交联聚乙烯电力电缆局部放电模式识别的研究
|
摘要
随着电力电缆的广泛应用和故障事故的增加，交联聚乙烯电力电缆的绝缘故障检测技术取得了长足的进展。本文在总结前有的XLPE电力电缆绝缘故障检测方法和借鉴变压器绝缘局部放电的基础上，以理论与实验相结合，研究了基于人工神经网络的以XLPE电力电缆局部放电信号的模式识别方法。
本文介绍了交联电力电缆的发展状况，发生局部放电的原因，综合总结了现有的XLPE电力电缆故障检测方法，其他如变压器、互感器等电气设备的故障在线监测方法， 说明了研究XLPE电力电缆局部放电在线监测的理论和实践意义。本文的研究，将为实现XLPE电力电缆局部放电在线监测起到铺垫作用。
论文分析了XLPE电力电缆局部放电模式识别原理，分析了局放信号特点；搭建了以脉冲电流传感器感应局放脉冲信号、话路滤波器去除干扰的实验平台；设计并实作了和实际运行中可能出现的局部放电特征相似的放电模型，分别测量了它们的局部放电信号，对实验后的电缆作了解剖，观察分析其放电痕迹。
论文介绍了由特征量提取器和模式识别分类器两大模块构成的模式识别系统，阐述了人工神经网络的模式识别原理，本文一方面采用信号的PRPD模式的放电次数和统计算子作为BPNN的输入信号，设计了相应的BPNN模式识别程序；另一方面采用PRPD模式的统计算子作为SART人工神经网络的输入，设计了相应的SART神经网络模式识别程序。
论文用设计的人工网络模式识别程序识别测量信号：以PRPD信号模式的放电次数为输入时，BP网络识别率为88％，识别率和发生局放的强弱程度有关，局放信号越强，识别率越高；以PRPD信号模式的统计算子为输入时，BP网络识别率为95％；以PRPD信号模式的统计算子为输入时，SART网络识别率为98％，识别率随着样本量的增加而提高。论文还根据识别结果，和实验现象，分析了出现误判的原因。
With the widely application of XLPE cable and the increasing defaults, the detecting technology on XLPE cable insulation has got great improvement. Based on summarizing the present technology on XLPE faults detection and reference the PD detection method on power transformer, this paper introduces a method on recognition PD mode of XLPE. This paper uses discharging quantum and stat. arithmetic operators of chart as inputs to artificial neural network.
This paper introduces the development processing of cable, the reason to occur PD. And the detection methods present such as detection on transformer, mutual inductance, are synthesized. Demonstrate the importance of researching on XLPE cable PD measurement.
The character of XLPE PD signal is analyzed, and measurement method is designed. Pulse current sensor is used to acquire PD signal by inducting pulse signal, and band-pass filter to exclude interfere. Several discharging models simulation are designed. Their PD signals are measured and measured cables are anatomized to observe their discharging trace.
Implement of picking-up character and mode classifying are introduced, and expatiate the principle of artificial neural networks. Soft program is necessary to pick-up the character of PD signals and classify PD mode. Program to pick-up the character of PD signals is compiled. Using the discharging times and stat. operator on PRPD mode of PD signal, mode-classifying implements based on BPNN and SART are compiled.
The artificial neural networks designed are applied to recognize measured signals. Conclusions are made: recognition rate of BPNN is 95%, and it is respect to magnitude of discharging signal and increases while signal magnitude increasing; The recognition rate of SART neural network is 98%, higher than that of BPNN, recognition rate increasing with the number of signal group. Then analyze the reason to fault recognition according to the recognition result.
本文介绍了交联电力电缆的发展状况，发生局部放电的原因，综合总结了现有的XLPE电力电缆故障检测方法，其他如变压器、互感器等电气设备的故障在线监测方法， 说明了研究XLPE电力电缆局部放电在线监测的理论和实践意义。本文的研究，将为实现XLPE电力电缆局部放电在线监测起到铺垫作用。
论文分析了XLPE电力电缆局部放电模式识别原理，分析了局放信号特点；搭建了以脉冲电流传感器感应局放脉冲信号、话路滤波器去除干扰的实验平台；设计并实作了和实际运行中可能出现的局部放电特征相似的放电模型，分别测量了它们的局部放电信号，对实验后的电缆作了解剖，观察分析其放电痕迹。
论文介绍了由特征量提取器和模式识别分类器两大模块构成的模式识别系统，阐述了人工神经网络的模式识别原理，本文一方面采用信号的PRPD模式的放电次数和统计算子作为BPNN的输入信号，设计了相应的BPNN模式识别程序；另一方面采用PRPD模式的统计算子作为SART人工神经网络的输入，设计了相应的SART神经网络模式识别程序。
论文用设计的人工网络模式识别程序识别测量信号：以PRPD信号模式的放电次数为输入时，BP网络识别率为88％，识别率和发生局放的强弱程度有关，局放信号越强，识别率越高；以PRPD信号模式的统计算子为输入时，BP网络识别率为95％；以PRPD信号模式的统计算子为输入时，SART网络识别率为98％，识别率随着样本量的增加而提高。论文还根据识别结果，和实验现象，分析了出现误判的原因。
With the widely application of XLPE cable and the increasing defaults, the detecting technology on XLPE cable insulation has got great improvement. Based on summarizing the present technology on XLPE faults detection and reference the PD detection method on power transformer, this paper introduces a method on recognition PD mode of XLPE. This paper uses discharging quantum and stat. arithmetic operators of chart as inputs to artificial neural network.
This paper introduces the development processing of cable, the reason to occur PD. And the detection methods present such as detection on transformer, mutual inductance, are synthesized. Demonstrate the importance of researching on XLPE cable PD measurement.
The character of XLPE PD signal is analyzed, and measurement method is designed. Pulse current sensor is used to acquire PD signal by inducting pulse signal, and band-pass filter to exclude interfere. Several discharging models simulation are designed. Their PD signals are measured and measured cables are anatomized to observe their discharging trace.
Implement of picking-up character and mode classifying are introduced, and expatiate the principle of artificial neural networks. Soft program is necessary to pick-up the character of PD signals and classify PD mode. Program to pick-up the character of PD signals is compiled. Using the discharging times and stat. operator on PRPD mode of PD signal, mode-classifying implements based on BPNN and SART are compiled.
The artificial neural networks designed are applied to recognize measured signals. Conclusions are made: recognition rate of BPNN is 95%, and it is respect to magnitude of discharging signal and increases while signal magnitude increasing; The recognition rate of SART neural network is 98%, higher than that of BPNN, recognition rate increasing with the number of signal group. Then analyze the reason to fault recognition according to the recognition result.
引文
[1] 朱德恒，严璋，高电压绝缘，清华大学出版社，第一版，1992年2月，200-232。
[2] 卓金玉，电力电缆设计原理，机械工业出版社，第一版，1999年9月，5-39。
[3] 江日洪，交联聚乙烯电力电缆线路，中国电力出版社，第一版，1997年11月1-126。
[4] M. Hoof and R. Patsch. "Characteristics of Partial Discharge Pulse Sequences during Electrical Treeing in Polyethylene". 9th International Symposium on High Voltage Engineering, Graz, Austria. 1995. Paper 5606.
[5] V.Nikolajevic, "The Influence of the Water on Water Absorption and Density of XLPE Cable Insulation", IEEE Transaction on Power Delivery,Vol.13,No.2,April 1998.
[6] 朱德恒，谈克雄，严璋，电绝缘诊断技术，中国电力出版社，第一版，1999年4，4-10，46-60，64-135。
[7] 朱德恒，谈克雄，严璋，电气设备在线监测技术，中国电力出版社，第一版， 1995年11月，26-85。
[8] 廖瑞金，宋杨，杜林，孙才新，顾乐观，两种数字化介损监测方法的软件仿真分析，高电压技术，2001年4月，Vol.27NO.2，11-13。
[9] 罗俊华，邱毓昌，XLPE电力电缆局部放电的在线监测，高电压技术，1999年12月，Vol.25No.4，23-34。
[10] 郑晓泉，屠德民，XLPE电缆的差频检测技术研究，高电压技术，2000年8月，Vol.26No.4，25-27。
[11] 王永红，何丽娟，0.1Hz超低频下XLPE/PE电缆tanδ测量，高电压技术，2000年4月，Vol.26No.1，74-76。
[12] [德],D.Pommerrenke等，利用集成的探测器测试高压电缆附件局部放电，电线电缆，1999年6月，34-38。
[13] 徐刚，仇贵宾，王飚，基于ＢＰ人工神经网络的局部放电模式识别。西安石油学院学报，1999年第2期，36-39。
[14] 喻明，徐阳，欧燕，李战，曹晓珑，邱昌容，中心分布归类法对短电缆局部放电的模式识别，西安交通大学学报，1998年第8期。
[15] 罗兵，孙才新，顾乐观，王财胜，变压器局部放电在线监测的非磁性心棒是电流传感器的研究，电工技术学报，1995年11月，30-35。
[16] 张鸣超，王建生，邱毓昌，GIS中局部放电测量用超高频传感器，电网技术， 1998年第８期。
[17] 王立新，关伯利，赵雪梅，局部放电在线监测系统电流传感器特性的研究，佳木斯大学学报，1999年9月，Vol.17No.3。
[18] N.Takinami,T.Chino,K.Amano,et al, "Development of Fault Location Method for Power Cables Using Fiber Optic Distributed Temperature Sensor", Processing of the 9lst,ICC Meeting 1992,No.9.
[19] 李树军，全零三，张新平，局部放电监测传输系统的实现，微处理机，2000年2月。
[20] Ahmed NH,SrinivasNN, "On-line Partial Discharge Detection in Cables", IEEE Trans.on DEI,Vol.5,No.2, 1998.
[21] Rosen PA,Reitberger T,Gubanski SM,Gedde UW, "PD Resistance of Thermally Aged Polyethylene and Carbonyl containing Model Polymers", IEEE Trans.on DEI,Vol.6,No.2, 1999.
[22] 黄本雄，黄佩然，李姣均，高压设备绝缘在线监测电流传感器的研究，华中理工大学学报，1996年5月，Vol.24No.5。
[23] 唐炬，微机与数字化测量技术，重庆大学出版社，第一版，1999年4月，36-48，53，70，305，348。
[24] 杨永明，孙才新，严欣平，李俭，杨霁，抑制局部放电在线监测中周期性干扰的级联式IIR陷波滤波器的研究，电工技术学报，2000年10月，Vol.15No.5。
[25] 陈艳，周力行，变压器局部放电在线监测中软件抗干扰技术，华北电力技术，2000年4月，第25-28页。
[26] 张鹏辉，于钦学，任文娥，局部放电在线窄带检测系统的研究，高电压技术，2000年2月，Vol.26No.1。
[27] 杨永明，孙才新，李新，局部放电在线监测中干扰识别方法的研究，仪器仪表学报，1999年5月，Vol.20No.3。
[28] 江秀臣，李锋，傅正财，交联电缆绝缘在线监测微小信号测量，高电压技术，1996年12月，Vol.22No.4，34-36。
[29] 王晓蓉，杨敏中,严璋，电力设备局部放电测量中抗干扰研究的现状和展望，电网技术，2000
年6月，Vol.24No6。
[30] 傅京孙主，程民德，石青云，模式识别应用，北京大学出版社，第一版，1990年2月，20-54。
[31] 王士同，模糊系统、模糊神经网络及应用程序设计，上海科学技术文献出版社，第一版，1998年12月。
姜磊，朱德恒，谈克雄，王昌长等，基于人工神经网络的变压器绝缘模型放电
[32] 模式识别的研究，中国电机工程学报，2001年1月，Vol.21No.1。
[33] Hans-Gerd Kranz. "Diagnosis of Partial Discharge Signals Using Neural Networks and Minimum Distance Classification". IEEE Transaction on Electrical Insulation. Vol.28 No.6. Dec. 1993. Pp1018-1024.
[34] Amira A. Mazroua. "Discrimination between PD Pulse Shapes Using Different Neural Network Paradigms". IEEE Transaction on Electrical Insulation. Vol.1 No.6. Dec. 1994. Pp1119-1131.
[35] E.Gulski and A.Krivda. "Neural Networks as a Tool for Recognition of Partial Discharges". IEEE Trans. on Electrical Insulation. VOL.28 No.6. 1993. Pp984-1001.
[36] F. H. Kreuger, E. Gulski and A. Krivda. "Classification of Partial Discharges". IEEE Trans. on Electrical Insulation. VOL.28 No.6. Dec. 1993. Pp917-931.
[37] L. Satish and W. S. Zaengl. "Can Fractal Features be Used for Recognizin 3-D Partial Discharge Patterns". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2. No. 3. June 1995. pp352-359.
[38] A. Krivda, E. Gulski, L. Satish and W. S. Zaengl. "The Use of Fractal Features for Recognition of 3-D Discharge Patterns". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2. No. 5. Oct. 1995. pp889-892.
[39] 袁曾任，人工神经网络及其应用，清华大学出版社，第一版，1999年10月，49-131，299-320，346-350。
[40] Du Lin,Sun Caixin,Liao Ruijin,Li Jian, Zhou Quan, Digital measurement for generator PD Monitoring System,ICEMS'2001,August,2001,Shenyang,CHINA,Vol.II,322-326.
[41] Takeshi Goto,Yoshikatsu Hori,Hirotaka Eshima,Hiroshi Suzuki,Hideo Sato,Takeshi Endoh, "Development of the Partial Discharge Continuous Monitoring Technology for Extra-High Voltage XLPE Cable Lines", ACEID'99,Korea.
[42] Yasuo Sekii,Hajime Takehana,Tatsuki Okamoto,Hiroshi Suzuki, "Partial Discharge Detection Technology for High-voltage XLPE Cable Lines", ACEID'99,Korea.
[43] B. Fruth and L. Niemeyer, "The Importance of Statistical Characteristics of Partial Discharge Data". IEEE Trans. on Dielectrics and Electrical Insulation, Vol.27 No.1, Feb. 1992. pp60-69.
[44] 戚飞虎译，模式识别与图像处理，上海交通大学出版社，第一版，1989年11月，23-56。
[45] E. Gulski and P. Seitz. "Computer-aided Registration and Analysis of Partial Discharges in High Voltage Equipment". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. Pp13-16.
[46] Amira A.Mazroua. R.Bartnikas M.M.A.Salama."Neural Network System using the Multi_layer Perception technique for the Recognition of PD Pulse Shapes due to Cavities and Electrical Trees " IEEE Transaction on Power Delivery. Vol.10 No.1 Jan.1995.
[47] 张秀阁，胡起宙，贺景亮，XLPE电缆交流工况下雷电冲击作用的起始放电特性试验研究，华东电力，1999，No.7。
[48] 夏长征, 采用分布参数电路模型的电缆故障测距算法, 高电压技术, 1996年9月，第22卷第3期。
[49] 叶凡生，董华霞，叶靖波，电桥法测定电缆三相绝缘故障的新方法，中国电机工程学报，1998年9月，第18卷第5期。
[50] 慕世友，刘民，冯玉柱，姚金霞，高压交联电缆现场交流耐压试验，山东电力技术，2001年第2期。
[51] 蔡琦，林强，高压交联聚乙烯电缆交流耐压试验中的问题，江西电力，2000年第3期。
[52] 郑晓泉，屠德民，含水树XLPE电缆ULSW-AC叠加电压激励响应，高电压技术，1999年6月，Vol.25No.2，21-24。
[53] 屠德民，直流耐压试验对交联聚乙烯电缆绝缘的危害性，电线电缆，1997年5月。
[54] 卢毅，楼樟达，王大忠，用模式识别法进行油中放电超声定位的研究，电工技术学报，1999年6月，Vol.14No.3。
[55] 葛光明, 影响电缆终端头外绝缘放电电压的因素,中国电力，1999年第3期。
[56] 万树德，用交流电压进行高压ＸＬＰＥ绝缘电缆线路的现场试验，广东电力，1999年6月，Vol.12No.3。
[57] 游一捷，黄继，邓巨怡，刘乃桓，用局放超声故障探测仪探测电缆头故障，2000年第1期，19-60。
[58] 刘光斌，吴少军，李忠义，便携式多参数局部放电检测分析仪的研制,高电压技术，2000年2月，Vol.26No.1。
[59] 刘立，邱阿瑞，高压电机局部放电在线监测方法，1999年第3期，32-36。
[60] 王永辉,阎春雨,高骏,陈志勇,刘海峰，压器现场局部放电测试中的抗干扰措施 ，河北电力技术，1999年第1期。
高宁，高文胜，李福祺，朱德恒，在线监测变压器局放在线监测中的现场干扰
[61] 分析，高电压技术，2000年4月，Vol.26No2。
[62] D.S.Shin,C.Y.Lee,C.S.Kim,D.W.Kim,W.K.Park, "High Frequency PD Measurement Technology in Extra High Voltage Cable and Accessory System", ACEID'99,Korea.
[63] A.A.Boiarrski, "Temperature Measurements in Power Plant Equipment Using Distributed Fiber Optic Sensing", IEEE Transaction on Power Delivery,Vol.10,No.4,October 1995.
[64] K.Amano,K.Watanabe,Y.Nakamura,and N.Shiseki,,"A New Approach to Cable Fault Location Using Fiber Optic Technology",IEEE Transaction on Power Delivery,Vol.10,No.1,January 1995.
[65] M.Hikita, K.Yamada, A.Nakamura, T.Mizutani, A.Oohasi and M.Ieda. "Measurements of Partial Discharge by Computer and Analysis of Partial Discharge Distribution by the Monte Carlo Method". IEEE Trans. on Electrical Insulation. Vol.25. 1990. pp453-468.
[66] A. Krivda. "Automated Recognition of Partial Discharges". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2 No.5, Oct. 1995. pp796-821.
[67] Edward Gulski. "Digital Analysis of Partial Discharges". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2 No.4. Oct. 1995. Pp822-837.
[68] Tatsuki Okamoto and Naohiro Hozumi. "Partial Dishcharge Pattern Recognition with A Neural System". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. pp69-72.
[69] M. Florkowski. "Partial Discharge Analyze Supported By Neural Network as a Tool for Monitoring and Diagnosis". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. Pp65-68.
[70] 刘浩，基于温度测量的交联聚乙烯电力电缆连接头绝缘在线监测系统研究，重庆大学硕士学位论文，2001年5月。
[2] 卓金玉，电力电缆设计原理，机械工业出版社，第一版，1999年9月，5-39。
[3] 江日洪，交联聚乙烯电力电缆线路，中国电力出版社，第一版，1997年11月1-126。
[4] M. Hoof and R. Patsch. "Characteristics of Partial Discharge Pulse Sequences during Electrical Treeing in Polyethylene". 9th International Symposium on High Voltage Engineering, Graz, Austria. 1995. Paper 5606.
[5] V.Nikolajevic, "The Influence of the Water on Water Absorption and Density of XLPE Cable Insulation", IEEE Transaction on Power Delivery,Vol.13,No.2,April 1998.
[6] 朱德恒，谈克雄，严璋，电绝缘诊断技术，中国电力出版社，第一版，1999年4，4-10，46-60，64-135。
[7] 朱德恒，谈克雄，严璋，电气设备在线监测技术，中国电力出版社，第一版， 1995年11月，26-85。
[8] 廖瑞金，宋杨，杜林，孙才新，顾乐观，两种数字化介损监测方法的软件仿真分析，高电压技术，2001年4月，Vol.27NO.2，11-13。
[9] 罗俊华，邱毓昌，XLPE电力电缆局部放电的在线监测，高电压技术，1999年12月，Vol.25No.4，23-34。
[10] 郑晓泉，屠德民，XLPE电缆的差频检测技术研究，高电压技术，2000年8月，Vol.26No.4，25-27。
[11] 王永红，何丽娟，0.1Hz超低频下XLPE/PE电缆tanδ测量，高电压技术，2000年4月，Vol.26No.1，74-76。
[12] [德],D.Pommerrenke等，利用集成的探测器测试高压电缆附件局部放电，电线电缆，1999年6月，34-38。
[13] 徐刚，仇贵宾，王飚，基于ＢＰ人工神经网络的局部放电模式识别。西安石油学院学报，1999年第2期，36-39。
[14] 喻明，徐阳，欧燕，李战，曹晓珑，邱昌容，中心分布归类法对短电缆局部放电的模式识别，西安交通大学学报，1998年第8期。
[15] 罗兵，孙才新，顾乐观，王财胜，变压器局部放电在线监测的非磁性心棒是电流传感器的研究，电工技术学报，1995年11月，30-35。
[16] 张鸣超，王建生，邱毓昌，GIS中局部放电测量用超高频传感器，电网技术， 1998年第８期。
[17] 王立新，关伯利，赵雪梅，局部放电在线监测系统电流传感器特性的研究，佳木斯大学学报，1999年9月，Vol.17No.3。
[18] N.Takinami,T.Chino,K.Amano,et al, "Development of Fault Location Method for Power Cables Using Fiber Optic Distributed Temperature Sensor", Processing of the 9lst,ICC Meeting 1992,No.9.
[19] 李树军，全零三，张新平，局部放电监测传输系统的实现，微处理机，2000年2月。
[20] Ahmed NH,SrinivasNN, "On-line Partial Discharge Detection in Cables", IEEE Trans.on DEI,Vol.5,No.2, 1998.
[21] Rosen PA,Reitberger T,Gubanski SM,Gedde UW, "PD Resistance of Thermally Aged Polyethylene and Carbonyl containing Model Polymers", IEEE Trans.on DEI,Vol.6,No.2, 1999.
[22] 黄本雄，黄佩然，李姣均，高压设备绝缘在线监测电流传感器的研究，华中理工大学学报，1996年5月，Vol.24No.5。
[23] 唐炬，微机与数字化测量技术，重庆大学出版社，第一版，1999年4月，36-48，53，70，305，348。
[24] 杨永明，孙才新，严欣平，李俭，杨霁，抑制局部放电在线监测中周期性干扰的级联式IIR陷波滤波器的研究，电工技术学报，2000年10月，Vol.15No.5。
[25] 陈艳，周力行，变压器局部放电在线监测中软件抗干扰技术，华北电力技术，2000年4月，第25-28页。
[26] 张鹏辉，于钦学，任文娥，局部放电在线窄带检测系统的研究，高电压技术，2000年2月，Vol.26No.1。
[27] 杨永明，孙才新，李新，局部放电在线监测中干扰识别方法的研究，仪器仪表学报，1999年5月，Vol.20No.3。
[28] 江秀臣，李锋，傅正财，交联电缆绝缘在线监测微小信号测量，高电压技术，1996年12月，Vol.22No.4，34-36。
[29] 王晓蓉，杨敏中,严璋，电力设备局部放电测量中抗干扰研究的现状和展望，电网技术，2000
年6月，Vol.24No6。
[30] 傅京孙主，程民德，石青云，模式识别应用，北京大学出版社，第一版，1990年2月，20-54。
[31] 王士同，模糊系统、模糊神经网络及应用程序设计，上海科学技术文献出版社，第一版，1998年12月。
姜磊，朱德恒，谈克雄，王昌长等，基于人工神经网络的变压器绝缘模型放电
[32] 模式识别的研究，中国电机工程学报，2001年1月，Vol.21No.1。
[33] Hans-Gerd Kranz. "Diagnosis of Partial Discharge Signals Using Neural Networks and Minimum Distance Classification". IEEE Transaction on Electrical Insulation. Vol.28 No.6. Dec. 1993. Pp1018-1024.
[34] Amira A. Mazroua. "Discrimination between PD Pulse Shapes Using Different Neural Network Paradigms". IEEE Transaction on Electrical Insulation. Vol.1 No.6. Dec. 1994. Pp1119-1131.
[35] E.Gulski and A.Krivda. "Neural Networks as a Tool for Recognition of Partial Discharges". IEEE Trans. on Electrical Insulation. VOL.28 No.6. 1993. Pp984-1001.
[36] F. H. Kreuger, E. Gulski and A. Krivda. "Classification of Partial Discharges". IEEE Trans. on Electrical Insulation. VOL.28 No.6. Dec. 1993. Pp917-931.
[37] L. Satish and W. S. Zaengl. "Can Fractal Features be Used for Recognizin 3-D Partial Discharge Patterns". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2. No. 3. June 1995. pp352-359.
[38] A. Krivda, E. Gulski, L. Satish and W. S. Zaengl. "The Use of Fractal Features for Recognition of 3-D Discharge Patterns". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2. No. 5. Oct. 1995. pp889-892.
[39] 袁曾任，人工神经网络及其应用，清华大学出版社，第一版，1999年10月，49-131，299-320，346-350。
[40] Du Lin,Sun Caixin,Liao Ruijin,Li Jian, Zhou Quan, Digital measurement for generator PD Monitoring System,ICEMS'2001,August,2001,Shenyang,CHINA,Vol.II,322-326.
[41] Takeshi Goto,Yoshikatsu Hori,Hirotaka Eshima,Hiroshi Suzuki,Hideo Sato,Takeshi Endoh, "Development of the Partial Discharge Continuous Monitoring Technology for Extra-High Voltage XLPE Cable Lines", ACEID'99,Korea.
[42] Yasuo Sekii,Hajime Takehana,Tatsuki Okamoto,Hiroshi Suzuki, "Partial Discharge Detection Technology for High-voltage XLPE Cable Lines", ACEID'99,Korea.
[43] B. Fruth and L. Niemeyer, "The Importance of Statistical Characteristics of Partial Discharge Data". IEEE Trans. on Dielectrics and Electrical Insulation, Vol.27 No.1, Feb. 1992. pp60-69.
[44] 戚飞虎译，模式识别与图像处理，上海交通大学出版社，第一版，1989年11月，23-56。
[45] E. Gulski and P. Seitz. "Computer-aided Registration and Analysis of Partial Discharges in High Voltage Equipment". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. Pp13-16.
[46] Amira A.Mazroua. R.Bartnikas M.M.A.Salama."Neural Network System using the Multi_layer Perception technique for the Recognition of PD Pulse Shapes due to Cavities and Electrical Trees " IEEE Transaction on Power Delivery. Vol.10 No.1 Jan.1995.
[47] 张秀阁，胡起宙，贺景亮，XLPE电缆交流工况下雷电冲击作用的起始放电特性试验研究，华东电力，1999，No.7。
[48] 夏长征, 采用分布参数电路模型的电缆故障测距算法, 高电压技术, 1996年9月，第22卷第3期。
[49] 叶凡生，董华霞，叶靖波，电桥法测定电缆三相绝缘故障的新方法，中国电机工程学报，1998年9月，第18卷第5期。
[50] 慕世友，刘民，冯玉柱，姚金霞，高压交联电缆现场交流耐压试验，山东电力技术，2001年第2期。
[51] 蔡琦，林强，高压交联聚乙烯电缆交流耐压试验中的问题，江西电力，2000年第3期。
[52] 郑晓泉，屠德民，含水树XLPE电缆ULSW-AC叠加电压激励响应，高电压技术，1999年6月，Vol.25No.2，21-24。
[53] 屠德民，直流耐压试验对交联聚乙烯电缆绝缘的危害性，电线电缆，1997年5月。
[54] 卢毅，楼樟达，王大忠，用模式识别法进行油中放电超声定位的研究，电工技术学报，1999年6月，Vol.14No.3。
[55] 葛光明, 影响电缆终端头外绝缘放电电压的因素,中国电力，1999年第3期。
[56] 万树德，用交流电压进行高压ＸＬＰＥ绝缘电缆线路的现场试验，广东电力，1999年6月，Vol.12No.3。
[57] 游一捷，黄继，邓巨怡，刘乃桓，用局放超声故障探测仪探测电缆头故障，2000年第1期，19-60。
[58] 刘光斌，吴少军，李忠义，便携式多参数局部放电检测分析仪的研制,高电压技术，2000年2月，Vol.26No.1。
[59] 刘立，邱阿瑞，高压电机局部放电在线监测方法，1999年第3期，32-36。
[60] 王永辉,阎春雨,高骏,陈志勇,刘海峰，压器现场局部放电测试中的抗干扰措施 ，河北电力技术，1999年第1期。
高宁，高文胜，李福祺，朱德恒，在线监测变压器局放在线监测中的现场干扰
[61] 分析，高电压技术，2000年4月，Vol.26No2。
[62] D.S.Shin,C.Y.Lee,C.S.Kim,D.W.Kim,W.K.Park, "High Frequency PD Measurement Technology in Extra High Voltage Cable and Accessory System", ACEID'99,Korea.
[63] A.A.Boiarrski, "Temperature Measurements in Power Plant Equipment Using Distributed Fiber Optic Sensing", IEEE Transaction on Power Delivery,Vol.10,No.4,October 1995.
[64] K.Amano,K.Watanabe,Y.Nakamura,and N.Shiseki,,"A New Approach to Cable Fault Location Using Fiber Optic Technology",IEEE Transaction on Power Delivery,Vol.10,No.1,January 1995.
[65] M.Hikita, K.Yamada, A.Nakamura, T.Mizutani, A.Oohasi and M.Ieda. "Measurements of Partial Discharge by Computer and Analysis of Partial Discharge Distribution by the Monte Carlo Method". IEEE Trans. on Electrical Insulation. Vol.25. 1990. pp453-468.
[66] A. Krivda. "Automated Recognition of Partial Discharges". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2 No.5, Oct. 1995. pp796-821.
[67] Edward Gulski. "Digital Analysis of Partial Discharges". IEEE Trans. on Dielectrics and Electrical Insulation. Vol.2 No.4. Oct. 1995. Pp822-837.
[68] Tatsuki Okamoto and Naohiro Hozumi. "Partial Dishcharge Pattern Recognition with A Neural System". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. pp69-72.
[69] M. Florkowski. "Partial Discharge Analyze Supported By Neural Network as a Tool for Monitoring and Diagnosis". 8th International Symposium on High Voltage Engineering, Ylkohama, Japan. Aug. 23-27, 1993. Pp65-68.
[70] 刘浩，基于温度测量的交联聚乙烯电力电缆连接头绝缘在线监测系统研究，重庆大学硕士学位论文，2001年5月。