基于分布式光纤传感的变压器绕组变形检测与故障识别可行性研究

Feasibility Study on Transformer Winding Deformation Detection and Fault Identification Based on Distributed Optical Fiber Sensing

刘云鹏1,2, 步雅楠2, 田源2, 贺鹏2, 范晓舟2

1. 新能源电力系统国家重点实验室(华北电力大学),保定071003

2. 华北电力大学河北省输变电设备安全防御重点实验室,保定071003

LIU Yunpeng1,2, BU Yanan2, TIAN Yuan2, HE Peng2, FAN Xiaozhou2

1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Baoding 071003, China
2. Hebei Provincial Key Laboratory of Power Transmission Equipment Security Defense, North China Electric Power University, Baoding 071003, China

  • 刘云鹏(通信作者)1976—,男,博士(后),教授,博导,研究方向为特高压输电技术、电气设备在线监测E-mail: liuyunpeng@ncepu.edu.cn

基金项目: 国家电网公司科技项目(524625160020); 中央高校基本科研业务费专项(2016XS93; 2017MS102); Project supported by Science and Technology Program of SGCC (524625160020), the Central University Basic Scientific Research Business Special Funds (2016XS93, 2017MS102);

摘要

绕组变形是变压器内部的常见故障之一,传统的绕组变形检测方法均属于离线检测,且无法识别故障形式。针对以上问题,提出了基于分布式光纤传感的变压器绕组变形检测方法,研制了光纤复合式绕组模型,模拟局部鼓包、内凹和绕组松动等变形情况,利用布里渊光时域反射计(Brillouin optical time domain reflectometer , BOTDR)测量光纤应变变化情况,最后通过极限学习机(extreme learning machine , ELM)对检测信号进行模式识别。试验结果显示:光纤在绕组中有一定的预应力,光纤应变曲线的变化对应不同的绕组变形形式,该方法对正常绕组和不同变形形式的绕组识别准确率均为90%以上。分布式光纤传感技术能够有效实现变压器绕组变形检测,为变压器绕组变形在线监测和故障诊断提供了新的思路。

关键词 : 变压器绕组变形; 在线监测; 分布式光纤; 布里渊光时域反射计; 模式识别; 极限学习机;

DOI:10.13336/j.1003-6520.hve.201180511007 2019年5月31日第45卷May

ABSTRACT

Winding distortion is a common faults inside the transformer. The traditional mature detecting method of winding deformation belongs to off-line detection, and can not judge the winding deformation mode. According to the above reasons, this paper proposes a detecting method of transformer winding deformation based on distributed optical fiber sensing. The built-in distributed optical fiber continuous winding model is used to simulate the winding deformation in practical operation. When the winding is partially deformed, the optical fiber strain will be measured by Brillouin optical time domain reflectometer (BOTDR). At last, the extreme learning machine (ELM) will make mode recognization to the detection signal. According to experimental results, the distributed optical fiber has some prestress in the winding, and the variation of fiber strain curve corresponds to different winding deformation. The accuracy of ELM is more than 90% for the winding and different deformation forms. The distributed optical fiber sensing technology can effectively detect the transformer winding deformation, which-provides a new idea for on-line monitoring of transformer winding deformation.

KEY WORDS : transformer winding deformation; online monitoring; distributed fiber; Brillouin optical time domain reflectometer; pattern recognition; extreme learning machine;

0 引言

电力变压器在电力系统中具有重要地位,其安全运行直接影响着供电的可靠性与安全性[1]。当变压器发生短路故障时,变压器绕组受到巨大电动力作用,会发生塌陷、鼓包等永久性变形[2-3]。如不及时发现,累计效应会使变形进一步加剧,最终导致变压器事故。变压器绕组变形最直观的检测方式为吊罩检查,作为早期绕组变形的检测手段,该方法耗费大量的物力和财力,且难以判断内侧绕组的状况[4]。后来,国内外专家陆续开发了多种变压器绕组变形无损检测方法。主要有短路阻抗法(short-circuit reactance, SCR)[5-6]、低压脉冲法(low voltage impulse, LVI)[7]、频率响应分析法(frequency response analysis, FRA)[8]和振动法[9]

短路阻抗法又称短路实验法是最早应用的变压器绕组变形检测方法,该方法以变压器绕组的漏抗作为状态参量[10],方法简单,重复性好,但对绕组的轻微变形不敏感[11],无法判定绕组变形种类;低压脉冲法是由波兰学者Lech和Tyminski于1966年提出的,该方法弥补了短路阻抗法测量灵敏度低的缺陷,但在实际应用中易受现场复杂电磁环境的影响,重复性较差;为克服低压脉冲法的一些缺陷,1978年加拿大学者E.P.Dick和C.C.Erven[12]提出频率响应法,该方法通过向变压器内部注入扫频信号,比较频率响应变化[13]。由于该方法灵敏度高,抗干扰能力强,现已成为我国电力系统检测变压器绕组变形的主要方法之一。但是该方法仅能进行离线测试,且对绕组首端位置的故障响应不灵敏;振动检测法根据箱体振动信号判断绕组状态,虽可做到在线监测,但若变压器发生短路故障,将会危及传感器及人身安全,该方法目前正处于研究阶段,并未得到广泛实施[14-15]

为适应电气设备在线监测与状态评估的发展趋势,越来越多的学者致力于研究变压器绕组变形带电检测技术的可能性。但是变压器绕组变形在线监测受测量导线分布、穿心式电流互感器位置、地线长度等因素影响较大,理论研究和工程实践还不够深入,无法实现绕组变形的准确判断。

分布式光纤传感技术是近几年迅速发展起来的新型传感技术,其利用光纤的低损耗传输特性,通过分析光纤后向散射光的分布变化来检测光纤周围温度、应变等被测物理量,是一种全分布式的光纤传感技术。具有尺寸小、重量轻,耐温性能好,抗电磁干扰性强,传输距离远,便于遥测[16]和控制等优点。应用范围极广,包括:高压电力电缆[17]、高压输电线覆冰状态监测[18];桥梁[19-21]、高速公路等动态检测、防护及报警[22];火灾监测[23]等。

因此,利用分布式光纤传感检测绕组变形具有非常广阔的应用前景,目前尚未发现关于这方面的研究。本文基于布里渊散射原理,设计并制作了内置分布式光纤连续式绕组模型模拟绕组变形,进行了相关实验,利用布里渊光时域反射计(Brillouin optical time domain reflectometer, BOTDR)实现了绕组变形的准确测量,并采用极限学习机(extreme learning machine, ELM)对绕组应变信号进行模式识别,为变压器绕组变形检测提供了一种新的技术手段。

1 基于布里渊散射的分布式光纤应变检测原理

1.1 BOTDR测量原理

BOTDR)是基于自发布里渊散射的传感系统,具有单端入射,分布式测量等优点,能够实现绕组变形分布式检测。布里渊散射属于非弹性散射,由光纤中注入的光波场与其中弹性声波场之间相互耦合产生,可实现光纤应变和温度的分布式检测。其基本原理如图1所示,在光纤一端注入频率为f的脉冲光,可以获得中心频率为f-fb的背向布里渊散射信号,其中fb为布里渊频移。通过对这一微弱信号的探测和处理,即可通过自发布里渊散射的频移或强度等参量实现对应变的分布式传感。

图1 BOTDR检测原理 Fig.1 Trap energy distribution in polymer

如上所述,当光纤存在轴向应变时,光纤中的布里渊频移将发生漂移,通过频移与应变之间的线性关系可得应变量。

1.2 基于布里渊散射的光纤应变检测

布里渊频移与光纤材料中的声速有关,声速会受到光纤材料的热光效应和弹光效应的影响,而热光效应和弹光效应与光纤材料的折射率、杨氏模量、泊松比和密度有关,因此光纤中温度和应变的变化都会引起布里渊频移和强度的变化。其结果表现为光纤的轴向应变和温度与布里渊频移具有很好的线性关系,即

${{v}_{B}}\left( T,\varepsilon \right)={{v}_{B0}}\left( {{T}_{0}},{{\varepsilon }_{0}} \right)+{{C}_{vT}}\Delta T+{{C}_{v\varepsilon }}\Delta \varepsilon $ (1)

式中:${{v}_{B}}(T,\varepsilon )$为光纤在温度T和应变\(\varepsilon \)下的布里渊频移;${{v}_{B0}}({{T}_{0}},{{\varepsilon }_{0}})$为光纤在初始温度T0和初始应变\({{\varepsilon }_{0}}\)下的布里渊频移;\({{C}_{\text{vT}}}\)、\({{C}_{\text{v }\!\!\varepsilon\!\!\text{ }}}\)为布里渊频移的应变系数和温度系数,其受到光纤材料不同以及不同厂家制作工艺的影响,试验前需要对其进行标定。图2(a)为布里渊频移与光纤微应变之间的线性关系,图2(b)为布里渊频移与温度之间的线性关系,\({{C}_{\text{v }\!\!\varepsilon\!\!\text{ }}}\)约为52.8 GHz,\({{C}_{\text{vT}}}\)约为1.32 MHz/℃。

1.3 温度补偿

布里渊频移对温度和应变交叉敏感,一般正常运行的变压器内部油温温差可达20 ℃以上,并且电力变压器的短路故障或绝缘破损等问题会引起变压器内部局部温度的急剧变化。因此为准确检测绕组变形,本文利用2根不同护套材料的紧套光纤共同铺设,对光纤监测变压器绕组变形进行温度补偿。具体方法为:在绕组表面贴附2根不同护套材料的紧套光纤,保证2根光纤处于相同的温度场和应变环境下,通过标定试验获得每一根光纤的温度和应变系数。同时测量2根光纤的频移情况便可实现温度和应变的同时传感,表示如下

\(\left( \begin{matrix} {{\delta }_{\text{v1}}} \\ {{\delta }_{\text{v2}}} \\\end{matrix} \right)=\left( \begin{matrix} {{C}_{\text{vT}1}} & {{C}_{\text{v }\!\!\varepsilon\!\!\text{ 1}}} \\ {{C}_{\text{vT2}}} & {{C}_{\text{v }\!\!\varepsilon\!\!\text{ 2}}} \\\end{matrix} \right)\left( \begin{matrix} {{\delta }_{T}} \\ {{\delta }_{\text{ }\!\!\varepsilon\!\!\text{ }}} \\\end{matrix} \right)\) (2)

式中:\({{\delta }_{\text{v1}}}\)、\({{\delta }_{\text{v2}}}\)为频移变化量;\({{C}_{\text{vT}1}}\)、\({{C}_{\text{vT2}}}\)为温度系数;\({{C}_{\text{v }\!\!\varepsilon\!\!\text{ 1}}}\)、\({{C}_{\text{v }\!\!\varepsilon\!\!\text{ 2}}}\)为温度系数;\({{\delta }_{T}}\)为温度变化量;\({{\delta }_{\text{ }\!\!\varepsilon\!\!\text{ }}}\)为应变变化量。

由于2根光纤的护套材料不同,则温度系数和应变系数也不尽相同,保证${{C}_{vT1}}{{C}_{\text{v }\!\!\varepsilon\!\!\text{ }2}}\ne {{C}_{\text{v }\!\!\varepsilon\!\!\text{ }1}}{{C}_{vT2}}$,解这个方程组便可得到温度和应变信息。

2 基于分布式光纤传感的绕组变形故障识别关键技术

2.1 分布式光纤在绕组中的布置方式

本文采用在绕组表面贴附光纤的方式进行绕组变形设置,图3为绕组模型截面图,设置2根护套分别为热塑性聚酯弹性体(thermoplastic polyeher ester elastomer, TPEE)和乙烯-四氟乙烯共聚物(ethylene-tetrafluoroethylene, ETFE)的紧包光纤。TPEE和ETFE均有良好的弹性和机械强度,且耐热性和耐油性能良好,可在120 ℃以上环境保持稳定。通过导引装置,在绕组扁铜线包裹绝缘纸的过程中,先在导体外包绕2层绝缘纸,避免光纤直接接触导线。将紧套光纤放置于绕组宽面,再包绕2层绝缘纸,用于固定光纤,这样既不改变绕组结构,也使光纤不受外部油流动和震动的影响;同时,当遭受短路冲击时,绕组发生局部变形,光纤也将随之发生同步变形,通过检测光纤应变量即可判断绕组状态。

图2 布里渊频移标定 Fig.2 Brillouin frequency shift calibration

图3 表面敷设光纤的绕组导线截面图 Fig.3 Cross section of winding wire for surface laying of optical fiber

2.2 实验平台搭建

为达到实时在线检测变压器绕组变形,本文采用内径3 mm×5 mm的带状PVC管代替铜导线,以较为方便设置不同类型绕组变形。由于硬塑料形变与铜导线发生形变对光纤的影响基本相同,故选用此替代实现分布式光纤检测变压器绕组变形具有一定的可行性。另外考虑到采用PVC代替铜导线,绕组实际受力较真实导线较小,为得到较为明显的应力分布,本文将光纤置于绕组外表面。最终制成内径500 mm,共20饼,每饼5匝,总长为200 m的连续式绕组模型。同时,为引出传感信号,消除首端盲区和尾端反射对测量结果造成的误差,在模型首尾端分别连接20 m光纤尾纤。

在使用光纤敷设PVC外表面制作线圈的过程中,光纤将承受换位,正反饼挤压,拉拽等制作工艺的影响。为确保光纤贴附导线绕制过程中不被损坏,采用BOTDR全程监测光纤应变曲线。如图4所示,光纤贴附线圈绕制过程中受到拉伸力,微应变变化量小于1 800,远小于光纤抗拉强度的允许值,即光纤贴附线圈绕制过程对光纤强度影响较小,后续测试实验表明分布式光纤传感器保持了良好的应变监测性能。

相比于桥梁、隧道、电缆等距离尺寸较大的研究对象,变压器绕组长度较短,弯曲半径较小,在遭受短路冲击变形时变形处的弯曲半径可达cm级。因此本文选择长飞G.657A1型抗拉伸,护套材料为ETFE,耐弯曲单模光纤作为传感光纤。BOTDR选用威海北洋光电生产的分布式光纤应变监测系统,光纤规格和BDTDR参数设置分别见表1、表2。

3 基于ELM的绕组变形模式识别

3.1 绕组变形检测的实现

变压器变形一般有轴向变形、径向变形、绕组松动等形式。当绕组发生轴向变形时,应力和应变最大处均位于导线窄面,导线宽面中心层处没有应力和应变,这导致宽面上2根光纤收到应变较小,较难判断绕组发生的轴向变形。在实际运行中,变

图4 绕组绕制过程应力监测 Fig.4 Stress monitoring in winding process

压器高低压绕组受短路冲击力的作用发生径向变形概率较大,故本文针对径向变形和绕组松动变形进行更为精确的测量。针对变压器实际运行中可能出现的典型绕组径向变形方式,对模型施加内凹、鼓包变形,变形示意图见图5。

表1 光纤规格 Table 1 Optical fiber specifications

表2 BOTDR参数设置 Table 2 BOTDR parameter settings

图5 绕组变形设置 Fig.5 Winding deformation settings

图5所示,分别设置第13饼/19饼内凹,第8饼鼓包,第13、18饼同时鼓包,绕组整体松动5种变形,通过BOTDR监测绕组变形应变信号。另测量过程中,会受到光纤传感设备等周围复杂环境的影响,检测数据中含有一定的噪声。故本文首先通过小波变换[24]对检测信号进行降噪,采用无偏风险处理细节信号,再经软阈值对应变信号进行重构,在不失原有特征的基础上得到较为光滑的信号。经过多次测量,BOTDR采样分别率设为0.5 m,即每隔0.5 m进行一次采样,但由于设备本身存在误差,导致每次测量结果出现纵向或横向偏移,无法进行准确识别。故提出基于欧式距离的处理方法:以图5所示预应变曲线为基准,以欧式距离作为判据,即

$d=\sqrt{\sum\limits_{k=1}^{n}{{{\left( {{x}_{1k}}-{{x}_{2k}} \right)}^{2}}}}$

式中:$d$为欧氏距离;${{x}_{nk}}$为采样点应变量;$n$为采样点数。对应变曲线进行多次移动,移动过程中以采样分辨率为移动间距,采样点数为移动次数,每次移动后计算与基准曲线间的欧式距离,取最小距离作为最终结果。处理结果如图6所示。

经过反复测量比较,本文最终将BOTDR光源脉宽设置为20 ns,即对应2 m的空间分辨率,则当光纤某一饼绕组某处出现变形时,光纤测量的是该处向前2 m内的综合应变,因此如图6所示测量得到的光纤应变曲线突变范围比实际范围要大。

3.2 基于ELM的绕组变形模式识别

ELM是黄广斌等于2016年提出的一种针对单隐含层前馈神经网络(single-hidden layer feedforward neural network, SLFN)的新算法[25],其结构见图7。图7中,x1x2x3为输入量;y1y2y3为输出量;ω为权值;β为隐含层节点阈值。极限学习机随机产生输入层与隐含层之间的连接权值和隐含层神经元的阈值,只需确定隐含层神经元个数和激活函数,仅通过一步计算就可获得隐含层与输出层间的连接权值,与传统训练方法相比,大大提高了网络的学习速度和泛化性能。

对第3章所述5种绕组变形样式,本文各采样100组,共得到包括正常样本在内的600组样本。首先对绕组应变信号进行S变换,即

\(S\left[ m,n \right]=\sum\limits_{p=0}^{N-1}{x\left( p \right)}\frac{n}{N\sqrt{2\text{ }\!\!\pi\!\!\text{ }}}\text{exp}\left( -\frac{{{n}^{2}}{{\left( m-p \right)}^{2}}}{2{{N}^{2}}}{{\text{e}}^{-\frac{\text{i}2\text{ }\!\!\pi\!\!\text{ }pm}{N}}} \right)\) (3)

式中:$x\left( p \right)$$\left( p=0,T,2T,\cdots ,\left( N-1 \right)T \right)$为离散信号;$N$

图6 绕组机械变形应变检测信号 Fig.6 Winding mechanical deformation strain detection signal

图7 ELM神经网络结构图 Fig.7 ELM neural network structure

为样本总量;$m,n=0,1\cdots ,N-1;$$T$为采样周期。

变换结果经简单分析处理可得应变信号时频分布三维谱图(如图8所示),各曲线意义如下:时

图8 应变信号时频分布三维谱图 Fig.8 3-D spectrum of time-frequency distribution of strain signal

频分布三维谱图是时间、频率、微应变的三维空间图、反映应变信号的幅值,频率等综合信息;幅频曲线包络线即S模时频矩阵行向量极大值图,反映应变信号的频率变化;时间幅值包络线即S模时频矩阵列向量极大值图,反应应变量突变方向。

基于上述分析提取变压器绕组应变模式识别所需特征量,包括如下:频谱标准差平方根均值,记为F1;频率幅值包络线标准差,记为F2;时间幅值包络线平均能量,记为T1;时间幅值包络线的平均值,记为T2;时间幅值包络线标准差,记为T3。以上特征量计算式如下:

标准差: $\sigma \text{=}\sqrt{\frac{1}{N}\sum\limits_{\text{i}=1}^{N}{{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}}}$ (4)

平均值: $\bar{x}=\frac{1}{n}\sum\limits_{i=1}^{N}{{{x}_{i}}}$ (5)

平均能量: $E\text{=}\frac{1}{N}{{\sum\limits_{i=1}^{N}{\left| {{x}_{i}} \right|}}^{2}}$ (6)

式中:F1、F2为频域特征量;T1、T2、T3为时域特征量。随机选取450组作为训练样本,150组作为识别样本送入ELM神经网络,识别结果见表3。

表3可以看出,基于光纤分布式检测的特点,本文提出的识别算法可准确检测变压器绕组正常状态和内凹,鼓包两种典型机械变形,且不受形变位置,形变数量的影响。

4 结论

1)光纤敷设线圈外表面绕制绕组过程监测结果显示,光纤传感器在绕组绕制过程中受到应力较小,远小于光纤抗拉强度允许值,能够保持良好的应变监测性能。

2)设计并制作内置分布式光纤的变压器绕组时,应充分考虑到变压器绕组制作工艺对光纤传感器机械强度的影响,并对传统制作工艺进行适当的改进。

表3 检测结果 Table 3 Test results

3)将导线与光纤贴合同步绕制,可使导线与光纤同步变形。通过BOTDR分布式测量得到的绕组应变信号包含大量特征量,通过ELM模式识别可有效判断出绕组变形方式,且不受变形位置、数量的影响。

参考文献

[1] 郭新辰,宋琼,樊秀玲. 基于半监督分类方法的变压器故障诊断[J]. 高电压技术,2013,39(5):1096-1100. GUO Xinchen, SONG Qiong, FAN Xiuling.Transformer fault diagnosis based on semi-supervised classifying method[J]. High Voltage Engineering, 2013, 39(5): 1096-1100.

[2] 耿江海,钟正,刘云鹏,. 高电导率雾对悬式瓷质绝缘子交流闪络特性的影响[J]. 高电压技术,2017,43(9):2976-2982. GENG Jianghai, ZHONG Zheng, LIU Yunpeng, et al.Influence of high conductivity fog on AC flashover characteristics of suspension porcelain insulator[J]. High Voltage Engineering, 2017, 43(9): 2976-2982.

[3] 王世山,汲胜昌,李彦明. 电缆绕组变压器短路时线圈轴向稳定性的研究[J]. 中国电机工程学报,2004,24(2):167-171. WANG Shishan, JI Shengchang, LI Yanming.Study on axial stability in condition of short-circuit for power transformer using XLPE insulated cable windings[J]. Proceedings of the CSEE, 2004, 24(2): 167-171.

[4] 丁刚. 大型变压器在现场吊罩检查的探讨[J]. 电力建设,1987,8(9):43-50. DING Gang.Study of onsite examination to dedanking winding from large transformer[J]. Electric Power Construction, 1987, 8(9): 43-50.

[5] 李世军,罗隆福,龙熹,. 基于新型磁场-电路耦合法的集成滤波电感变压器及滤波系统建模[J]. 高电压技术,2017,43(1):59-66. LI Shijun, LUO Longfu, LONG Xi, et al.Integrated filter inductor transformer and filter system modeling based on new magnetic field-circuit coupling method[J]. High Voltage Engineering, 2017, 43(1): 59-66.

[6] 欧小波,汲胜昌,彭晶,. 漏电抗的参数辨识技术在线监测变压器绕组变形的研究[J]. 高电压技术,2010,46(12):41-44. OU Xiaobo, JI Shengchang, PENG Jing, et al.Study on on-line detecting of transformer winding deformation based on parameter identification of leakage reactance[J]. High Voltage Engineering, 2010, 46(12): 41-44.

[7] DIEK E P, ERVEN C C.Transformer diagnostic testing by frequency response analysis[J]. IEEE Transactions on Power Apparatus and Systems, 1978, 97(6): 2144-2153.

[8] 程文峰,喇元. 变压器绕组频响范测试法相关问题的的研究[J]. 电测与仪表,2013,50(6):41-44. CHENG Wenfeng, LA Yuan.Research on related issues of transformer winding based on frequency response testing method[J]. Electrical Measurement & Instrumentation, 2013, 50(6): 41-44.

[9] 周求宽,万军彪,王丰华,. 电力变压器振动在线监测系统的开发与应用[J]. 电力自动化设备,2014,34(3):162-166. ZHOU Qiukuan, WAN Junbiao, WANG Fenghua, et al.Design and implementation of online vibration monitoring system for power transformer[J]. Electric Power Automation Equipment, 2014, 34(3): 162-166.

[10] 力变压器绕组变形的电抗法检测判断导则:DL/T 1093—2008[S]. 北京:中国电力企业联合会,2008. Guide for reactance method to detect and diagnose winding deformation of power transformer:DL/T 1093—2008[S]. Beijing, China: China Electricity Council, 2008.

[11] ABU-SIADA A, ISLAM S M.A novel online technique to detect power transformer winding faults[J]. IEEE Transactions on Power Delivery, 2012, 27(2): 894-857.

[12] MALEWSKI R, POILIN B.Impulse testing of power transformer using the transfer function method[J]. IEEE Transactions on Power Delivery, 1988, 3(2): 476-489.

[13] DICK E P, EVEN C C.Transformer diagnostic testing by frequency response analysis[J]. IEEE Transactions on Power Apparatus and Systems, 1978, 97(6): 2144-2153.

[14] GARCIA B, BURGOS J C, ALONSO A M.Transformer tank vibration modeling as a method of detecting winding deformations-Part I: Theoretical foundation[J]. IEEE Transactions on Power Delivery, 2006, 21(1): 157-163.

[15] BEHJAT V, VAHEDI A, SETAYESHMEHR A, et al.Diagnosing shorted turns on the windings of power transformers based upon online FRA using capacitive and inductive couplings[J]. IEEE Transactions on Power Delivery, 2001, 26(4): 2123-2133.

[16] 卞继城,郎婷婷,俞文杰. 基于马赫-曾德尔干涉的温度和应变同时测量的光纤传感器研究[J]. 光电子激光,2015,26(11):2169-2174. BIAN Jicheng, LANG Tingting, YU Wenjie.Study of fiber sensor for the simultaneous measurement of temperature and strain based on Mach-Zehnder interferometer[J]. Journal of Optoelectronics Laser, 2015, 26(11): 2169-2174.

[17] 吴钰骅,沈林冲,金伟良. 长距离光纤传感技术在地铁隧道监测中的应用[J]. 中国市政工程,2006(6):59-61,92. WU Yuhua, SHEN Linchong, JIN Weiliang.Application of long - distance optical fiber sensing technology in subway tunnel monitoring[J]. China Municipal Engineering, 2006(6): 59-61, 92.

[18] 刘冠兰. 地铁隧道变形监测关键技术与分析预报方法研究[D]. 武汉:武汉大学,2013. LIU Guanlan.Study on key technology and analysis and forecast method of deformation monitoring for subway tunnel[D]. Wuhan, China: Wuhan University, 2013.

[19] 罗俊华,邱毓昌,杨黎明. 10 kV及以上电力电缆运行故障统计分析[J]. 高电压技术,2003,29(6):14-16. LUO Junhua, QIU Yuchang, YANG Liming.Statistical analysis of operation fault of 10 kV and above power cables[J]. High Voltage Engineering, 2003, 29(6): 14-16.

[20] 刘云鹏,刘贺晨,杨照光,. 直流预压对XLPE中直流接地电树枝引发特性的影响[J]. 高电压技术,2017,43(2):666-672. LIU Yunpeng, LIU Hechen, YANG Zhaoguang, et al.Effect of DC pre-stress on the initiation characteristics of grounded DC tree in XLPE[J]. High Voltage Engineering, 2017, 43(2): 666-672.

[21] 刘云鹏,李演达,刘贺晨,. XLPE直流接地电树枝生长特性及形态结构[J]. 高电压技术,2017,43(11):3551-3558. LIU Yunpeng, LI Yanda, LIU Hechen, et al.Grounded DC tree growth characters and propagation structure in XLPE[J]. High Voltage Engineering, 2017, 43(11): 3551-3558.

[22] 罗俊华,马翠姣,邱毓昌. 35 kV及以下XLPE电力电缆试验方法的研究[J]. 电网技术,2000,24(12):58-61. LUO Junhua, MA Cuijiao, QIU Yuchang.Research on test method of XLPE power cable for 35 kV and below[J]. Power Grid Technology, 2000, 24(12): 58-61.

[23] 张春熹,史洁琴,段靖远. 航空电子系统的光纤网络结构与技术[J]. 北京航空航天大学学报,2006,32(11):1390-1394. ZHANG Chunxi, SHI Jieqin, DUAN Jingyuan.Fiber optic network structure and technology of avionics system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2006, 32(11): 1390-1394.

[24] 罗新,牛海清,胡日亮. 基于小波包分解的XLPE配电电缆局部放电波形特征提取与识别[J]. 高压电器,2013,49(11):110-116,122. LUO Xin, NIU Haiqing, HU Riliang.Feature extraction and recognition of partial discharge waveform of XLPE distribution cable based on wavelet packet decomposition[J]. High Voltage Apparatus, 2013, 49(11): 110-116, 122.

[25] HUANG G B, WANG D H, LAN Y.Extreme learning machines: a survey[J]. International Journal of Machine Learning and Cybernetics, 2011, 2(2): 107-122.

  • 目录

    图1