传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应...传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应用的关键。为实现这一目标,该文从柔性压电超声传感器的核心敏感材料(压电薄膜)的优化设计出发,研究了厚度对Pb(Zr_(0.52),Ti_(0.48))O_(3)(PZT)压电薄膜材料综合性能及其所制备的传感器灵敏度的影响。研究发现,受界面死层的影响,厚度约为1.2μm的PZT压电薄膜相较于厚度约为0.8μm、1.0μm和1.6μm的薄膜具有更大比例的(100)晶粒择优取向和更高的剩余极化,表现出最高的压电系数,更具备应用潜力。利用该厚度的PZT压电薄膜制备了柔性压电超声传感器,并用其检测在110 k V真型电缆上传播的由自动笔铅芯断裂产生的超声信号,计算得到该超声信号在交联聚乙烯绝缘层中的衰减系数为3.74 dB/m。该研究提供了一种利用压电薄膜厚度优化柔性压电超声传感器灵敏度的方法,为进一步推进柔性压电超声传感器在电缆等电力设备领域的应用提供了实验和理论基础。展开更多
窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进...窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进行判定,针对当日线损不是明显激增的情况,提出基于台区线损综合波动率、总分表电流差异率、线损和电流曲线的突变点时间重合度的三步分析法,为窃电嫌疑用户的检测提供了良好的条件;第2阶段提出基于最优特征集的时间序列相似性度量方法,基于欧氏距离度量曲线间数值特征,同时基于动态时间规整(dynamic time warping,DTW)算法度量曲线间的形态特征,实现窃电嫌疑用户的初步筛选;第3阶段提出基于核函数和惩罚参数优化的支持向量机二次深度检测模型(optimize kernel-function and penalty-parameters support vector machine,OKPSVM),其中惩罚参数采用综合改进的粒子群(improved particle swarm optimization,IPSO)算法。通过算例仿真和实际工程应用,整体优化后的支持向量机模型(IPSO-OKPSVM)能够提高深度窃电检测的精准性和适用性。展开更多
文摘传统压电陶瓷超声传感器与电缆表面之间存在声学界面不匹配问题,而柔性压电超声传感器能够克服这一缺点、实现电缆局部放电超声信号的检测。然而持续提高柔性压电超声传感器的灵敏度,进一步降低其对超声信号的检出极限,是其走向实际应用的关键。为实现这一目标,该文从柔性压电超声传感器的核心敏感材料(压电薄膜)的优化设计出发,研究了厚度对Pb(Zr_(0.52),Ti_(0.48))O_(3)(PZT)压电薄膜材料综合性能及其所制备的传感器灵敏度的影响。研究发现,受界面死层的影响,厚度约为1.2μm的PZT压电薄膜相较于厚度约为0.8μm、1.0μm和1.6μm的薄膜具有更大比例的(100)晶粒择优取向和更高的剩余极化,表现出最高的压电系数,更具备应用潜力。利用该厚度的PZT压电薄膜制备了柔性压电超声传感器,并用其检测在110 k V真型电缆上传播的由自动笔铅芯断裂产生的超声信号,计算得到该超声信号在交联聚乙烯绝缘层中的衰减系数为3.74 dB/m。该研究提供了一种利用压电薄膜厚度优化柔性压电超声传感器灵敏度的方法,为进一步推进柔性压电超声传感器在电缆等电力设备领域的应用提供了实验和理论基础。
文摘窃电行为不仅会扰乱正常用电秩序,更会影响电网的供电质量和安全运行。针对窃电检测工作中所面临的用户正常用电行为与窃电行为多样化问题,该文提出一种基于多阶段递推数据分析的低压台区窃电检测方法。该方法第1阶段对嫌疑窃电台区进行判定,针对当日线损不是明显激增的情况,提出基于台区线损综合波动率、总分表电流差异率、线损和电流曲线的突变点时间重合度的三步分析法,为窃电嫌疑用户的检测提供了良好的条件;第2阶段提出基于最优特征集的时间序列相似性度量方法,基于欧氏距离度量曲线间数值特征,同时基于动态时间规整(dynamic time warping,DTW)算法度量曲线间的形态特征,实现窃电嫌疑用户的初步筛选;第3阶段提出基于核函数和惩罚参数优化的支持向量机二次深度检测模型(optimize kernel-function and penalty-parameters support vector machine,OKPSVM),其中惩罚参数采用综合改进的粒子群(improved particle swarm optimization,IPSO)算法。通过算例仿真和实际工程应用,整体优化后的支持向量机模型(IPSO-OKPSVM)能够提高深度窃电检测的精准性和适用性。
