[發明專利]一種特高頻局部放電故障類型檢測方法及系統

有效

• 申請號: 202011504913.9
• 申請日: 2020-12-18
• 公開（公告）號: CN112748320B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 許明;戎鋮;陳國金
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01R31/14
• 分類號: G01R31/14
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.一種特高頻局部放電故障類型檢測方法，其特征在于：步驟一、在被測電力設備的周圍布置電磁波檢測傳感器；電磁波檢測傳感器檢測被測電力設備是否釋放出電磁波信號；所述被測電力設備的周圍布置了四個電磁波檢測傳感器；

步驟二、當電磁波檢測傳感器檢測到電磁波信號時，將該電磁波信號進行連續小波變換后，提取出五種特征；該五種特征分別為CWT峰值、峰間持續時間、子帶尺度能量、帶寬和子帶尺度熵；

步驟三、將步驟二得到的m種特征導入訓練好的SOFM神經網絡中，SOFM神經網絡輸出被測電力設備發生各類型局部放電的概率；在判斷局部放電類型后，根據四個電磁波檢測傳感器檢測到電磁波信號的時間，通過TDOA定位法確定發生局部放電故障的具體位置；

所述的SOFM神經網絡訓練的方法具體如下：

步驟S1：神經網絡初始化；

對SOFM神經網絡中的各權值w_ij分別賦小隨機數；小隨機數的取值范圍為0～10；給定學習率初值η(0)；確定初始優勝鄰域初值；設定輸入神經個數為m，設定輸出神經元的個數為n；

步驟S2：建立訓練集

以不同類型局部放電釋放出的特高頻電磁波信號經小波變換提取出的m種特征為訓練樣本向量，建立訓練集；訓練集中的各訓練樣本向量均帶有標簽；訓練樣本向量為m維向量；將訓練集中的各個訓練樣本向量依次加入到輸入層，并按照步驟S3～S6進行學習，調整神經元權值，直到網絡收斂；

步驟S3：向量歸一化；對訓練樣本向量和權值向量w_j(t)，全部進行歸一化處理：

其中，w_j'(t)為歸一化權值向量；X為歸一化樣本向量；||w_j(t)||為權值向量的歐幾里得范數；為訓練樣本向量；為訓練樣本向量的歐幾里得范數；x_i為訓練樣本向量的第i個特征分量值；

步驟S4：尋找獲勝神經元；分別計算輸入的歸一化樣本向量X和輸出層各個權值向量w_j'(t)之間的歐式距離d_j，j＝1,2,…,n；據此確定獲勝神經元：

其中，d_j為歸一化樣本向量與神經元的權值向量的歐幾里得距離；

步驟S5：定義歸一化樣本向量X對應的優勝鄰域；迭代鄰域半徑r(t)和學習速率η(t)如下：

其中，r(t+1)、η(t+1)分別表示迭代出下一個鄰域半徑、學習率；r(t)、η(t)分別表示當前領域半徑、學習率；t為當前學習迭代次數，T為最大迭代訓練次數；INT(·)為取整函數；

步驟S6：調整權值；對優勝鄰域內所有神經元的權值進行調整如下：

w_ji(t)+1)＝w_ji(t)+η(t)h_c,j(t)(x_i-w_ji(t))

式中，w_ji(t+1)表示迭代出下一個權值；w_ji(t)表示當前權值；h_c,j(t)為鄰域函數。

2.根據權利要求1所述的一種特高頻局部放電故障類型檢測方法，其特征在于：所述的電磁波檢測傳感器采用微帶天線。

3.一種特高頻局部放電故障類型檢測系統，其特征在于：用于執行如權利要求1所述的特高頻局部放電故障類型檢測方法；該系統包括特高頻傳感器組、信號調節模塊和上位機；特高頻傳感器組包括布置在被測電力設備四周的四個電磁波檢測傳感器；各電磁波檢測傳感器的輸出信號均經過信號調節模塊處理后傳輸到上位機。

4.根據權利要求3所述的一種特高頻局部放電故障類型檢測系統，其特征在于：所述信號調節模塊包括依次連接的輸入級、濾波器、信號放大器、檢波器和輸出級；所述輸入級和輸出級均處于阻抗匹配狀態，輸入級與特高頻傳感器的輸出線通過同軸電纜相連，輸出級與上位機相連。

5.根據權利要求3所述的一種特高頻局部放電故障類型檢測系統，其特征在于：信號調節模塊的電源是由降壓變壓器和橋式整流器組成的恒直流電源單元提供；供電單元和信號調節模塊各自獨立屏蔽。