并融合柯西变异策略帮助粒子跳出局部极值，构建CSABO算法。将其同时用于时变滤波经验模态分解(time-varying filter empirical mode decomposition, TVFEMD)的带宽阈值、B-样条阶次参数，以及最小二乘支持向量机(least squares support vector machine, LSSVM)的惩罚因子c和核参数σ的联合寻优。通过CSABO-TVFEMD分解尖端、颗粒、气隙、悬浮4种典型GIS特高频局部放电信号，采用相关系数法筛选有效本征模态函数分量，提取峭度、裕度、脉冲、波形、峰值5项时域指标构成特征向量，输入CSABO-LSSVM模型完成故障识别。实验结果表明，该方法识别准确率达98.33%,显著优于SABO、GWO、PSO等对比算法，且收敛速度更快。110 kV变电站现场应用案例验证了该方法能准确诊断实际GIS局部放电故障，可为电力设备绝缘状态评估提供技术支撑。

关键词

气体绝缘组合电器 / 特高频 / 时变滤波经验模态分解 / 减法平均优化算法 / 最小二乘支持向量机 / 局部放电 / 故障诊断

基金资助

国网江苏省电力有限公司科技项目资助(J2023002)