资源描述:
《电力电缆论文:电力电缆故障判断检测技术与预防技术措施》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、电力电缆论文:电力电缆故障判断检测技术与预防技术措施摘要:本文介绍了传统的电力电缆故障检测方法,分析了目前电缆故障检测的新技术的应用,并结合电缆故障检测工作中碰到的问题,提出了相应的预防措施,这对保障电网的安全运行,提高供电可靠性有着重大意义。 关键词:电力电缆故障判断检测方法预防措施 1传统的电缆故障检测方法 1.1测量电阻电桥法 此方法几十年来几乎没有什么变化。对于短路故障、低阻故障,此法测起来甚为方便。电桥法是利用电桥平衡时,对应桥臂电阻的乘积相等,而电缆的长度和电阻成正比的原理进行测试的。 1.2低压脉
2、冲反射法 低压脉冲法也称时域反射法(TDR),指脉冲反射仪在不通过高压冲击器的情况下,独立测量电缆的低阻与断路故障。 1.3脉冲电压取样法 脉冲电压取样法又称冲击高压闪络法,是一种用于测量高阻泄漏与闪络性故障的测试方法。首先将电缆故障在直流或脉冲高压信号下击穿,然后通过记录放电脉冲在测量点与故障点往返一次所需的时间来测距。脉冲电压法主要有直流高压闪络(直闪法)与冲击高压闪络(冲闪法)两种方法。 1.4电缆故障定点的传统方法 ①声测法 此方法是利用故障点在高压冲击时的击穿放电声音进行精确的定位。 ②声磁同步法
3、 在向电缆施加冲击直流高压使电缆故障点放电时,会在电缆周围产生脉冲磁场。在声测定点时接收到脉冲磁场信号即可认为放电声音是电缆故障点发出的。 ③音频感应法 此法一般用于检测低阻故障。其原理是:用1kHz的音频信号发生器向待测电缆注入音频电流,使电缆发出电磁波,在地面上接收电磁场信号,并放大,再送入耳机或指示仪表,根据声响强弱或指示仪表值的大小来确定故障点的位置。 2目前电缆故障检测的新方法 2.1电缆故障测距的方法 ①实时专家系统 专家系统就是一个具有智能特点的计算机程序,它的智能化主要表现为能够在特定的领域
4、内模仿人类专家思维来求解复杂问题。因此,专家系统必须包含领域专家的大量知识,拥有类似人类专家思维的推理能力,并能用这些知识来解决实际问题。 ②利用因果网对电力系统故障定位。 因果网络中有4类节点状态、征兆、假设、起始原因。状态节点是表达领域中某部分或某功能的状态,如断路器跳闸;征兆节点是表达状态节点的征兆,如断路器跳闸的征兆是保护动作:假设节点是表达研究系统的诊断假设,如发生线路故障的假设;起始原因节点是表达引起故障的最初原因。各类节点之间可形成对应的基本关系。 ③小波变换应用在电缆故障测距中 小波分析是几个学科
5、共同发展的结晶,这几个学科是数学、信号处理以及计算机视觉。小波分析在数学上是用小波的原型函数来实现的,其中原型函数可以看成是带通滤波器,因此小波分析也可以通过滤波器来实现,其关键是寻求具有恒定相对带宽的滤波器组,而这正是信号处理中滤波器组理论的核心内容。 2.2电缆故障定点的新方法 ①人工神经网络 人工神经网络(ANN)是以计算机网络系统模拟生物神经网络的智能计算系统。网络上的每个结点相当于一个神经元,经可以记忆(存储)、处理一定的信息,并与其他结点并行工作。求解一个问题是向人工神经网络的某些结点输入信息,各结点处
6、理后向其它结点输出,其它结点接受并处理后再输出,直到整个神经网工作完毕,输出最后结果。 ②GPS(全球定位系统)行波故障定位 传统的高压输电线路故障定位主要基于阻抗算法,这种算法对于高阻接地、多端电源线路、直流输电线路等情况存在明显的不适应,通常在实用中其故障定位精度<3%~5%,这对于长线路(>100km)难以满足寻线要求。 ③分布式光纤温度传感器(FODT) 光纤传感的基本原理是,当光在光纤中传输时,光的特性(如振幅,相位,偏振态等)将随检测对象的变化而变化。 因此,光从光纤中射出时,光的特性己得到了调制。
7、通过对调制光的检测,便能感知外界的信息。 3电缆故障检测实例 3.1现场开关跳闸、接地短路故障处理通过测量电缆对地绝缘电阻为5kΩ。用电缆故障检测仪采集的波形如图1所示。 由图1可知,此处电源进线电缆全长1138m,高压脉冲测试波形显示故障点在距配电端323m处,粗测距离后,用定点仪精确定位,果然在附近找到故障点。原因是,距此处5m有一污水井,故障点绝缘损坏进水造成短路并断线。 3.2高阻故障的处理 有一根全长为120m的电缆,判断为高阻故障,高压脉冲采集波形显示故障点在80m处,经过处理分析原来是电缆被支架碰
8、破外皮,沟内潮湿,长时间后造成绝缘破坏,短路接地放电。 3.3电缆存在两个故障点的故障处理 某大楼电源进线为低压聚氯乙烯电缆,全长130m多,故障相对地绝缘电阻为80Ω,用低压脉冲采集波形后,分析波形在距始端较近处。用高压脉冲测试,波形不理想,不能断定其具体位置。 探明路径后,用定点仪循路径检测,在距始端30m