CEEMD和IBAS-SVM特高压换流站均压电极结垢识别方法

针对特高压换流站传统人工定期巡检均压电极结垢状况方法落后的问题,提出基于互补集合经验模态分解(CEEMD)和改进天牛须算法优化支持向量机的均压电极结垢智能检测方法.首先,模拟±500 kV特高压换流站换流阀冷却系统,开展均压电极结垢厚度为 0.1～0.8 mm实验,利用超声波时域反射技术获取均压电极结垢回波信号,并采用CEEMD结合小波阈值(CEEMD-WT)方法对信号进行降噪预处理;然后,采用主成分分析方法(PCA)筛选出主要特征向量,通过引入粒子群信息共享思想和遗传算法选择、交叉、变异对天牛须算法进行改进,并利用改进算法优化SVM参数;最后,采用IBAS-SVM模型对均压电极结垢厚度进行检测识别.结果表明:所提方法对均压电极结垢厚度识别准确率达到 91.75%,能够测出 0.1～0.8 mm范围内的均压电极结垢厚度,可为特高压换流站均压电极非接触式结垢探测提供一种行之有效的方法.