[發(fā)明專利]局部放電定位檢測(cè)方法、裝置、可讀存儲(chǔ)介質(zhì)及電氣設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201911307861.3
• 申請(qǐng)日: 2019-12-16
• 公開（公告）號(hào): CN110988631B
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 劉江川;伍楷舜;樊小毅;張聰
• 申請(qǐng)（專利權(quán)）人: 深圳江行聯(lián)加智能科技有限公司
• 主分類號(hào): G01R31/12
• 分類號(hào): G01R31/12;G08C17/02;G06N3/00;G06N3/04;G06N3/08;G06K9/62;G06F17/18
• 代理公司: 深圳市恒程創(chuàng)新知識(shí)產(chǎn)權(quán)代理有限公司 44542
• 代理人: 張小容

1.一種局部放電定位檢測(cè)方法，應(yīng)用于電氣設(shè)備，其特征在于，所述局部放電定位檢測(cè)方法包括：

基于無線電傳感器獲取所述電氣設(shè)備中的局部放電數(shù)據(jù)，并將所述局部放電數(shù)據(jù)存入泰克示波器，以建立無線電頻譜數(shù)據(jù)庫后構(gòu)建預(yù)測(cè)回歸模型；其中，局部放電數(shù)據(jù)具有已知樣本和未知樣本，所述預(yù)測(cè)回歸模型為I＝f(r)+e(r)，I為局部放電源的數(shù)據(jù)坐標(biāo)，r為輸入的局部放電源無線電發(fā)射信號(hào)，f(r)為預(yù)測(cè)函數(shù)，e(r)為噪聲函數(shù)；

根據(jù)所述預(yù)測(cè)回歸模型，對(duì)所述無線電頻譜數(shù)據(jù)庫中已知樣本的局部放電數(shù)據(jù)進(jìn)行特征提取；

對(duì)特征提取后已知樣本的局部放電數(shù)據(jù)進(jìn)行降維處理；

將降維處理后的已知樣本的局部放電數(shù)據(jù)通過粒子群算法進(jìn)行優(yōu)化，并根據(jù)優(yōu)化后的局部放電數(shù)據(jù)計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)；

所述將降維處理后的已知樣本的局部放電數(shù)據(jù)通過粒子群算法進(jìn)行優(yōu)化，并根據(jù)優(yōu)化后的局部放電數(shù)據(jù)計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)步驟包括：

基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)回歸模型，以f(x)＝x函數(shù)更新降維后的已知樣本的局部放電數(shù)據(jù)參數(shù)；

根據(jù)更新后的降維已知樣本的局部放電數(shù)據(jù)參數(shù)，計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)。

2.如權(quán)利要求1所述的局部放電定位檢測(cè)方法，其特征在于，所述基于無線電傳感器獲取所述電氣設(shè)備中的局部放電數(shù)據(jù)，并將所述局部放電數(shù)據(jù)存入泰克示波器，以建立無線電頻譜數(shù)據(jù)庫后構(gòu)建預(yù)測(cè)回歸模型的步驟包括：

基于無線電傳感器獲取所述電氣設(shè)備中局部放電源的無線電發(fā)射信號(hào)，將所述局部放電數(shù)據(jù)存入泰克示波器，以建立所述無線電頻譜數(shù)據(jù)庫；

根據(jù)所述無線電頻譜數(shù)據(jù)庫中已知樣本的局部放電數(shù)據(jù)，建立預(yù)測(cè)回歸模型。

3.如權(quán)利要求1所述的局部放電定位檢測(cè)方法，其特征在于，所述對(duì)特征提取后已知樣本的局部放電數(shù)據(jù)進(jìn)行降維處理的步驟包括：

對(duì)所述特征提取后已知樣本的局部放電數(shù)據(jù)進(jìn)行編碼并壓縮；

對(duì)壓縮的已知樣本局部放電數(shù)據(jù)進(jìn)行解碼，并重建局部放電數(shù)據(jù)后并輸出。

4.如權(quán)利要求1所述的局部放電定位檢測(cè)方法，其特征在于，所述粒子群算法具體步驟為：

搜索所述無線電頻譜數(shù)據(jù)庫中每一無線電頻譜數(shù)據(jù)的神經(jīng)元，并計(jì)算相應(yīng)權(quán)值的適應(yīng)度；

更新所述無線電頻譜數(shù)據(jù)庫中的每一無線電頻譜數(shù)據(jù)的位置；

對(duì)最優(yōu)無線電頻譜數(shù)據(jù)和最差無線電頻譜數(shù)據(jù)進(jìn)行優(yōu)化處理；

當(dāng)無線電頻譜數(shù)據(jù)為最優(yōu)位置，則搜索停止，當(dāng)無線電頻譜數(shù)據(jù)為最差位置，則返回繼續(xù)搜索。

5.如權(quán)利要求4所述的局部放電定位檢測(cè)方法，其特征在于，所述更新所述無線電頻譜數(shù)據(jù)庫中的每一無線電頻譜數(shù)據(jù)的位置的步驟包括：

更新所述無線電頻譜數(shù)據(jù)庫中的每一無線電頻譜數(shù)據(jù)適應(yīng)度；

當(dāng)無線電頻譜數(shù)據(jù)適應(yīng)度優(yōu)于個(gè)體極值P_best，則P_best設(shè)置為更新位置；

當(dāng)無線電頻譜數(shù)據(jù)適應(yīng)度優(yōu)于全局極值g_best，則g_best設(shè)置為更新位置。

6.一種局部放電定位檢測(cè)裝置，應(yīng)用于電氣設(shè)備，其特征在于，所述局部放電定位檢測(cè)裝置包括：

數(shù)據(jù)采集模塊，用于獲取所述電氣設(shè)備中的局部放電數(shù)據(jù)，并建立無線電頻譜數(shù)據(jù)庫構(gòu)建預(yù)測(cè)回歸模型；其中，局部放電數(shù)據(jù)具有已知樣本和未知樣本；

特征提取模塊，用于對(duì)所述無線電頻譜數(shù)據(jù)庫中已知樣本的局部放電數(shù)據(jù)進(jìn)行特征提取；

降維處理模塊，用于對(duì)所述特征提取后已知樣本的局部放電數(shù)據(jù)進(jìn)行降維處理；

坐標(biāo)獲取模塊，將降維處理后的已知樣本的局部放電數(shù)據(jù)通過粒子群算法進(jìn)行優(yōu)化，并計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)；

其中，所述將降維處理后的已知樣本的局部放電數(shù)據(jù)通過粒子群算法進(jìn)行優(yōu)化，并計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)具體為：

用于基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)回歸模型，以f(x)＝x函數(shù)更新降維后的已知樣本的局部放電數(shù)據(jù)參數(shù)；并根據(jù)更新后的降維已知樣本的局部放電數(shù)據(jù)參數(shù)，計(jì)算出所述未知樣本的局部放電數(shù)據(jù)的位置坐標(biāo)。