[發(fā)明專利]基于深度學習進行高壓電力電纜局部放電現(xiàn)象檢測方法

在審

• 申請?zhí)枺?/td>: 202010330069.6
• 申請日: 2020-04-23
• 公開（公告）號: CN111579939A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設計）人: 孫美君;許廣遠;王征
• 申請（專利權）人: 天津大學
• 主分類號: G01R31/12
• 分類號: G01R31/12;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發(fā)明公開了一種基于深度學習進行高壓電力電纜局部放電現(xiàn)象檢測方法，所述方法包括：對原始高壓電力電纜電壓時序信號數(shù)據(jù)進行預處理，獲取高壓電力線路信號的特征，如不需進行數(shù)據(jù)預處理，則跳過本步驟；將預處理過的高壓電力電纜電壓時序信號或未處理過的信號轉換為局部放電現(xiàn)象檢測模型輸入的時間序列數(shù)據(jù)；經(jīng)過訓練集的訓練得到最終的局部放電現(xiàn)象檢測模型，并根據(jù)評估指標判斷檢測模型的性能，然后對檢測模型進行改進，直到獲取到一個效果滿意的模型。本發(fā)明從而能夠較為準確的判斷監(jiān)測到的某段高壓電力線路電壓時序信號中是否出現(xiàn)了局部放電現(xiàn)象。

技術領域

本發(fā)明涉及高壓電力電纜領域，尤其涉及一種基于深度學習進行高壓電力電纜局部放電現(xiàn)象檢測方法。

背景技術

作為城市傳輸電力的重要介質，高壓輸送電線在國家發(fā)展、人民生活等各個領域承擔著重要作用。在中國經(jīng)濟快速發(fā)展的新形勢下，人民、企業(yè)、工廠等等的用電量總量也在不斷的增長，電力系統(tǒng)的規(guī)模也更加復雜和擴大化。在這個龐大的電路網(wǎng)絡當中，高壓電力電纜配電宛如人體的整個骨架，承擔著人們的日常生活的需要和生產工作的需要。

高壓電力線路在發(fā)生故障斷電前期，往往會出現(xiàn)一種稱為局部放電的現(xiàn)象(PD)，相當于某種絕緣介質被意外地擊穿后產生的放電現(xiàn)象，這種局部放電現(xiàn)象會慢慢的損壞高壓電力電纜配電線的絕緣層，如果對其置之不理，最終會導致斷電或起火。

局部放電現(xiàn)象作為電力電纜系統(tǒng)的伴生產物，也是電力行業(yè)所要面臨和解決的問題。而隨著局部放電檢測技術的發(fā)展，目前也有一些較為成熟檢測出局部放電信息的方法。但是這些傳統(tǒng)方法往往需要近距離的靠近高壓電力電纜，這就導致其排查起來就顯得復雜，費時，特別是發(fā)生在高山、偏遠地區(qū)以及地形稍微復雜的地區(qū)。這些傳統(tǒng)的局部放電檢測算法均是根據(jù)局部放電伴生的各種現(xiàn)象，通過能表述該現(xiàn)象的物理量來表征局部放電的狀態(tài)及特性。局部放電過程中會產生電脈沖、電磁輻射、超聲波、光以及一些新的生成物，并引起局部過熱。因此，相應地出現(xiàn)了脈沖電流檢測法、UHF方法、超聲波檢測法、光測法、化學檢測法、紅外檢測法等多種檢測方法。

1)脈沖電流檢測法：脈沖電流法是國內外應用最為廣泛的一種檢測方法，并形成了相應的國際與國內標準。這種方法主要是將變壓器等效成一個電容，發(fā)生局部放電時，其兩端會產生瞬間電壓變化，經(jīng)過耦合電容引至檢測阻抗上，就能夠獲得脈沖電流，與局部放電相對應，經(jīng)過處理之后，可以獲得變壓器局部放電時的參數(shù)。但是它測量頻率低，不能避開空氣電暈干擾，不適合在線監(jiān)測，是目前唯一具有標準的檢測方法。

2)超聲波檢測法：局部放電經(jīng)常會釋放有聲波，而采用超聲波檢測法，則是利用傳感器接收局部產生的超聲波，由此來對局放的大小進行確定，并且對局放的位置進行確定。但是它難以定量，且不易區(qū)分運行中設備干擾信號。

3)光測法：主要是利用聲波壓迫，來使光纖的性質發(fā)生改變，并且導致光纖輸出信息的特性發(fā)生改變，進而測得局部放電信號，但是這種技術還尚未成熟。

4)紅外檢測法：這種方法的主要原理是，局部放電時，對應部位會過熱，若被測部位的溫度高于絕對溫度，那么就會產生由熱能轉化出來的輻射能量，也是紅外射線，進而利用紅外探測儀的熱成像原理，達到檢測目的。這種方法適用于檢測設備外部接線端等過熱現(xiàn)象，不易監(jiān)測運行中設備內部狀況。

5)超高頻檢測技術(UHF)：它通過傳感器來獲取變壓器局部放電時的超高頻信號，以實現(xiàn)對局放的檢測與定位。這種方法檢測頻帶高，可以避開電暈干擾；能反映放電的強度，對突發(fā)性故障也能及時反應，適合在線監(jiān)測。

近年來，隨著機器學習的不斷發(fā)展，深度學習方法也在不斷進步和發(fā)展。由于深度學習方法自身強大的靈活性和自適應能力，在各個領域都有越來越多的應用投入使用。深度學習的方法在時序分類方面也有應用，隨著時間序列數(shù)據(jù)的可用性提高，也有許多的TSC(時間序列分類)算法。