光纤分布式传感系统在变电站维护中的应用

柏彬; 俞越中; 赵会龙; 卢胤; 朱磊; 马文亮

doi:10.13756/j.gtxyj.2023.01.006

您当前的位置：

首页 >

文章列表页 >

光纤分布式传感系统在变电站维护中的应用

光通信系统与网络技术 | 更新时间：2023-01-16

- 光纤分布式传感系统在变电站维护中的应用
- Application of Optical Fiber Distributed Sensing System in Substation Maintenance
- 光通信研究 2023年第1期页码：53-57,78
- 作者机构：
  
  国网江苏省电力有限公司建设分公司　项目管理中心，南京　210000
- 作者简介：
  
  柏彬（1980-），男，南京人。高级工程师，硕士，主要研究方向为光纤传感通信。
  朱磊，工程师。E-mail：mezhulei@qq.com
- 基金信息：
  
  国家电网有限公司科技资助项目(SGJSJSOOXMJS2100116)
- DOI：10.13756/j.gtxyj.2023.01.006
  中图分类号： TP212
- 纸质出版日期：2023-02-10，
  
  收稿日期：2022-04-29，
扫描看全文
柏彬，俞越中，赵会龙，等.光纤分布式传感系统在变电站维护中的应用[J].光通信研究，2023(1)：53-57

BAI B, YU Y Z, ZHAO H L, et al.Application of Optical Fiber Distributed Sensing System in Substation Maintenance[J]. Study on Optical Communications, 2023(1):53-57
柏彬，俞越中，赵会龙，等.光纤分布式传感系统在变电站维护中的应用[J].光通信研究，2023(1)：53-57 DOI： 10.13756/j.gtxyj.2023.01.006.

BAI B, YU Y Z, ZHAO H L, et al.Application of Optical Fiber Distributed Sensing System in Substation Maintenance[J]. Study on Optical Communications, 2023(1):53-57 DOI： 10.13756/j.gtxyj.2023.01.006.

摘要

变电站在日常运行过程中，气体绝缘开关（GIS）设备若发生击穿故障，将会导致变电站电力供应暂停，国民生产和生活难以得到保障。文章针对GIS设备发生击穿故障后，如何快速有效地定位故障设备进行了探讨，提出将光纤分布式声传感系统（DAS）与机器学习方法中支持向量机（SVM）相结合，能够实现故障发生位置定位，利于故障的排除，利于运行风险的降低，同时对及时恢复变电站电力供应具有重要意义。

Abstract

During daily operation of Substation

if Gas Insulated Switchgear (GIS)equipment breaks down

it will lead to the suspension of substation power supply

and national production and life cannot be guaranteed. This paper discusses how to locate the breakdown of GIS efficiently and effectively. The Distributed Acoustic Sensing (DAS) system described in this paper is combined with Support Vector Machines (SVM) in machine learning method

which can realize fault location and facilitate fault elimination. At the same time

it is of great significance to restore the power supply of substation in time.

关键词

分布式声传感气体绝缘开关设备运行维护机器学习支持向量机

Keywords

DASGIS equipment operation and maintenancemachine learningSVM

references

Wang Z, Liu M, Yang X. Scaling Laws of the Lifting Height of a Conductive Particle in a Gas Insulated Switchgear[J]. Journal of Physics D: Applied Physics, 2021, 54(25): 255501.

李乃永, 张辉, 苏欣, 等. 气体绝缘全封闭组合电器母线跳闸快速恢复方案[J]. 电力系统自动化, 2015, 39(22): 170-175.

Li N Y, Zhang H, Su X, et al. Power Supply Rapid Restoration Scheme of Gas Insulated Switchgear Bus Fault Trip[J]. Automation of Electric Power Systems, 2015, 39(22): 170-175.

张宇娇, 庄曰平, 程炯. SF_6气体绝缘全封闭组合电器故障分析[J]. 高电压技术, 2005(1): 89-90.

Zhang Y J, Zhuang Y P, Cheng J. Analysis and Consideration of Malfunction of SF_6 GIS[J]. High Voltage Engineering, 2005(1): 89-90.

Daley M T, Freifeld M B, Ajo-Franklin J, et al. Field Testing of Fiber-optic Distributed Acoustic Sensing (DAS) for Subsurface Seismic Monitoring[J]. The Leading Edge, 2013, 32(6): 699-706.

于淼, 张耀鲁, 徐泽辰, 等. 基于MEEMD-HHT的分布式光纤振动传感系统信号特征提取方法[J]. 红外与激光工程, 2021, 50(07): 200-211.

Yu M, Zhang Y L, Xu Z C, et al. Signal Feature Extraction Method based on MEEMD-HHT for Distributed Optical Fiber Vibration Sensing System[J]. Infrared and Laser Engineering, 2021, 50(07): 200-211.

张静, 杜新民, 何嘉骥, 等. 单点振动激励下分布式光纤声传感系统的响应特点[J]. 光电技术应用, 2021, 36(4): 55-59.

Zhang J, Du X M, He J J, et al. Characteristics of Fiber Distributed Acoustic Sensing System under Point-driven Single-frequency Oscillation[J]. Electro-Optic Technology Application, 2021, 36(4): 55-59.

Cortes C, Vapnik V. Support-vector Networks[J]. Machine Learning, 1995, 20(3): 273-297.

张学工. 关于统计学习理论与支持向量机[J]. 自动化学报, 2000, 26(1): 32-42.

Zhang X G. Introduction to Statistical Learning Theory and Support Vector Machines[J]. Acta Automatica Sinica, 2000, 26(1): 32-42.

Schuldt C, Laptev I, Caputo B. Recognizing Human Actions: a Local SVM Approach [C]// International Conference on Pattern Recognition. Cambridge, UK: IEEE, 2004: 1334462.

金梦茹. 基于结构响应向量与机器学习的损伤识别方法研究[D]. 广州: 华南理工大学, 2019.

Jin M R. Research on Damage Identification Method based on Structural Response Vector and Machine Learning[D]. GuangZhou: South China University of Technology, 2019.

Muda L, Begam M, Elamvazuthi I. Voice Recognition Algorithms Using Mel Frequency Cepstral Coefficient (MFCC) and Dynamic Time Warping (DTW) Techniques[J]. Journal of Computing, 2010, 2(3): 138-143.

更多指标>

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于GCNet的毫米波波束选择算法

迁移学习辅助基于机器学习的传输质量评估

基于机器学习的调制格式识别算法研究

基于机器学习的相干光通信系统传输性能评估

基于机器学习的软件定义光网络入侵检测策略