CN103267932B - 一种gis局部放电检测系统及方法 - Google Patents

Abstract

本发明公开了一种GIS局部放电检测系统，它包括局部放电超声波子系统和局部放电超高频子系统，所述局部放电超声波子系统和局部放电超高频子系统与计算机连接，并公开了一种检测方法，具体步骤为：步骤一：被测GIS进行检测，并将检测结果上传给计算机；步骤二：计算机对超声波检测法检测的结果进行数据处理及识别；根据所述的检测结果分别给出证据对目标的基本概率指派函数值即指派概率；步骤三：计算每种GIS故障的证据空间；步骤四：根据诊断决策确定诊断结果即诊断类型。本发明能够准确发现GIS的局部放电故障并提高识别故障类型的准确性，促使GIS维护由定期检修、事故维修向状态检修、可靠性维护方向发展，提高检测准确率。

Description

一种GIS局部放电检测系统及方法

技术领域

本发明涉及一种检测系统及方法，尤其涉及一种GIS局部放电检测系统及方法。

背景技术

气体绝缘组合电器（GasInsulatedSubstation，GIS）以其结构紧凑，占地空间小，不受外界环境影响，运行可靠性高，检修周期长等突出优点在电力系统中得到广泛应用，在输变电系统中占据着越来越重要的地位。

目前，国内外对GIS局部放电检测的主要方法有电脉冲检测法、超声波检测法、光测法、化学检测法，超高频法等。其中超声波检测法和超高频法以灵敏性高，易于实现带电检测，可进行模式识别和定量分析等共同优点应用前景看好。

GIS中局部放电激发的声音信号有比较宽的带宽，超声波检测法

就是用在腔体外壁安装的超声波传感器测量局部放电量Q。该方法抗电磁干扰好，但是声音信号在SF₆气体中传播速度很低（约140m/s），信号通过不同物质时传播速度不同，不同材料的边界处还会产生反射，因此信号模式很复杂，且高频部分衰减很快。

超高频检测法是通过检测GIS内部局部放电的超高频电磁波信号来获得局部放电的信息。在GIS局部放电测量时，现场干扰的频谱范围一般小于300MHz，且在传播过程中衰减很大，若检测局部放电产生的数百MHz以上的电磁波信号，则可有效避开电晕等干扰，大大提高信噪比。正是由于超高频法的特点以及GIS同轴体利于超高频信号传播的特点使得其抗干扰技术优于目前传统的局放检测方法，利于局部放电的在线监测，但是该方法最好能将传感器预埋入GIS中。

目前对GIS局部放电带电检测所用上述两种方法，超高频法的缺点主要是目前没有相应的国际及国内标准，且不能给出一个放电量大小的结果；由于UHF传感器只能安装在GIS的盆式绝缘子处，因此不能实现准确定位。而超声波的缺点是易受周围环境的影响，特别是如果设备本身运行中具有一定的振动，则对超声波检测会产生很大的误差。检测结果都存在一定的不准确性，会经常产生故障的误判漏判，有其局限性。

发明内容

本发明的目的就是为了解决上述问题，提供一种GIS局部放电检测系统及方法,它具有显著提高局部放电检测系统故障检测准确性的优点。

为了实现上述目的，本发明采用如下技术方案：

一种GIS局部放电检测系统，它包括局部放电超声波子系统和局部放电超高频子系统，所述局部放电超声波子系统和局部放电超高频子系统与计算机连接。

所述局部放电超声波子系统包括超声波传感器，超声波传感器与前置放大器连接，前置放大器与带通滤波器连接，带通滤波器与可调放大器连接，可调放大器与平滑滤波器连接，平滑滤波器与信号包络生成器连接，信号包络生成器与计算机连接。

所述局部放电超高频子系统包括超高频传感器，超高频传感器与信号传输电缆连接，信号传输电缆与信号调理单元连接，信号调理单元与数据采集卡连接，数据采集卡与计算机连接。

基于一种GIS局部放电检测系统的一种检测方法，具体步骤为：

步骤一：分别利用基于局部放电超声波子系统的超声波检测法和基于局部放电超高频子系统的超高频检测法对被测GIS进行检测，并将检测结果上传给计算机；

步骤二：计算机对超声波检测法和超高频检测法检测的结果进行数据处理及识别；根据所述的检测结果分别给出证据对目标的基本概率指派函数值即指派概率；

步骤三：计算每种GIS故障的证据空间；

步骤四：根据诊断决策确定诊断结果即诊断类型。

所述步骤二中超声波检测法和超高频检测法指派概率的确定:

由特征谱图最大值相位分布平均值相位分布放电次数相位分布确定统计算子，利用神经网络算法，将确定的统计算子作为神经网络的输入，输出为各类故障的指派概率即各故障的基本可信数m_j(i)和不确定性概率m_j(Θ)。

所述步骤三中的GIS故障包括高压端金属突起物缺陷、接地体金属突起物缺陷、金属悬浮点位缺陷、自由金属颗粒缺陷和绝缘子缺陷。

所述步骤三的具体步骤为：

（3-1）根据超声波检测法和超高频检测法检测到的结果计算基本可信数m_j(i)和不确定性概率m_j(Θ)，其中，j=1或2，j表示两种检测方法的代号；i取1，2，3，4，5，6，表示故障类型及无故障时的代号；Θ为故障类型的集合。

（3-2）利用D-S信息融合算法中的合并法则对m_j(i)和m_j(Θ)进行融合，,得到的融合后的基本可信数m(i)(i=1，2，3，4，5，6)和不确定概率m(Θ)；

$m_1\⊕m_2\left(C\right)=\left\{\begin{array}{cc}0& C=\mathrm{\Φ}\\ \frac{\underset{A\∩B=C}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}{1-\underset{A\∩B=\mathrm{\Φ}}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}& C\≠\mathrm{\Φ}\end{array}\right.---\left(1\right)$

其中，m(A)表示证据对命题A发生的支持度即基本可信数，m(B)表示证据对命题B发生的支持度即基本可信数；C=A+B，Φ表示空集。m_j(Θ)表示对第j个故障不确定性概率；

（3-3）按照下述公式（2）计算证据区间[Bel_j(i)，pl_j(i)]：

$\left\{\begin{array}{c}\mathrm{Be}{l}_j\left(i\right)=m_j\left(i\right)\\ p{l}_j\left(i\right)=1-\mathrm{Be}{l}_j\left(\stackrel{\‾}{i}\right)=m_j\left(i\right)+m_j\left(\mathrm{\θ}\right)\end{array}\right.---\left(2\right)$

所述步骤四中确定诊断结果的规则为：

规则1：目标类别应具有最大的基本可信度值；

规则2：目标类别与其他类别的基本可信度值的差必须大于某一阈值；

规则3：不确定性概率m_j(θ)必须小于某一阈值；规则4：目标类别的基本可信度值必须大于不确定性概率m_j(θ)。

本发明的有益效果：本发明利用数据融合理论将超高频检测法和超声波检测法两种方法的检测信息融合起来判断GIS的局部放电故障情况，既可以充分利用各自的优点，又可以避免不足，准确发现GIS的局部放电故障并提高识别故障类型的准确性，促使GIS维护由定期检修、事故维修向状态检修、可靠性维护方向发展，提高检测准确率，预防和减少设备事故，提高电力企业的生产效率。

附图说明

图1为本发明的检测系统硬件配置图；

图2为本发明检测方法原理框图；

图3为本发明检测方法中D-S信息融合算法软件流程图；

图4a为实施例中GIS内超高频法测局部放电谱图I；

图4b为实施例中GIS内超高频法测局部放电谱图II；

图4c为实施例中GIS内超高频法测局部放电谱图III；

图4d为实施例中GIS内超高频法测局部放电谱图IV；

图5a为实施例中GIS内超声波法测局部放电谱图I;

图5b为实施例中GIS内超声波法测局部放电谱图II;

图5c为实施例中GIS内超声波法测局部放电谱图III。

其中，1.超声波传感器，2.前置放大器，3.带通滤波器，4.可调放大器，5.平滑滤波器，6.信号包络生成器，7.超高频传感器，8.电缆，9.信号调理单元，10.数据采集卡，11.计算机。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，本发明为一种GIS局部放电综合检测系统，该系统包括：局部放电超声波子系统，用于采集GIS中由于局部放电产生的超声波信号并做相应处理；局部放电超高频子系统，用于采集GIS中由于局部放电产生的超高频信号并做相应处理；局部放电超声波子系统所采集的超声波信号及局部放电超声波子系统所采集的超高频信号送入计算机，用于通过D-S信息融合算法将上述两种子系统所得检测结果进行有效融合。

所述局部放电超声波子系统包括超声波传感器1，超声波传感器1与前置放大器2连接，前置放大器2与终端处理连接，其中终端处理包括带通滤波器3依次与可调放大器4、平滑滤波器5、信号包络生成器6以及计算机11连接。

所述局部放电超高频子系统包括超高频传感器7依次与用于信号传输的电缆8、信号调理单元9、数据采集卡10、计算机11连接。

在所述计算机11中装有超高频模式识别软件、超声波模式识别软件、基于D-S信息融合算法软件。

利用以上所述系统，按照上述发明内容的检测方法及步骤操作即可。

本实施例的检测诊断结果见附表1，对附表1说明如下：

在附表1中可以看出，m(θ)明显减小，这说明数据融合降低了系统的不确定性，同时使融合后的基本可信度函数比融合前的基本可信度函数具有更好的可区分性。融合前，两种检测方法中高压端金属突起物缺陷的基本可信度函数都比其它类大，融合后高压端金属突起物缺陷的基本可信度函数值为0.9006，比其它类都大，而且比融合前两种检测方法的基本可信度函数值大，差距也更明显。根据目标判定准则1，可以确定故障类型。以上也说明依据融合后的数据判断故障类型，更有说服力。

附表1超高频法与超声波法的数据融合

如图2、图3所示，基于一种GIS局部放电检测系统的一种检测方法，具体步骤为：

步骤一：分别利用基于局部放电超声波子系统的超声波检测法和基于局部放电超高频子系统的超高频检测法对被测GIS进行检测，并将检测结果上传给计算机；

步骤二：计算机对超声波检测法检测的结果进行数据处理及识别；根据所述的检测结果分别给出证据对目标的基本概率指派函数值即指派概率；

步骤三：计算每种GIS故障的证据空间；

步骤四：根据诊断决策确定诊断结果即诊断类型。

所述步骤二中超声波检测法和超高频检测法指派概率的确定：

由特征谱图最大值相位分布平均值相位分布放电次数相位分布计算得到多个统计算子，利用神经网络算法，将计算得到的统计算子作为神经网络的输入，输出为六类故障的指派概率即各故障的基本可信数和不确定性概率。

所述步骤三中的GIS故障包括高压端金属突起物缺陷、接地体金属突起物缺陷、金属悬浮点位缺陷、自由金属颗粒缺陷和绝缘子缺陷。

所述步骤三的具体步骤为：

（3-1）根据超声波检测法和超高频检测法检测到的结果计算基本可信数m_j(i)和不确定性概率m_j(θ)，其中，j=1或2，j表示两种检测方法的代号；i取1，2，3，4，5，6，表示故障类型及无故障时的代号；

（3-2）利用D-S信息融合算法中的合并法则对m_j(i)和m_j(θ)进行融合，,得到的融合后的基本可信数m(i)(i=1，2，3，4，5，6)和不确定概率m(θ)；

$m_1\⊕m_2\left(C\right)=\left\{\begin{array}{cc}0& C=\mathrm{\Φ}\\ \frac{\underset{A\∩B=C}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}{1-\underset{A\∩B=\mathrm{\Φ}}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}& C\≠\mathrm{\Φ}\end{array}\right.---\left(1\right)$

其中，m(A)表示证据对命题A发生的支持度即基本可信数，m(B)表示证据对命题B发生的支持度即基本可信数；C=A+B，Φ表示空集，m_j(Θ)表示对第j个故障不确定性概率。

（3-3）按照下述公式（2）计算证据区间[Bel_j(i)，pl_j(i)]：

$\left\{\begin{array}{c}\mathrm{Be}{l}_j\left(i\right)=m_j\left(i\right)\\ p{l}_j\left(i\right)=1-\mathrm{Be}{l}_j\left(\stackrel{\‾}{i}\right)=m_j\left(i\right)+m_j\left(\mathrm{\θ}\right)\end{array}\right.---\left(2\right)$

所述步骤四中确定诊断结果的规则为：

规则1：目标类别应具有最大的基本可信度值；

规则2：目标类别与其他类别的基本可信度值的差必须大于某一阈值；

规则3：不确定性概率m_j(θ)必须小于某一阈值；规则4：目标类别的基本可信度值必须大于不确定性概率m_j(θ)。

如图4a所示，为实施例中GIS内超高频法测局部放电谱图I；如图4b为实施例中GIS内超高频法测局部放电谱图II；图4c为实施例中GIS内超高频法测局部放电谱图III；图4d为实施例中GIS内超高频法测局部放电谱图IV；图5a为实施例中GIS内超声波法测局部放电谱图I;图5b为实施例中GIS内超声波法测局部放电谱图II;图5c为实施例中GIS内超声波法测局部放电谱图III。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (6)

1.基于一种GIS局部放电检测系统的一种检测方法，其特征是，所述GIS局部放电检测系统，包括局部放电超声波子系统和局部放电超高频子系统，所述局部放电超声波子系统和局部放电超高频子系统与计算机连接；

所述基于一种GIS局部放电检测系统的检测方法的具体步骤为：

步骤一：分别利用基于局部放电超声波子系统的超声波检测法和基于局部放电超高频子系统的超高频检测法对被测GIS进行检测，并将检测结果上传给计算机；

步骤二：计算机对超声波检测法检测的结果进行数据处理及识别；根据所述的超声波检测法和超高频检测法对被测GIS进行检测的结果分别给出证据对目标的基本概率指派函数值即指派概率；

步骤三：计算每种GIS故障的证据空间；

步骤四：根据诊断决策确定诊断结果即诊断类型；

所述步骤二中超声波检测法和超高频检测法指派概率的确定：

由特征谱图最大值相位分布平均值相位分布放电次数相位分布确定统计算子，利用神经网络算法，将确定的统计算子作为神经网络的输入，输出为各类故障的指派概率即各故障的基本可信数m_j(i)和不确定性概率m_j(Θ)。

2.如权利要求1所述一种GIS局部放电检测方法，其特征是，所述局部放电超声波子系统包括超声波传感器，超声波传感器与前置放大器连接，前置放大器与带通滤波器连接，带通滤波器与可调放大器连接，可调放大器与平滑滤波器连接，平滑滤波器与信号包络生成器连接，信号包络生成器与计算机连接。

3.如权利要求1所述一种GIS局部放电检测方法，其特征是，所述局部放电超高频子系统包括超高频传感器，超高频传感器与信号传输电缆连接，信号传输电缆与信号调理单元连接，信号调理单元与数据采集卡连接，数据采集卡与计算机连接。

4.如权利要求1所述所述一种GIS局部放电检测方法，其特征是，所述步骤三中的GIS故障包括高压端金属突起物缺陷、接地体金属突起物缺陷、金属悬浮点位缺陷、自由金属颗粒缺陷和绝缘子缺陷。

5.如权利要求1所述所述一种GIS局部放电检测方法，其特征是，所述步骤三的具体步骤为：

(3-1)根据超声波检测法和超高频检测法检测到的结果计算基本可信数m_j(i)和不确定性概率m_j(θ)，其中，j＝1或2，j表示两种检测方法的代号；i取1，2，3，4，5，6，表示故障类型及无故障时的代号；

(3-2)利用D-S信息融合算法中的合并法则对m_j(i)和m_j(θ)进行融合，m＝m₁⊕m₂,得到的融合后的基本可信数m(i)，i＝1，2，3，4，5，6和不确定概率m(θ)；

$m_1\⊕m_2\left(C\right)=\left\{\begin{array}{cc}0& C=\mathrm{\Φ}\\ \frac{\underset{A\∩B=C}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}{1-\underset{A\∩B=\mathrm{\Φ}}{\mathrm{\Σ}}{m}_1\left(A\right)m_2\left(B\right)}& C\≠\mathrm{\Φ}\end{array}\right.---\left(1\right)$

其中，m(A)表示证据对命题A发生的支持度即基本可信数，m(B)表示证据对命题B发生的支持度即基本可信数；C＝A+B，Φ表示空集，m_j(Θ)表示对第j个故障不确定性概率；

(3-3)按照下述公式(2)计算证据区间[Bel_j(i)，pl_j(i)]：

$\left\{\begin{array}{c}{\mathrm{Bel}}_j\left(i\right)=m_j\left(i\right)\\ {\mathrm{pl}}_j\left(i\right)=1-{\mathrm{Bel}}_j\left(\stackrel{\‾}{i}\right)=m_j\left(i\right)+m_j\left(\mathrm{\θ}\right)\end{array}\right.---\left(2\right).$

6.如权利要求1所述所述一种GIS局部放电检测方法，其特征是，所述步骤四中确定诊断结果的规则为：

规则1：目标类别应具有最大的基本可信度值；

规则2：目标类别与其他类别的基本可信度值的差必须大于某一阈值；

规则3：不确定性概率m_j(θ)必须小于某一阈值；规则4：目标类别的基本可信度值必须大于不确定性概率m_j(θ)。