CN103336231B - 局部放电ae位置检测的神经元网络方法 - Google Patents
局部放电ae位置检测的神经元网络方法 Download PDFInfo
- Publication number
- CN103336231B CN103336231B CN201310271394.XA CN201310271394A CN103336231B CN 103336231 B CN103336231 B CN 103336231B CN 201310271394 A CN201310271394 A CN 201310271394A CN 103336231 B CN103336231 B CN 103336231B
- Authority
- CN
- China
- Prior art keywords
- signal
- partial discharge
- output
- input
- ultrasonic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000003750 conditioning effect Effects 0.000 claims abstract description 8
- 210000002569 neuron Anatomy 0.000 claims abstract description 6
- 230000004913 activation Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种局部放电AE位置检测的神经元网络方法，本发明利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；本发明能够提取局部放电产生的超声波所蕴含的放电的信息，从中计算出局部放电位置，为局部放电监测系统所用，提高了局部放电监测的准确度。
Description
技术领域
本发明涉及电力系统中局部放电的检测，尤其是局部放电AE位置检测的神经元网络方法。
背景技术
局部放电是导致高压电力设备绝缘损坏的一个重要因素，对运行中的设备要加强监测，当局部放电超过一定程度时，应将设备退出运行，进行检修或更换。局部放电的检测是局部放电监测的首要一环，只有检测准确，才能保障后续的监测。
局部放电发生时，会伴随产生电脉冲、超声波、电磁辐射、光、化学反应，并引起局部发热等现象。本发明通过检测超声波的方法来定位局部放电，这种方法具有简单实用的特点，近些年来采用较多。但是局部放电发生时，所散射的超声波具有不同频率，不同频段超声波所蕴含的局部放电信息不同，这就要求对不同频段进行采集。但是，这种不同频段采集的方案几乎不可行，首先是现有的滤波电路还不具备超声波分频段的要求；其次是需要的A/D元件及电路多，采样复杂，易出故障，且成本高；还有就是这样得到的采样数据也是不同频段下的值，不具有统一的参考标准，不能为局部放电监测系统所用。
发明内容
本发明针对现有技术的不足，提出了一种局部放电AE位置检测的神经元网络方法。
本发明的目的可以采用下述技术方案步骤实现：
步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；
步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；
步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；
步骤四：将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；神经网络算法的输入为传感器收集的信号幅值以及对应的传感器编号，输出为局部放电发生位置的球坐标（ ,,r），球坐标的原点为信号采集中心；
所述的神经网络算法的训练过程包括以下步骤：
输入：训练集，每个训练集中的实例都包含输入向量，输入向量为各个AE检测器所发送过来的幅值信号与AE检测器编号，x=[,,...,],输出向量y=[,,r]，神经网络的初始连接权值选取0至1的随机数。
重复执行：
对于实例集中的每个实例，将输入向量的各分量代入输入层
对于隐层中的每个隐单元，执行
对于每个输出层单元,执行
对于每个输出层单元,执行
对于隐层中的每个隐单元，执行
对于输入层的每个单元，执行
不停重复这个过程，直到各权值W稳定下来，此时的各权值W就是神经网络算法中的最终权值。其中g为激励函数，为学习速率。经过训练最终得到的神经元网络的输出公式为。式中代表输入的超声波幅值信号和AE检测器编号，代表放电位置的坐标。其中为输出层单元的输出，为隐层单元的输出，为输入层单元的输出，为输出层单元与隐层单元的连接权值，为隐层单元与输入层单元的连接权值。
本发明的有益效果：能够提取局部放电产生的超声波所蕴含的放电的信息，从中计算出局部放电位置，为局部放电监测系统所用，提高了局部放电监测的准确度。
附图说明
图1局部放电的位置坐标；
图2神经网络的输入层、输出层和隐层。
具体实施方式
下面结合附图和实施例对本发明进一步说明：
本发明一种局部放电AE位置检测的神经元网络方法，该方法具体包括以下步骤：
步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；
步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；
步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；
步骤四：将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；如图1所示；神经网络算法的输入为传感器收集的信号幅值以及对应的传感器编号，输出为局部放电发生位置的球坐标（,,r），球坐标的原点为信号采集中心；
如图2所示，所述的神经网络算法的训练过程包括以下步骤：
输入：训练集，每个训练集中的实例都包含输入向量，输入向量为各个AE检测器所发送过来的幅值信号与AE检测器编号，x=[,,...,],输出向量y=[,,r]，神经网络的初始连接权值可以任意选取。
重复执行：
对于实例集中的每个实例，将输入向量的各分量代入输入层
对于隐层中的每个隐单元，执行
对于每个输出层单元,执行
对于每个输出层单元,执行
对于隐层中的每个隐单元，执行
对于输入层的每个单元，执行
不停重复这个过程，直到各权值W稳定下来，此时的各权值W就是神经网络算法中的最终权值。其中g为激励函数，为学习速率。经过训练最终得到的神经元网络的输出公式为。式中代表输入的超声波幅值信号和AE检测器编号，代表放电位置的坐标。其中为输出层单元的输出，为隐层单元的输出，为输入层单元的输出，为输出层单元与隐层单元的连接权值，为隐层单元与输入层单元的连接权值。
Claims (1)
1. 一种局部放电AE位置检测的神经元网络方法，其特征在于，该方法具体包括以下步骤：
步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；
步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；
步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；
步骤四：将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；神经网络算法的输入为传感器收集的信号幅值以及对应的传感器编号，输出为局部放电发生位置的球坐标（ ,,r），球坐标的原点为信号采集中心；
所述的神经网络算法的训练过程包括以下步骤：
输入：训练集，每个训练集中的实例都包含输入向量，输入向量为各个AE检测器所发送过来的幅值信号与AE检测器编号，x=[,,...,],输出向量y=[,,r]，神经网络的初始连接权值选取0至1的随机数；
重复执行：
对于实例集中的每个实例，将输入向量的各分量代入输入层
对于隐层中的每个隐单元，执行
对于每个输出层单元,执行
对于每个输出层单元,执行
对于隐层中的每个隐单元，执行
对于输入层的每个单元，执行
不停重复这个过程，直到各权值W稳定下来，此时的各权值W就是神经网络算法中的最终权值；其中g为激励函数，为学习速率；经过训练最终得到的神经元网络的输出公式为；式中代表输入的超声波幅值信号和AE检测器编号，代表放电位置的坐标；其中为输出层单元的输出，为隐层单元的输出，为输入层单元的输出，为输出层单元与隐层单元的连接权值，为隐层单元与输入层单元的连接权值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310271394.XA CN103336231B (zh) | 2013-07-01 | 2013-07-01 | 局部放电ae位置检测的神经元网络方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310271394.XA CN103336231B (zh) | 2013-07-01 | 2013-07-01 | 局部放电ae位置检测的神经元网络方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103336231A CN103336231A (zh) | 2013-10-02 |
| CN103336231B true CN103336231B (zh) | 2015-09-09 |
Family
ID=49244434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310271394.XA Expired - Fee Related CN103336231B (zh) | 2013-07-01 | 2013-07-01 | 局部放电ae位置检测的神经元网络方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103336231B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105334435B (zh) * | 2015-10-23 | 2018-04-13 | 国网山东海阳市供电公司 | 一种基于任意阵形的自适应局部放电超声监测方法 |
| CN109596951A (zh) * | 2018-12-12 | 2019-04-09 | 全球能源互联网研究院有限公司 | 一种局部放电源定位方法及系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3100757B2 (ja) * | 1992-06-02 | 2000-10-23 | 三菱電機株式会社 | 監視診断装置 |
| DE19716963C2 (de) * | 1997-04-16 | 2001-10-18 | Siemens Ag | Verfahren zur Ermittlung des Ortes einer Teilentladung |
| KR100919785B1 (ko) * | 2008-09-24 | 2009-10-01 | 주식회사 케이디파워 | Ａｅ센서를 이용한 유입 변압기의 부분방전 검출장치 및 방법 |
| CN101551434B (zh) * | 2009-05-13 | 2012-08-22 | 中南大学 | 基于超高频检测技术的变压器局部放电定位方法 |
| CN102944769A (zh) * | 2012-10-18 | 2013-02-27 | 上海市电力公司 | 基于极限学习机的电力变压器故障诊断方法 |
-
2013
- 2013-07-01 CN CN201310271394.XA patent/CN103336231B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN103336231A (zh) | 2013-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102841294B (zh) | 电气设备特高频局部放电检测中信号与干扰的鉴别方法 | |
| CN105044567B (zh) | 一种gis局部放电在线监测模式识别方法及系统 | |
| CN102735999B (zh) | Gis局部放电在线监测系统及其故障模式识别方法 | |
| CN102243289B (zh) | 采用硬件抗干扰的高压电力设备局部放电检测方法和装置 | |
| CN110007197B (zh) | 串联电弧故障检测系统及检测方法 | |
| CN202720309U (zh) | 一种局部放电检测定位系统 | |
| CN102132164A (zh) | 电力设备的部分放电噪音消除装置及部分放电产生区域的检测装置 | |
| CN103048593A (zh) | 一种气体绝缘开关设备绝缘缺陷种类的识别方法 | |
| CN104808124A (zh) | 开关柜局部放电故障位置的声电联合定位方法 | |
| CN102175571B (zh) | 基于希尔伯特边际谱的两相流流型识别方法 | |
| CN104977515B (zh) | 一种三相共筒gis局部放电监测中放电类型的识别方法 | |
| CN109406965A (zh) | 一种基于声音信号采集的局部放电检测系统及其检测方法 | |
| KR101550689B1 (ko) | 잡음제거 기능을 구비한 ａｅ센서 기반 수배전반의 아크 및 코로나 검출 시스템 | |
| CN110554284B (zh) | 基于gis设备的局放检测方式的相关性分析方法及系统 | |
| CN104459493A (zh) | 一种开关柜局部放电在线监测系统 | |
| CN106324406B (zh) | 一种变压器直流偏磁故障诊断方法及装置 | |
| CN105510783A (zh) | 一种基于超声信号的开关柜局部放电检测系统 | |
| CN106324459A (zh) | 基于声电一体传感器的gis局部放电检测系统及方法 | |
| You et al. | Research of an improved wavelet threshold denoising method for transformer partial discharge signal | |
| CN108196164A (zh) | 一种用于强背景噪声下电缆故障点放电声音信号提取方法 | |
| CN107991531A (zh) | 基于变分模态分解和去除噪声的电网谐波检测方法 | |
| CN103336231B (zh) | 局部放电ae位置检测的神经元网络方法 | |
| CN108008187B (zh) | 基于变分模态分解的电网谐波检测方法 | |
| CN114113943A (zh) | 基于电流和超声信号的变压器局放检测系统、方法及设备 | |
| CN108680843A (zh) | 一种基于无线传输技术的开关柜局部放电检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150909 Termination date: 20180701 |