CN107422232A - 一种配电网终端设备的数字式带电检测工具 - Google Patents
一种配电网终端设备的数字式带电检测工具 Download PDFInfo
- Publication number
- CN107422232A CN107422232A CN201710470700.0A CN201710470700A CN107422232A CN 107422232 A CN107422232 A CN 107422232A CN 201710470700 A CN201710470700 A CN 201710470700A CN 107422232 A CN107422232 A CN 107422232A
- Authority
- CN
- China
- Prior art keywords
- illustrative plates
- collection
- shelf depreciation
- dimensional
- signal
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具及其方法。本发明的数字式带电检测工具具备完整的信号分析能力,通过对超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警,进而现场配网运行人员可以根据现场的实际局部放电情况科学地制定解决方案。
Description
技术领域
本发明涉及供电配网设备监测技术,特别是涉及一种配电网终端设备的数字式带电检测工具,该工具采用超声波传感检测的原理,用于对配电网终端设备(如开关柜等)中的绝缘部件是否存在局部放电现象及其类型和严重性进行带电检测发现。
背景技术
在电力系统中,按照电压等级的由高到低,将电网分为高压输电网、中压变电网及低压配电网。对于低压配电网,以下简称配网,是直接供给用户电能的电网,配网供电的可靠性高低,直接影响着用户的供电体验。
局部放电是指电气设备的绝缘部位由于绝缘能力的下降,因而在电场的作用下在配网运行过程中发生的放电现象。电磁力、热应力、湿热环境、有害的活性气体、油污、粉尘等都会造成绝缘材料性能的逐步劣化,绝缘性能的逐步劣化也造成了局部放电现象的增多和增强。局部放电普遍存在于配网设备中,是在配网日常的巡回维护工作中一个重要的检测对象,及时排查局部放电可以将配网突发故障的风险降低。
而且,设备的绝缘性能越好,导体表面越干净,局部放电的现象越弱,反之设备的绝缘性能越差,导体表面越污秽,局部放电的现象越强烈。从此也可以看出,通过测量局部放电的强弱可以反应导体表面的运行情况和绝缘老化程度,提醒检修工程人员及时更新设备部件。
常见的局部放电包括尖刺放电、金属颗粒放电、悬浮放电、绝缘体表面放电,每种放电类型易发生的部位、发生的原因以及隐患排除方式均不同。正确识别局部放电的类型,以及评估其严重性程度,在配电网终端设备维护检测中具有重要作用。
目前常见的局部放电检测方法有脉冲电流法、超高频法、超声波法、化学检测法、红外检测法、光测法。
超声波检测局部放电的机理在于:电力设备在长期运行过程中,绝缘材料发生老化、劣化甚至腐蚀,其中的水分在过热点可能气化成气泡或在高压作用下电解产生气泡。如果绝缘部位已经有局部放电的发生,会导致气泡内部电场力和温度的不断变化,在力的作用下气泡会发生往复性的膨胀和收缩,最终发生破裂,产生了局部体积的变化,导致周围介质密度发生变化,产生频率大于20kHz的疏密波,也即是超声波。
相比于其他几种测量方法,超声波法可有效降低电磁干扰,具有无损检测特点,且其操作性强实现简单,适用于带电监测,因而得到了大量关注,现已广泛应用于对配网中的变压器、GIS、电容器、电机、电缆和电缆等终端设备实施带电检测。
中国专利ZL201410180695.6公开了一种便携式超声波在线检测局部放电诊断装置,利用第一超声波检测探头进行首次宽范围检测,确定局部放电的大致范围,再换取第二超声波检测探头进行第二次精确范围检测。
中国专利ZL201510123227.X公开了一种超声波局部放电分析仪及分析方法,涉及高压电器绝缘故障检测领域,超声波局部放电分析仪包括超声波传感器、信号放大处理器、数据分析器、显示器、键盘,超声波传感器用于接收局部放电产生的超声波信号,信号放大处理器将接受的电信号进行多级放大和滤波整定,与现有的超声波局部放电定位仪器相比,该发明提供的超声波局部放电分析仪,只需要1个超声波传感器,经过3次测量就可以对超声波信号源进行精确定位,减少了检测成本。
上述两项现有技术均可以实现局部放电故障点的定位,但是现有的基于超声波法的局部放电带电检测工具均有重信号检测而轻数据分析的问题,甚至无数字分析能力,因为不具备完整的分析过程,无法判断局部放电类型和严重程度。也就是说,对于现场配网运行人员应用上述两项现有技术或同类的检测工具只能判断哪里有局部放电,不能判断局部放电的类型和局部放电的严重程度,也就很难根据局部放电的实际情况科学地制定解决方案。
发明内容
为了克服现有技术中的检测工具无法使现场配网运行人员判断局部放电类型和严重程度的问题,本发明提供了一种基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具及其方法。本发明的数字式带电检测工具具备完整的信号分析能力,通过对超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警,进而现场配网运行人员可以根据现场的实际局部放电情况科学地制定解决方案。
本发明提供了基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具,其特征在于,包括:超声波传感器、光纤宽带信号通道、信号调理电路、第一A/D转换器、第二A/D转换器、RAM存储器、DSP运算处理器、时钟电路、放电报警电路、显示屏和通信电路;
其中,所述超声波传感器为压电传感器,将由局部放电发出的超声波传导的机械能转换为电信号;所述超声波传感器耦合到所述光纤宽带信号通道;所述光纤宽带信号通道包括:与超声波传感器相耦接的电光耦合器件、传输光纤以及与信号调理电路相耦接的光电耦合器件;电光耦合器件将感应获得的电信号进一步转换为光信号;传输光纤将光信号传输给光电耦合器件;光电耦合器件将光信号还原为电信号,输送给信号调理电路;信号调理电路依次包括信号滤波器和信号放大器;信号滤波器用于滤除超声波传感和信号传输过程中可能引入的噪声;信号放大器采用集成运算放大器,对带通滤波以后的信号执行放大;信号调理电路将处理之后的信号分两路输出;第一路超声波检测信号进入第一A/D转换器,进行采样和模数转换后,送给DSP运算处理器;第二路超声波检测信号进入第二A/D转换器和RAM存储器;第二A/D转换器对信号调理电路输出的第二路超声波检测信号执行高速采样和模数转换,将所产生的采样数据保存至RAM存储器,再由DSP运算处理器调取;所述DSP运算处理器对第一路超声波检测信号的采样数据执行局部放电存在判定;若经判定不存在局部放电,则DSP运算处理器不进行任何后续处理和操作。若经对第一路超声波检测信号的判定,存在局部放电,则DSP运算处理器启动第二A/D转换器和RAM存储器;DSP运算处理器107从RAM存储器调取所存储的第二路超声波检测信号采样数据,对这些数据执行超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警;时钟电路用于产生供DSP运算处理器和RAM存储器信号同步的时钟脉冲;放电报警电路在DSP运算处理器的局部放电存在判定结果为存在局部放电时即发出报警;显示屏用于显示DSP运算处理器经过超声波信号图谱的特征提取与识别运算所生成的超声波信号图谱及相应的识别结果,以供操作人员详细了解分析所存在的局部放电状况;通信电路通过有线或者无线通讯线路与远程监测端展开通信,从而远程上传本设备生成的超声波信号图谱及相应的识别结果。
优选的是,DSP运算处理器将第一路超声波检测信号与一个预设定的局部放电判定阈值进行比较,判断第一路超声波检测信号是否大于该阈值;DSP运算处理器设置一个检测时间窗口;如果在一个检测时间窗口的时长内,第一路超声波检测信号大于局部放电判定阈值的次数超过预定的数值,则判定存在局部放电。
优选的是,DSP运算处理器在确定存在局部放电的情况下,对第二路超声波检测信号的采样数据执行超声波信号图谱的特征提取与识别运算,具体包括:S1,图谱生成步骤;S2,图谱特征量提取步骤;S3,图谱特征量最大可分性精简步骤;S4、局部放电模式分类步骤;S5、局部放电严重程度评估步骤。
优选的是,图谱生成步骤S1当中,通过持续性采集的第二路超声波检测信号,可以获得一定时间长度内的N次局部放电所记录下来的检测信号,并且通过检测信号针对其中的每次局部放电获得以下基本参数:视在放电量qi;放电脉冲所处的工频电压相位基于为历次放电记录的以上类型的基本参数,生成二维统计图谱,或者同时生成二维和三维统计图谱;二维统计图谱包括:相位-放电量图谱和相位-放电次数图谱;三维统计图谱为相位-放电量-放电次数图谱。
优选的是,图谱特征量提取步骤S2中,针对所得的二维统计图谱,或者二维和三维统计图谱,从中提取的多种类型的图谱特征量;二维统计图谱的图谱特征量包括以下特征量:均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数;三维统计图谱的图谱特征量包括盒密实率。
优选的是,图谱特征量最大可分性精简步骤S3中,将从二维统计图谱或者二维和三维统计图谱当中提取的多个类型的特征量表示为一个特征量序列:将该特征量序列作为一个N维特征向量VN;从N维特征向量VN当中选取其中一部分类型的特征量,形成精简后的M维特征向量VM,其中M<N。
优选的是,针对每一种精简方式下的M维特征向量,计算可分性指标D:比较不同精简方式下的每种M维特征向量的D值,选取D值最大的精简方式;根据该方式对当前待识别的二维统计图谱或者二维和三维统计图谱所获得的N维特征向量VN进行精简,获得当前待识别图谱的M维特征向量。
优选的是,局部放电模式分类步骤S4中,采用SVM分类向量机,首先将包含全部待识别放电类型的局部放电样本的M维特征向量输入分类向量机予以训练;在训练之后,再将当前待识别的图谱所获得的精简后的M维特征向量输入该SVM分类向量机予以分类,从而根据分类结果判断当前图谱所代表的局部放电类型。
优选的是,局部放电严重程度评估步骤S5中,确定了当前待评估的图谱的局部放电类型之后,调取该类型局部放电对应的指标参数,与从当前待评估的图谱中所提取的指标参数相比对,进而判断局部放电严重程度。
本发明提供了一种面向配电网局部放电现象执行的超声波带电检测方法,其特征在于,具体包括:S0,局部放电判定步骤;S1,图谱生成步骤;S2,图谱特征量提取步骤;S3,图谱特征量最大可分性精简步骤;S4、局部放电模式分类步骤;S5、局部放电严重程度评估步骤。
局部放电判定步骤S0中,将超声波检测信号与一个预设定的局部放电判定阈值进行比较,判断超声波检测信号是否大于该阈值;设置一个检测时间窗口;如果在一个检测时间窗口的时长内,超声波检测信号大于局部放电判定阈值的次数超过预定的数值,则判定存在局部放电;
图谱生成步骤S1中,通过持续性采集的超声波检测信号,可以获得一定时间长度内的N次局部放电所记录下来的检测信号,并且通过检测信号针对其中的每次局部放电获得以下基本参数:视在放电量qi;放电脉冲所处的工频电压相位基于为历次放电记录的以上类型的基本参数,生成二维统计图谱,或者同时生成二维和三维统计图谱;二维统计图谱包括:相位-放电量图谱和相位-放电次数图谱;三维统计图谱为相位-放电量-放电次数图谱;
图谱特征量提取步骤S2中,针对所得的二维统计图谱,或者二维和三维统计图谱,从中提取的多种类型的图谱特征量;二维统计图谱的图谱特征量包括以下特征量:均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数;三维统计图谱的图谱特征量包括盒密实率;
图谱特征量最大可分性精简步骤S3中,将从二维统计图谱或者二维和三维统计图谱当中提取的多个类型的特征量表示为一个特征量序列:将该特征量序列作为一个N维特征向量VN;从N维特征向量VN当中选取其中一部分类型的特征量,形成精简后的M维特征向量VM,其中M<N;其中,针对每一种精简方式下的M维特征向量,计算可分性指标D:比较不同精简方式下的每种M维特征向量的D值,选取D值最大的精简方式;根据该方式对当前待识别的二维统计图谱或者二维和三维统计图谱所获得的N维特征向量VN进行精简,获得当前待识别图谱的M维特征向量;
局部放电模式分类步骤S4中,采用SVM分类向量机,首先将包含全部待识别放电类型的局部放电样本的M维特征向量输入分类向量机予以训练;在训练之后,再将当前待识别的图谱所获得的精简后的M维特征向量输入该SVM分类向量机予以分类,从而根据分类结果判断当前图谱所代表的局部放电类型;
局部放电严重程度评估步骤S5中,确定了当前待评估的图谱的局部放电类型之后,调取该类型局部放电对应的指标参数,与从当前待评估的图谱中所提取的指标参数相比对,进而判断局部放电严重程度。
本发明的有益效果是,上述基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具及其方法,通过放电报警电路提醒现场配网运行人员当前设备存在局部放电,再利用完整的基于二维或者三维统计图谱的分析方法,快速判断局部放电类型和严重程度,并通过通信电路发出提醒到远程端,现场配网运行人员收到提醒后,根据即可得知当前局部放电的放电类型和严重程度,进而现场配网运行人员可以根据现场的实际局部放电情况科学地制定解决方案。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明基于超声波信号图谱识别实现局部放电检测的数字式带电检测工具的硬件连接示意图。
图2为本发明所述超声波信号图谱的特征提取与识别运算流程示意图;
图3A为本发明生成的相位-放电量图谱示意图;
图3B为本发明生成的相位-放电次数图谱示意图;
图3C为本发明生成的相位-放电量-放电次数图谱示意图。
具体实施方式
如图1所示,本发明所述配电网终端设备的数字式带电检测工具,基于超声波信号图谱识别实现局部放电检测。从硬件层面来看,该工具包括以下部件:超声波传感器101、光纤宽带信号通道102、信号调理电路103、第一A/D转换器104、第二A/D转换器105、RAM存储器106、DSP运算处理器107、时钟电路108、放电报警电路109、显示屏110和通信电路111。
超声波传感器101是一种压电传感器,将超声波传导的机械能转换为电信号;超声波传感器101可感应的超声波频率范围50KHz-400KHz,覆盖了局部放电所生成超声波的分布频率范围。并且,为了防止传输过程中微弱电信号受到电磁干扰,超声波传感器101耦合到光纤宽带信号通道102。光纤宽带信号通道102具体包括:与超声波传感器101相耦接的电光耦合器件、传输光纤以及与信号调理电路103相耦接的光电耦合器件。其中,通过电光耦合器件将感应获得的电信号进一步转换为光信号,再通过传输光纤以小衰减和失真将光信号传输给光电耦合器件,光电耦合器件将光信号还原为电信号,输送给信号调理电路103。为了保证传输性能,传输光纤采用单模石英光纤且长度一般不超过5米。信号调理电路103包括依次包括信号滤波器和信号放大器两个部分。信号滤波器的作用是滤除超声波传感和信号传输过程中可能引入的噪声,采用通带范围频率范围50KHz-400KHz的宽通带带通滤波器;信号放大器采用集成运算放大器,放大增益80-100dB,对带通滤波以后的信号执行放大。经信号调理电路103处理之后的信号分两路输出,第一路超声波检测信号进入执行低速信号采样的第一A/D转换器104,进行采样和模数转换后,送给DSP运算处理器107。DSP运算处理器107对第一路超声波检测信号的采样数据执行局部放电存在判定;若经判定不存在局部放电,则DSP运算处理器107不进行任何后续处理和操作。若经对第一路超声波检测信号的判定,存在局部放电,则DSP运算处理器107启动第二A/D转换器105和RAM存储器106。第二A/D转换器105对信号调理电路103输出的第二路超声波检测信号执行高速采样和模数转换,将所产生的采样数据保存至RAM存储器106;再由DSP运算处理器107从RAM存储器106调取所存储的第二路超声波检测信号采样数据,对这些数据执行本发明提供的超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警。时钟电路108用于产生供DSP运算处理器107和RAM存储器106信号同步的时钟脉冲。放电报警电路109在DSP运算处理器107的局部放电存在判定结果为存在局部放电时即发出报警,给予操作人员提示,例如放电报警电路109包括指示灯和蜂鸣器,所述指示灯具备通电闪烁功能。显示屏110用于显示DSP运算处理器107经过超声波信号图谱的特征提取与识别运算所生成的超声波信号图谱及相应的识别结果,以供操作人员详细了解分析所存在的局部放电状况。通信电路111通过有线或者无线通讯线路与远程监测端展开通信,从而远程上传本设备生成的超声波信号图谱及相应的识别结果。
对于DSP运算处理器107所执行的局部放电存在判定,具体来说:DSP运算处理器107将第一路超声波检测信号与一个预设定的局部放电判定阈值进行比较,判断第一路超声波检测信号是否大于该阈值;DSP运算处理器107设置一个检测时间窗口;如果在一个检测时间窗口的时长内,第一路超声波检测信号大于局部放电判定阈值的次数超过预定的数值,则判定存在局部放电。举例来说,在第一次采集到大于局部放电判定阈值的第一路超声波检测信号的时刻,即触发DSP运算处理器107启动计时,并且对第一路超声波检测信号大于局部放电判定阈值的次数进行计次,如果当计时到达检测时间窗口的时长时,第一路超声波检测信号大于局部放电判定阈值的次数超过了预定的数值,则判定存在局部放电;相反,如果计时到达检测时间窗口的时长时,第一路超声波检测信号大于局部放电判定阈值的次数未超过预定的数值;则将检测时间窗口向后平移一个时间段,然后重新统计新的检测时间窗口内第一路超声波检测信号大于局部放电判定阈值的次数。
如上文所述,如果经局部放电存在判定,确定存在局部放电,则DSP运算处理器107取得第二路超声波检测信号的采样数据,对这些数据执行本发明提供的超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警。下面具体介绍本发明执行的超声波信号图谱的特征提取与识别运算。
如图2所示,超声波信号图谱的特征提取与识别运算具体包括以下步骤:S1,图谱生成步骤;S2,图谱特征量提取步骤;S3,图谱特征量最大可分性精简步骤;S4、局部放电模式分类步骤;S5、局部放电严重程度评估步骤。
图谱生成步骤S1当中,通过持续性采集的第二路超声波检测信号,可以获得一定时间长度内的N次局部放电所记录下来的检测信号,并且通过检测信号针对其中的每次局部放电获得以下基本参数:第i次放电的视在放电量qi;第i次放电脉冲所处的工频电压相位基于为历次放电记录的以上类型的基本参数,将所采集的原始超声波检测信号转变为二维统计图谱,或者同时转变为二维和三维统计图谱。具体来说,二维统计图谱包括:相位-放电量图谱和相位-放电次数图谱;三维统计图谱为相位-放电量-放电次数图谱。
如图3A所示,相位-放电量图谱表示随着相位分布的平均放电量,以相位为横轴,以每个相位窗口之内的平均放电量作为纵轴。针对N次局部放电所记录下来的数据,将一个工频周期分为20个以上的相位窗口,根据每次放电记录下来的属于哪个相位窗口,统计每个相位窗口内的放电次数n和每次放电的视在放电量qi,则第j个相位窗口内的平均放电量可以根据属于该相位窗口的各次放电的视在放电量qi之和与该相位窗口内放电次数nj计算:
进而,以表示其中第j个相位窗口的相位,表示第j个相位窗口内的平均放电量,根据的数值就可以对应于以相位为横轴、以放电量为纵轴的图谱上的一个点,从而遍历所有相位窗口的 而作出图3A的相位-放电量图谱。
如图3B所示,相位-放电次数图谱以相位为横轴,以放电次数为纵轴。针对N次局部放电所记录下来的数据,将一个工频周期分为20个以上的相位窗口,根据每次放电记录下来的属于哪个相位窗口,统计每个相位窗口内的放电次数,以表示其中第j个相位窗口的相位,nj表示所统计的在该相位窗口内的放电次数,则根据nj、的数值就可以对应于以相位为横轴、以放电次数为纵轴的图谱上的一个点,从而遍历所有相位窗口的nj、而作出图3B的相位-放电次数图谱。
三维统计图谱为相位-放电量-放电次数图谱,以相位为X轴,以视在放电量q为Y轴,将一个工频周期分为20个以上的相位窗口,并且将视在放电量的分布范围也划分为若干个放电值区间,例如20个,从而相当于将X-Y平面划分为了20乘20的小格,针对N次局部放电所记录下来的数据,根据每次放电记录下来的属于哪个相位窗口和每次放电记录下来的视在放电量qi属于哪个放电值区间,确定该放电记录归入哪一个小格,从而统计X-Y平面每个小格内的放电次数;以表示其中第j个相位窗口的相位,以qk表示第k个放电值区间,nj-k表示所统计的第j个相位窗口和第k个放电值区间形成的小格里面的放电次数,则根据qk,nj-k的数值就可以对应于以相位为X轴、以放电量为Y轴,以放电次数为Z轴的图谱上的一个点,从而遍历所有相位窗口和放电值区间而作出图3C的相位-放电量-放电次数三维图谱。
S2,图谱特征量提取步骤,针对步骤S1中所得的二维统计图谱,或者二维和三维统计图谱,从中提取的多种类型的图谱特征量。
二维统计图谱的图谱特征量包括以下特征量:均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数。
均值μ和方差σ的计算方法为:
其中,
式中,W表示的是相位-放电量图谱或者相位-放电率图谱当中划分的相位窗口的总数;表示的是其中第j个相位窗口的相位,yj表示的是相位-放电量图谱或者相位-放电次数图谱当中与相应纵轴取值,即平均放电量或者放电次数nj。
偏斜度特征量S指的是二维统计图谱相对于正态分布形状的偏斜程度;偏斜度特征量S可用如下公式计算:
其中,表示每个相位窗口的宽度。
陡峭度特征量K描述的是二维统计图谱对比于正态分布形状的突起程度。其定义为:
由于局部放电都是不对称放电,因此正负半周的放电情况则会有明显的差异。互相关系数cc反映的是二维统计图谱在正、负半周图谱的形状相似度,其计算公式为:
式中,表示的是相位-放电量图谱正半周内在第j个相位窗口内的平均放电量,表示的是相位-放电量图谱负半周内在第j个相位窗口内的平均放电量。互相关系数cc等于0和1分别意味着相位-放电量图谱正负半周的轮廓差异巨大和十分相似。
放电量因数特征量Q指的是相位-放电量图谱正负半周平均放电量之比,反映的是正负半周平均放电量的差异,计算公式为:
式中(nj)-是在相位-放电量图谱负半周内在第j个相位窗口内的放电次数,(nj)+是在相位-放电量图谱正半周内在第j个相位窗口内的放电次数。
三维统计图谱的图谱特征量包括盒密实率,例如,将X、Y、Z轴分别均分M份,从而将三维坐标空间划分为M×M×M个立方体盒子,测算哪些立方体盒子内具有三维统计图谱像素点,将具有三维统计图谱像素点的盒子数与总盒子数的比率作为盒密实率;盒密实率反映了三维统计图谱分布的紧密性。
S3,图谱特征量最大可分性精简步骤:如步骤S2所述,针对所获得的二维统计图谱或者二维+三维统计图谱,提取了多个类型的一系列特征量,将每种类型的特征量表征为Ci,则可以将统计图谱的各个类型的特征量表示为一个特征量序列:<C1,C2...Ci...CN>;例如,可以将生成的二维统计图谱的均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数特征量表示为序列<μ,σ,S,K,cc,Q>,对于同时生成二维和三维统计图谱的情况,也可以将三维统计图谱的特征量盒密实率加入上述特征量序列。也可以将该特征量序列理解为是一个N维特征向量VN。但是,过高的维度并不有利于对基于特征量对超声波信号图谱进行分类识别,因此,希望在本步骤中从多维向量<C1,C2...Ci...CN>当中选取其中一部分类型的特征量,形成精简后的特征量序列<C1,C2...Ci...CM>,或者称为精简后的M维特征向量VM,其中M<N。
当然,希望精简后的特征向量VM相比于其它精简形式的特征向量,对于分入不同类型的超声波信号图谱(不同类型的超声波信号图谱即反映了不同类型的局部放电模式)保持区分能力的最大化,也即最大可分性。
具体来说,可以预先采集具有足够次数的局部放电样本的超声波信号,针对每个局部放电样本,确定其放电类型属于尖刺放电、金属颗粒放电、悬浮放电、绝缘体表面放电当中的哪一种,统计每种放电类型的先验概率:
Ptype=atype/A
其中Ptype表示其中一个放电类型的概率,A表示局部放电样本总个数,atype表示该放电类型在样本中的数量。
进而,针对这些局部放电样本得来N维特征向量,再通过精简掉不同的维度,获得任何一种M维的特征向量,针对每一种精简方式下的M维特征向量,计算可分性指标:
其中D是可分性指标,V是M维特征向量的平均向量,Vtype是一个放电类型下的M维特征向量的平均向量。
比较不同精简方式下的每种M维特征向量的D值,选取D值最大的精简方式。根据该方式对当前待识别的图谱所获得的N维特征向量VN进行精简,获得当前待识别图谱的M维特征向量。
S4、局部放电模式分类步骤,本步骤中,采用SVM分类向量机,首先将步骤S3中采集的包含四种放电类型的局部放电样本的M维特征向量输入分类向量机予以训练;在训练之后,再将当前待识别的图谱所获得的精简后的M维特征向量输入该SVM分类向量机予以分类,从而根据分类结果判断当前图谱所代表的局部放电类型是尖刺放电、金属颗粒放电、悬浮放电、绝缘体表面放电当中的一种。
S5、局部放电严重程度评估步骤,根据S4中所得的识别结果,确定当前待评估的图谱的局部放电类型,调取本类型局部放电对应的指标参数,与从当前待评估的局部放电图谱中所提取的指标参数相比对,进而判断局部放电严重程度。例如,针对尖刺放电的局部放电,设定的指标参数为一个工频周期内的放电次数,设定为严重放电、中度放电和轻微放电三个阈值,则根据统计图谱确定当前待评估局部放电的放电次数,根据其属于哪个阈值,从而识别其放电的严重程度。
可见,本发明所提供的基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具及其方法,能够快速对被测对象和区域中是否存在局部放电现象进行检测,而且可以生成统计图谱,并且基于对图谱特征的提取、精简和分类,能够对局部放电的类型和严重程度进行快速判定和提示报警,为现场配网运行人员科学地制定解决方案提供了科学量化的依据。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于超声波信号图谱识别运算的配网设备局部放电数字式带电检测工具,其特征在于,包括:超声波传感器、光纤宽带信号通道、信号调理电路、第一A/D转换器、第二A/D转换器、RAM存储器、DSP运算处理器、时钟电路、放电报警电路、显示屏和通信电路;
其中,所述超声波传感器为压电传感器,将由局部放电发出的超声波传导的机械能转换为电信号;所述超声波传感器耦合到所述光纤宽带信号通道;所述光纤宽带信号通道包括:与超声波传感器相耦接的电光耦合器件、传输光纤以及与信号调理电路相耦接的光电耦合器件;电光耦合器件将感应获得的电信号进一步转换为光信号;传输光纤将光信号传输给光电耦合器件;光电耦合器件将光信号还原为电信号,输送给信号调理电路;信号调理电路依次包括信号滤波器和信号放大器;信号滤波器用于滤除超声波传感和信号传输过程中可能引入的噪声;信号放大器采用集成运算放大器,对带通滤波以后的信号执行放大;信号调理电路将处理之后的信号分两路输出;第一路超声波检测信号进入第一A/D转换器,进行采样和模数转换后,送给DSP运算处理器;第二路超声波检测信号进入第二A/D转换器和RAM存储器;第二A/D转换器对信号调理电路输出的第二路超声波检测信号执行高速采样和模数转换,将所产生的采样数据保存至RAM存储器,再由DSP运算处理器调取;所述DSP运算处理器对第一路超声波检测信号的采样数据执行局部放电存在判定;若经判定不存在局部放电,则DSP运算处理器不进行任何后续处理和操作。若经对第一路超声波检测信号的判定,存在局部放电,则DSP运算处理器启动第二A/D转换器和RAM存储器;DSP运算处理器107从RAM存储器调取所存储的第二路超声波检测信号采样数据,对这些数据执行超声波信号图谱的特征提取与识别运算,对局部放电的类型和严重程度进行快速判定和提示报警;时钟电路用于产生供DSP运算处理器和RAM存储器信号同步的时钟脉冲;放电报警电路在DSP运算处理器的局部放电存在判定结果为存在局部放电时即发出报警;显示屏用于显示DSP运算处理器经过超声波信号图谱的特征提取与识别运算所生成的超声波信号图谱及相应的识别结果,以供操作人员详细了解分析所存在的局部放电状况;通信电路通过有线或者无线通讯线路与远程监测端展开通信,从而远程上传本设备生成的超声波信号图谱及相应的识别结果。
2.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,DSP运算处理器将第一路超声波检测信号与一个预设定的局部放电判定阈值进行比较,判断第一路超声波检测信号是否大于该阈值;DSP运算处理器设置一个检测时间窗口;如果在一个检测时间窗口的时长内,第一路超声波检测信号大于局部放电判定阈值的次数超过预定的数值,则判定存在局部放电。
3.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,DSP运算处理器在确定存在局部放电的情况下,对第二路超声波检测信号的采样数据执行超声波信号图谱的特征提取与识别运算,具体包括:S1,图谱生成步骤;S2,图谱特征量提取步骤;S3,图谱特征量最大可分性精简步骤;S4、局部放电模式分类步骤;S5、局部放电严重程度评估步骤。
4.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,图谱生成步骤S1当中,通过持续性采集的第二路超声波检测信号,可以获得一定时间长度内的N次局部放电所记录下来的检测信号,并且通过检测信号针对其中的每次局部放电获得以下基本参数:视在放电量qi;放电脉冲所处的工频电压相位基于为历次放电记录的以上类型的基本参数,生成二维统计图谱,或者同时生成二维和三维统计图谱;二维统计图谱包括:相位-放电量图谱和相位-放电次数图谱;三维统计图谱为相位-放电量-放电次数图谱。
5.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,图谱特征量提取步骤S2中,针对所得的二维统计图谱,或者二维和三维统计图谱,从中提取的多种类型的图谱特征量;二维统计图谱的图谱特征量包括以下特征量:均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数;三维统计图谱的图谱特征量包括盒密实率。
6.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,图谱特征量最大可分性精简步骤S3中,将从二维统计图谱或者二维和三维统计图谱当中提取的多个类型的特征量表示为一个特征量序列:将该特征量序列作为一个N维特征向量VN;从N维特征向量VN当中选取其中一部分类型的特征量,形成精简后的M维特征向量VM,其中M<N。
7.根据权利要求6所述的配网设备局部放电数字式带电检测工具,其特征在于,针对每一种精简方式下的M维特征向量,计算可分性指标D:比较不同精简方式下的每种M维特征向量的D值,选取D值最大的精简方式;根据该方式对当前待识别的二维统计图谱或者二维和三维统计图谱所获得的N维特征向量VN进行精简,获得当前待识别图谱的M维特征向量。
8.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,局部放电模式分类步骤S4中,采用SVM分类向量机,首先将包含全部待识别放电类型的局部放电样本的M维特征向量输入分类向量机予以训练;在训练之后,再将当前待识别的图谱所获得的精简后的M维特征向量输入该SVM分类向量机予以分类,从而根据分类结果判断当前图谱所代表的局部放电类型。
9.根据权利要求1所述的配网设备局部放电数字式带电检测工具,其特征在于,局部放电严重程度评估步骤S5中,确定了当前待评估的图谱的局部放电类型之后,调取该类型局部放电对应的指标参数,与从当前待评估的图谱中所提取的指标参数相比对,进而判断局部放电严重程度。
10.一种面向配电网局部放电现象执行的超声波带电检测方法,其特征在于,具体包括:S0,局部放电判定步骤;S1,图谱生成步骤;S2,图谱特征量提取步骤;S3,图谱特征量最大可分性精简步骤;S4、局部放电模式分类步骤;S5、局部放电严重程度评估步骤。
局部放电判定步骤S0中,将超声波检测信号与一个预设定的局部放电判定阈值进行比较,判断超声波检测信号是否大于该阈值;设置一个检测时间窗口;如果在一个检测时间窗口的时长内,超声波检测信号大于局部放电判定阈值的次数超过预定的数值,则判定存在局部放电;
图谱生成步骤S1中,通过持续性采集的超声波检测信号,可以获得一定时间长度内的N次局部放电所记录下来的检测信号,并且通过检测信号针对其中的每次局部放电获得以下基本参数:视在放电量qi;放电脉冲所处的工频电压相位基于为历次放电记录的以上类型的基本参数,生成二维统计图谱,或者同时生成二维和三维统计图谱;二维统计图谱包括:相位-放电量图谱和相位-放电次数图谱;三维统计图谱为相位-放电量-放电次数图谱;
图谱特征量提取步骤S2中,针对所得的二维统计图谱,或者二维和三维统计图谱,从中提取的多种类型的图谱特征量;二维统计图谱的图谱特征量包括以下特征量:均值、方差、偏斜度特征量、陡峭度特征量、互相关系数、放电量因数;三维统计图谱的图谱特征量包括盒密实率;
图谱特征量最大可分性精简步骤S3中,将从二维统计图谱或者二维和三维统计图谱当中提取的多个类型的特征量表示为一个特征量序列:将该特征量序列作为一个N维特征向量VN;从N维特征向量VN当中选取其中一部分类型的特征量,形成精简后的M维特征向量VM,其中M<N;其中,针对每一种精简方式下的M维特征向量,计算可分性指标D:比较不同精简方式下的每种M维特征向量的D值,选取D值最大的精简方式;根据该方式对当前待识别的二维统计图谱或者二维和三维统计图谱所获得的N维特征向量VN进行精简,获得当前待识别图谱的M维特征向量;
局部放电模式分类步骤S4中,采用SVM分类向量机,首先将包含全部待识别放电类型的局部放电样本的M维特征向量输入分类向量机予以训练;在训练之后,再将当前待识别的图谱所获得的精简后的M维特征向量输入该SVM分类向量机予以分类,从而根据分类结果判断当前图谱所代表的局部放电类型;
局部放电严重程度评估步骤S5中,确定了当前待评估的图谱的局部放电类型之后,调取该类型局部放电对应的指标参数,与从当前待评估的图谱中所提取的指标参数相比对,进而判断局部放电严重程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710470700.0A CN107422232A (zh) | 2017-06-20 | 2017-06-20 | 一种配电网终端设备的数字式带电检测工具 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710470700.0A CN107422232A (zh) | 2017-06-20 | 2017-06-20 | 一种配电网终端设备的数字式带电检测工具 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107422232A true CN107422232A (zh) | 2017-12-01 |
Family
ID=60426159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710470700.0A Pending CN107422232A (zh) | 2017-06-20 | 2017-06-20 | 一种配电网终端设备的数字式带电检测工具 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107422232A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037411A (zh) * | 2017-12-04 | 2018-05-15 | 国网江苏省电力有限公司检修分公司 | 一种输电线路隐患放电预警方法 |
CN112051493A (zh) * | 2020-09-17 | 2020-12-08 | 海南电网有限责任公司琼海供电局 | 一种配电网设备的隐患类型识别方法及装置 |
CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及系统 |
CN113253069A (zh) * | 2021-05-19 | 2021-08-13 | 云南电网有限责任公司电力科学研究院 | 一种基于多光谱强度的局部放电危险度评估方法 |
CN113406453A (zh) * | 2021-06-30 | 2021-09-17 | 平顶山学院 | 一种基于mcu的prpd/prps图谱数据处理方法及检测装置 |
CN114280433A (zh) * | 2021-12-02 | 2022-04-05 | 西南交通大学 | 一种基于放大电路的变压器套管局部放电风险评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261297A (zh) * | 2008-04-17 | 2008-09-10 | 沈阳工业大学 | 电力变压器绕组参数在线实时辨识装置及方法 |
CN101702001A (zh) * | 2009-12-07 | 2010-05-05 | 华北电力大学 | 气体绝缘组合电器设备的放电严重程度评估方法及装置 |
CN103954890A (zh) * | 2014-04-10 | 2014-07-30 | 国家电网公司 | 换流变压器直流局部放电检测装置及方法 |
CN104169730A (zh) * | 2012-03-14 | 2014-11-26 | 东芝三菱电机产业系统株式会社 | 利用重复冲击电压的局部放电测量系统以及局部放电测量方法 |
CN105717425A (zh) * | 2016-02-01 | 2016-06-29 | 国家电网公司 | 一种1000kVGIS超声波在线检测系统 |
CN205427127U (zh) * | 2016-04-05 | 2016-08-03 | 成都恒锐智科数字技术有限公司 | 一种gis局部放电耐压定位智能传感器 |
-
2017
- 2017-06-20 CN CN201710470700.0A patent/CN107422232A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101261297A (zh) * | 2008-04-17 | 2008-09-10 | 沈阳工业大学 | 电力变压器绕组参数在线实时辨识装置及方法 |
CN101702001A (zh) * | 2009-12-07 | 2010-05-05 | 华北电力大学 | 气体绝缘组合电器设备的放电严重程度评估方法及装置 |
CN104169730A (zh) * | 2012-03-14 | 2014-11-26 | 东芝三菱电机产业系统株式会社 | 利用重复冲击电压的局部放电测量系统以及局部放电测量方法 |
CN103954890A (zh) * | 2014-04-10 | 2014-07-30 | 国家电网公司 | 换流变压器直流局部放电检测装置及方法 |
CN105717425A (zh) * | 2016-02-01 | 2016-06-29 | 国家电网公司 | 一种1000kVGIS超声波在线检测系统 |
CN205427127U (zh) * | 2016-04-05 | 2016-08-03 | 成都恒锐智科数字技术有限公司 | 一种gis局部放电耐压定位智能传感器 |
Non-Patent Citations (2)
Title |
---|
张德宁: ""基于超声波的局部放电检测仪的研制"", 《中国优秀硕士学位论文全文数据库》 * |
王家炜: "" 基于模糊ART神经网络的变压器局部放电模式识别研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037411A (zh) * | 2017-12-04 | 2018-05-15 | 国网江苏省电力有限公司检修分公司 | 一种输电线路隐患放电预警方法 |
CN112051493A (zh) * | 2020-09-17 | 2020-12-08 | 海南电网有限责任公司琼海供电局 | 一种配电网设备的隐患类型识别方法及装置 |
CN112731086A (zh) * | 2021-01-19 | 2021-04-30 | 国网上海能源互联网研究院有限公司 | 一种用于对电力设备进行综合巡检的方法及系统 |
CN113253069A (zh) * | 2021-05-19 | 2021-08-13 | 云南电网有限责任公司电力科学研究院 | 一种基于多光谱强度的局部放电危险度评估方法 |
CN113406453A (zh) * | 2021-06-30 | 2021-09-17 | 平顶山学院 | 一种基于mcu的prpd/prps图谱数据处理方法及检测装置 |
CN114280433A (zh) * | 2021-12-02 | 2022-04-05 | 西南交通大学 | 一种基于放大电路的变压器套管局部放电风险评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107422232A (zh) | 一种配电网终端设备的数字式带电检测工具 | |
CN110275094B (zh) | 一种高压电缆局部放电声光联合检测方法及系统 | |
KR101574615B1 (ko) | 통계적 위상패턴 기반의 신호검출 방법을 이용한 전력설비 부분 방전 감시진단 시스템 | |
CN104749468B (zh) | 一种gis故障诊断系统及其方法 | |
CN103077402B (zh) | 基于奇异值分解算法的变压器局部放电模式识别方法 | |
CN106646096A (zh) | 基于振动分析法的变压器故障分类和识别方法 | |
CN206114822U (zh) | 一种电力变压器绕组形变状态多信息检测装置 | |
CN107257351A (zh) | 一种基于灰色lof流量异常检测系统及其检测方法 | |
CN207300606U (zh) | 基于声学原理的变压器信息采集装置 | |
CN112485747A (zh) | 一种电容式电压互感器误差状态评估方法 | |
CN104176092B (zh) | 一种道岔钢轨伤损监测方法及装置 | |
CN108693448B (zh) | 一种应用于电力设备局部放电模式识别系统 | |
CN106896306A (zh) | 一种gis振荡冲击耐压试验用信号去噪方法 | |
Sharkawy et al. | SVM classification of contaminating particles in liquid dielectrics using higher order statistics of electrical and acoustic PD measurements | |
CN110347717A (zh) | 一种基于城市电力设备监测的大数据存储方法 | |
CN103312703B (zh) | 基于模式识别的网络入侵检测方法及系统 | |
CN110632484A (zh) | 一种基于elm的gis局部放电缺陷诊断分类系统及方法 | |
CN109443190A (zh) | 基于暂态行波的变压器绕组变形在线监测方法及装置 | |
CN103558532A (zh) | 高压交联聚乙烯电力电缆局部放电在线检测系统 | |
CN114236327A (zh) | 一种复合绝缘子芯棒酥朽缺陷的检测装置及其检测方法 | |
CN112668527A (zh) | 一种超声导波半监督成像检测方法 | |
CN112986870A (zh) | 基于振动法的分布式电力变压器绕组状态监测方法及系统 | |
CN115993511A (zh) | 一种局部放电类型高精度检测识别装置、方法和设备 | |
CN106644299B (zh) | 一种飞艇气囊气密性在线监测系统及方法 | |
Das et al. | Cross spectrum aided surface condition assessment of metal oxide surge arrester employing convolutional neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |
|
RJ01 | Rejection of invention patent application after publication |