[發(fā)明專利]電力電纜典型缺陷局部放電信號識別方法

在審

• 申請?zhí)枺?/td>: 201811326013.2
• 申請日: 2018-11-08
• 公開（公告）號: CN109683066A
• 公開（公告）日: 2019-04-26
• 發(fā)明（設(shè)計）人: 趙慶沖;楊震威;鄭元勛
• 申請（專利權(quán)）人: 山東康威通信技術(shù)股份有限公司
• 主分類號: G01R31/12
• 分類號: G01R31/12;G06N3/00;G06N3/08
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

本發(fā)明公開了電力電纜典型缺陷局部放電信號識別方法，包括：采集已知類型的局部放電數(shù)據(jù)，提取特征參數(shù)作為輸入?yún)?shù)，對于每種放電類型特征設(shè)定放電類型標(biāo)簽，存入局部放電類型識別的信息庫；搭建用于識別放電類型的神經(jīng)網(wǎng)絡(luò)模型，神經(jīng)網(wǎng)絡(luò)模型使用蜂群算法對網(wǎng)絡(luò)的權(quán)值和閾值進行修正并獲得最佳模型參數(shù)輸入權(quán)值、隱層閾值和輸出權(quán)值，并保存最佳模型參數(shù)；基于最佳模型參數(shù)，采集待識別的電力電纜局部放電信號，提取放電脈沖特征參數(shù)，將待識別的放電特征參數(shù)輸入搭建好的神經(jīng)網(wǎng)絡(luò)模型，進行識別獲得放電類型。利用人工蜂群算法優(yōu)化極端學(xué)習(xí)機的權(quán)閾值，利用得到的最優(yōu)權(quán)閾值計算輸出權(quán)值，提高極端學(xué)習(xí)機的泛化能力和識別精度。

技術(shù)領(lǐng)域

本公開涉及信號處理技術(shù)領(lǐng)域，特別是涉及電力電纜典型缺陷局部放電信號識別方法及系統(tǒng)。

背景技術(shù)

隨著經(jīng)濟持續(xù)增長、城市電網(wǎng)迅猛發(fā)展，電纜線路投入運行的數(shù)量在快速增加。電纜的運行狀況直接影響到電力系統(tǒng)的安全。在眾多的電纜監(jiān)測手段中，局部放電測試能夠較直觀有效的反映影響電纜壽命及安全運行的缺陷。局部放電作為高壓電纜線路絕緣故障早期的主要表現(xiàn)形式，既是引起絕緣老化的主要原因，又是表征絕緣狀況的主要特征參數(shù)，對電力設(shè)備故障診斷有重要意義。局部放電是一種常見的電氣放電現(xiàn)象，它是電氣設(shè)備在長期運行時絕緣發(fā)生損壞的一種征兆。

由于電纜敷設(shè)在電纜溝或直接埋于地下，敷設(shè)環(huán)境與使用狀態(tài)會極大的影響電纜的壽命。長期同土壤、水分、潮氣接觸，絕緣易受到腐蝕滲透，再加上電纜制造或安裝時的局部缺陷，都可能造成故障。地下電纜一旦發(fā)生故障。尋找起來十分困難，不僅要浪費大量人力物力，而且還將帶來難以估計的停電損失。如果故障得不到及時排除，將會造成嚴(yán)重的經(jīng)濟損失和社會影響。

發(fā)明人在研究中發(fā)現(xiàn)，局部放電類型與絕緣缺陷緊密相關(guān)，在線檢測高壓電器運行狀態(tài)，實時采集絕緣局部放電信號并對其進行數(shù)理分析處理和屬性分類，推斷、預(yù)測絕緣缺陷部位、局放類型機器放電發(fā)展程度，可以預(yù)報預(yù)防事故發(fā)生。由于局部放電有多種類型，比如內(nèi)部、沿面、電暈等，加上噪聲的干擾，分別對應(yīng)著不同的診斷和檢修策略。放電信號識別的目的就是要準(zhǔn)確找出信號類型，判斷其危害性，進行有效應(yīng)對措施。

通過對相關(guān)專利文獻的檢索，發(fā)明人針對相關(guān)文獻簡要分析如下：

現(xiàn)有專利文獻，專利申請?zhí)枮椤?01810088179.9”專利名稱為“一種用于電纜局部放電模式識別的方法和系統(tǒng)”，在該文件中，主要強調(diào)了對提取的局部放電特征的降維處理。另外，該文獻在分類器方面用BP神經(jīng)網(wǎng)絡(luò)和支持向量機構(gòu)建模式識別分類器。而支持向量機是一種二分類器，要解決局部放電類型識別，需要引入核函數(shù)，一旦核函數(shù)確定下來，映射方式就唯一確定，除非選擇別的核函數(shù)，在多分類問題上找到的解并不一定是最優(yōu)解。而且在多分類問題上，相較于極端學(xué)習(xí)機訓(xùn)練速度慢。

現(xiàn)有專利文獻，專利申請?zhí)枮椤?015104825900”專利名稱為“一種電力電纜附件故障識別方法及系統(tǒng)”，該專利在局部放電特征提取上，提取12個特征量作為第一特征參數(shù)，降維后提取6個特征量作為第二特征參數(shù)，然后對第一、第二特征參數(shù)分別進行識別。該文獻中，在第一特征參數(shù)的12個特征量中，有一些特征量是相互關(guān)聯(lián)的，這些相互關(guān)聯(lián)的特征量只需要其中一項就能代表另外的特征量。而降維后的第二特征量才是真正識別放電類型的有效不重復(fù)特征。另外，該文獻在構(gòu)建分類器模型方面，用BP神經(jīng)網(wǎng)絡(luò)、極端學(xué)習(xí)機以及支持向量機分別對特征量進行識別，而實際應(yīng)用中，并不實用，只能作為前期工作中驗證的手段，在實際應(yīng)用中，該文獻用到的這三種分類器應(yīng)該選用最高效，識別精度最高的分類器，而不是在實際測試中比較每個分類器的結(jié)果是否相同，而且僅用分類器模型進行建模，在泛化能力和識別精度的問題上，效果很難達到最優(yōu)。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本公開的一個方面是提供了電力電纜典型缺陷局部放電信號識別方法，能夠?qū)崿F(xiàn)對局部放電信號進行有效識別。

為了實現(xiàn)上述目的，本申請采用以下技術(shù)方案：

電力電纜典型缺陷局部放電信號識別方法，包括：