CN107422233A - 一种局部放电时延计算误差补偿方法及局部放电定位系统 - Google Patents

一种局部放电时延计算误差补偿方法及局部放电定位系统 Download PDF

Info

Publication number
CN107422233A
CN107422233A CN201710476853.6A CN201710476853A CN107422233A CN 107422233 A CN107422233 A CN 107422233A CN 201710476853 A CN201710476853 A CN 201710476853A CN 107422233 A CN107422233 A CN 107422233A
Authority
CN
China
Prior art keywords
time delay
delay value
shelf depreciation
sample
time
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
Application number
CN201710476853.6A
Other languages
English (en)
Inventor
毕凯
赵晓楠
张启红
肖驰
姚晓林
刘震
滕国军
于杰
李利剑
徐琪
陈敬德
罗林根
盛戈皞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
State Grid Corp of China SGCC
Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
State Grid Corp of China SGCC
Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, State Grid Corp of China SGCC, Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN201710476853.6A priority Critical patent/CN107422233A/zh
Publication of CN107422233A publication Critical patent/CN107422233A/zh
Pending legal-status Critical Current

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
    • G01R31/1227—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 of components, parts or materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本发明公开了一种局部放电时延计算误差补偿方法，其包括步骤：(1)采集放电源位置已知的若干样本局部放电信号，计算样本时延值；(2)计算若干样本局部放电信号的理论时延值；(3)以样本时延值为样本输入，以理论时延值为期望输出训练神经网络；(4)采集放电源位置待定的局部放电信号，计算初步时延值；(5)将初步时延值输入神经网络，神经网络补偿初步时延值的误差，输出最终时延值。本发明方法能补偿局部放电时延的计算误差，提高时延值准确度。此外，本发明还公开了一种局部放电定位系统，其基于时延值确定局部放电信号的放电源位置，其采用上述方法对初步时延值的误差进行补偿。本发明系统能提高局部放电定位系统的定位准确度。

Description

一种局部放电时延计算误差补偿方法及局部放电定位系统
技术领域
本发明涉及电力设备监控领域，尤其涉及一种局部放电时延计算误差补偿方法及局部放电定位系统。
背景技术
局部放电是引起电力设备绝缘故障的主要原因之一。在电力设备投入运行后，绝缘劣化的存在往往会导致局部放电的发生，而局部放电反过来会加剧绝缘劣化的程度，甚至会导致绝缘击穿，形成恶性循环，进而导致重大事故的发生。对局部放电的放电源位置进行定位，可以及时地发现电力设备的故障位置，提高检修的效率，有效避免重大事故的发生，并且可以有效节约人力成本，因此局部放电的准确定位有重大意义。
基于特高频(UHF)信号的定位法具有抗干扰性强、灵敏度高、可远距离检测等优点，近年来已被国内外学者广泛研究。基于特高频信号的定位法是通过若干传感器分别采集放电源发出的特高频局部放电信号，基于时延算法计算各个传感器接收到的特高频局部放电信号之间的时延值，然后基于时延值确定放电源位置坐标，因此时延值的计算准确度将大大影响到局部放电的定位准确度。
传统的时延统计算法主要有阈值法、能量积累法和相关估计法等。为了在传统算法的基础上进一步提高定位准确度，一些改进型算法相继被提出，如双谱估计算法、高阶统计量法、插值相关法等，但是这些算法依旧受限于采样精度和现场干扰的影响，实际使用效果不佳，所得时延值准确度不高，从而导致局部放电定位的准确度也不高。
发明内容
本发明的目的之一是提供一种局部放电时延计算误差补偿方法，其能够补偿局部放电时延的计算误差，提高时延值准确度。
基于上述目的，本发明提供了一种局部放电时延计算误差补偿方法，其包括步骤：
(1)采集放电源位置已知的若干样本局部放电信号，基于时延算法计算相应的样本时延值；
(2)基于所述已知的放电源位置计算所述若干样本局部放电信号的理论时延值；
(3)以所述样本时延值为样本输入，以所述理论时延值为期望输出训练一个神经网络；
(4)采集放电源位置待定的局部放电信号，基于时延算法计算相应的初步时延值；
(5)将所述初步时延值输入所述神经网络，所述神经网络补偿所述初步时延值的误差，输出最终时延值。
本发明所述的局部放电时延计算误差补偿方法，其采用与现有技术中的对时延算法作进一步改进完全不同的构思，即利用神经网络学习并模拟局部放电信号的时延计算误差分布，构建时延误差补偿曲面，通过神经网络补偿初步时延值的误差，从而提高时延值准确度。
所述神经网络优选RBF(径向基)神经网络，其能够全局无限逼近非线性误差函数，并且网络结构简单，高度容错，训练快速易行，非常适合应用于数据误差修正。
本发明所述的局部放电时延计算误差补偿方法可以用于局部放电定位系统的时延值计算，从而提高局部放电定位系统的时延值准确度，进而提高局部放电定位系统的定位准确度。
进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述步骤(1)和步骤(4)中的时延算法为同一时延算法。
进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述时延算法包括阈值法、能量积累法、相关估计法、双谱估计算法、高阶统计量法以及插值相关法中的至少其中之一。
进一步地，本发明所述的局部放电时延计算误差补偿方法中，通过固定位于不同位置的若干传感器采集局部放电信号。
更进一步地，上述局部放电时延计算误差补偿方法中，所述若干传感器为特高频传感器。
更进一步地，上述局部放电时延计算误差补偿方法中，所述若干传感器的数量为四个。
更进一步地，上述局部放电时延计算误差补偿方法中，所述时延值为四维向量。
上述方案中，在四个传感器的两两组合中选择四种组合，该四种组合对应同一个放电源的四个时延值以四维向量的形式表述。
更进一步地，上述局部放电时延计算误差补偿方法中，所述神经网络包括RBF神经网络，其中RBF神经网络的输入节点个数为4，输出节点个数为4。
上述方案中，由于时延值为四维向量，因此RBF神经网络的输入节点和输出节点个数均为4。
进一步地，本发明所述的局部放电时延计算误差补偿方法中，所述神经网络包括RBF神经网络。
更进一步地，上述局部放电时延计算误差补偿方法中，所述RBF神经网络的基函数为高斯函数。
本发明的另一目的是提供一种局部放电定位系统，其能够提高局部放电定位准确度。
基于上述目的，本发明提供了一种局部放电定位系统，其基于时延值确定局部放电信号的放电源位置，其采用上述方法对初步时延值的误差进行补偿，所述系统包括相互连接的传感器和数据处理与分析单元，其中：
所述传感器采集放电源位置已知的若干样本局部放电信号，所述数据处理与分析单元基于时延算法计算相应的样本时延值；
所述数据处理与分析单元基于所述已知的放电源位置计算所述若干样本局部放电信号的理论时延值；
所述数据处理与分析单元以所述样本时延值为样本输入，以所述理论时延值为期望输出训练一个神经网络；
所述传感器采集放电源位置待定的局部放电信号，所述数据处理与分析单元基于时延算法计算相应的初步时延值；
所述数据处理与分析单元将所述初步时延值输入所述神经网络，所述神经网络补偿所述初步时延值的误差，输出最终时延值；
所述数据处理与分析单元基于所述最终时延值确定所述局部放电信号的放电源位置。
本发明所述的局部放电定位系统，由于其采用上述方法对初步时延值的误差进行补偿，因此可以提高局部放电定位系统的时延值准确度，进而提高局部放电定位系统的定位准确度。具体原理前已描述，在此不再赘述。
本发明所述的局部放电时延计算误差补偿方法，其具有以下优点和有益效果：
1)可以显著提高局部放电时延计算所得时延值的准确度和精确度。
2)可以用于局部放电定位系统的时延值计算，从而提高局部放电定位系统的时延值准确度，进而提高局部放电定位系统的定位准确度。
3)可应用于电力变电站设备绝缘维护及在线监测领域。
本发明所述的局部放电定位系统，其具有以下优点和有益效果：
1)可以显著提高局部放电定位的准确度和精确度。
2)硬件资源消耗较小。
3)可应用于电力变电站设备绝缘维护及在线监测领域。
4)可以及时地发现电力设备的故障位置，提高检修的效率，有效避免重大事故的发生，并且可以有效节约人力成本。
附图说明
图1为本发明所述的局部放电时延计算误差补偿方法在一种实施方式下的流程示意图。
图2为本发明所述的局部放电时延计算误差补偿方法在一种实施方式下的放电源位置标定示意图。
图3为本发明所述的局部放电时延计算误差补偿方法在一种实施方式下的RBF神经网络的基本结构图。
图4为本发明所述的局部放电定位系统在一种实施方式下的定位原理图。
图5为本发明验证实例中的传感器测量到的一组局部放电波形。
图6为本发明验证实例中的神经网络的训练过程误差和训练目标误差曲线图。
具体实施方式
下面结合说明书附图及实施例进一步说明本发明所述的技术方案。
图1示意了本发明所述的局部放电时延计算误差补偿方法在一种实施方式下的流程。
如图1所示，本实施方式的局部放电时延计算误差补偿方法包括步骤：
(1)采集放电源位置已知的若干样本局部放电信号，基于时延算法计算相应的样本时延值。
该步骤通常需要首先对放电源位置进行标定。
例如，如图2所示，为了训练径向距离r∈[0m,20m]、方向角θ∈[0°,360°]范围内放电源产生的局部放电信号的时延计算误差补偿神经网络，需要在放电源位置已知的标定点A处模拟放电，产生若干样本局部放电信号，从而可以计算相应的样本时延值。例如利用局放定位系统基于时延算法计算样本时延值[t21,t43,t41,t32]，其中t21为传感器S2和S1之间的样本时延值，t43为传感器S4和S3之间的样本时延值，t41为传感器S4和S1之间的样本时延值，t32为传感器S3和S2之间的样本时延值。
现假定误差值在不同方向角上的分布规律相同，取四个传感器S1、S2、S3以及S4的中心为坐标原点，传感器S1、S2中线方向为0度，在0度方向上用卷尺对测量点位置坐标进行标定。由于现有定位系统测量范围约为20米，取r＝2m、4m、6m、8m、12m、15m、18m作为标定点A的取值序列。现场可采用手持式静电枪在标定点A处进行放电，模拟局部放电的发生。
(2)基于已知的放电源位置计算若干样本局部放电信号的理论时延值。
由于电磁波在空气中以光速传播，根据四个传感器与局部放电的放电源的相对位置关系，即可计算出理论时延值。例如计算理论时延值[Δt21,Δt43,Δt41,Δt32]，其中Δt21为传感器S2和S1之间的理论时延值，Δt43为传感器S4和S3之间的理论时延值，Δt41为传感器S4和S1之间的理论时延值，Δt32为传感器S3和S2之间的理论时延值。
(3)以样本时延值为样本输入，以理论时延值为期望输出训练一个神经网络。
该步骤通常需要首先构造一个神经网络。
以RBF神经网络为例，其基本结构如图3所示，其中xn表示网络的输入节点，Φm表示隐藏层的基函数，yk表示网络的输出节点。xn中的n表示输入节点的维数，即n个输入节点；Φm中的m表示隐藏节点的维数，即m个隐藏节点；yk中的k表示输出节点的维数，即k个输出节点。
构造神经网络的基本步骤如下：
1.确定输入向量维数。
输入向量维数即为输入节点的个数。例如输入向量为传感器间的四个时延值时，输入向量选择四维向量X＝[x1,x2,x3,x4]，即n＝4。
2.确定隐藏层基函数。
对于RBF神经网络，其网络输出与输入的对应关系可表示为：
式中yi中的i表示变量，yi中的i可以取[1,k]中的值，yi中的i的最大值为上述k。
式中ωj为隐藏节点到输出节点的网络权值，Φj(x)为神经网络基函数，其可以选择为高斯函数，即
j＝1,2,…,m
式中x为输入向量；||·||为欧几里得范数，表示向量间的欧氏距离；exp[]表示以自然常数e为底的指数函数；cj和σj分别为基函数的中心与神经元高斯函数的宽度；m为隐藏层节点的数目。
3.网络权值ωj的选择。
ωj为隐藏节点到输出节点的网络权值，根据不断的迭代调整为最优值；设yi为网络实际输出值，pi为样本的期望输出，则神经网络的训练误差可表示为：
则ωj的值需要满足以下条件：
i＝1,2,...,k；j＝1,2,…,m
即通过调节权值使得神经网络的训练误差满足训练要求或达到最小值。
4.确定输出向量维数。
输出向量维数即为输出节点的个数，例如输出为四维的时延值，则输出向量选择为四维向量，即k＝4。
然后，以样本时延值为样本输入，以理论时延值为期望输出训练上述神经网络。例如将样本时延值[t21,t43,t41,t32]代入输入节点，即X＝[x1,x2,x3,x4]＝[t21,t43,t41,t32]，将上述理论时延值[Δt21,Δt43,Δt41,Δt32]代入pi作为样本的期望输出训练上述神经网络。
(4)采集放电源位置待定的局部放电信号，基于时延算法计算相应的初步时延值。
例如，通过局部放电定位系统基于时延算法计算得出初步时延值[t21’,t43’,t41’,t32’]，其中t21’为传感器S2和S1之间的初步时延值，t43’为传感器S4和S3之间的初步时延值，t41’为传感器S4和S1之间的初步时延值，t32’为传感器S3和S2之间的初步时延值。
(5)将初步时延值输入神经网络，神经网络补偿初步时延值的误差，输出最终时延值。
例如，将上述初步时延值[t21’,t43’,t41’,t32’]输入神经网络，即X＝[x1,x2,x3,x4]＝[t21’,t43’,t41’,t32’]；则神经网络的输出向量[Δt21’,Δt43’,Δt41’,Δt32’]为误差补偿后的最终时延值。
上述实施方式中，步骤(1)和步骤(4)中的时延算法通常为同一时延算法。其中，时延算法通常包括阈值法、能量积累法、相关估计法、双谱估计算法、高阶统计量法以及插值相关法中的至少其中之一。
上述实施方式中，通过固定位于不同位置的若干传感器采集局部放电信号。其中，若干传感器优选特高频传感器，其数量优选为四个，时延值优选为四维向量，神经网络优选RBF神经网络，其中RBF神经网络的输入节点个数为4，输出节点个数为4，RBF神经网络的基函数优选为高斯函数。
图4示意了本发明所述的局部放电定位系统在一种实施方式下的定位原理。
如图4所示，局部放电的放电源位置坐标为P(x,y,z)，四个传感器S1、S2、S3以及S4放置在同一水平面z＝0上，坐标分别为S1(d1,d2,0)、S2(-d1,d2,0)、S3(-d1,-d2,0)、S4(d1,-d2,0)。本发明方法主要应用于局部放电定位系统的信号处理阶段中，利用神经网络学习并模拟定位系统时延计算的误差分布，对定位系统初步计算出的时延进行校正补偿，并利用校正后的时延值进行定位得出定位结果r’和θ’。
本实施方式的局部放电定位系统基于时延值确定局部放电信号的放电源位置，采用上述方法对对初步时延值的误差进行补偿，该系统包括相互连接的传感器和数据处理与分析单元。其中：
传感器采集放电源位置已知的若干样本局部放电信号，数据处理与分析单元基于时延算法计算相应的样本时延值。
数据处理与分析单元基于已知的放电源位置计算若干样本局部放电信号的理论时延值。
数据处理与分析单元以样本时延值为样本输入，以理论时延值为期望输出训练一个神经网络。
传感器采集放电源位置待定的局部放电信号，数据处理与分析单元基于时延算法计算相应的初步时延值。
数据处理与分析单元将初步时延值输入神经网络，神经网络补偿初步时延值的误差，输出最终时延值。
数据处理与分析单元基于最终时延值确定局部放电信号的放电源位置。例如，将上述最终时延值[Δt21’,Δt43’,Δt41’,Δt32’]代入局部放电定位系统进行局部放电定位，得出定位结果r’和θ’。
下面通过一个具体实例验证本发明，该实例采用上述系统对局部放电进行定位。
1.误差修正神经网络的建立。
现场测试中采用手持式静电枪模拟局部放电，该静电枪可依照EN/IEC61000-4-2标准产生精确的放电脉冲。取r＝2m、4m、6m、8m、12m、15m、18m作为标定点进行放电并定位，现场试验的示意图可参考图2，四个超高频传感器接收到的一组四个信号如图5所示，横坐标为时间，纵坐标为电压。
未进行修正的定位结果如表1所示。
表1.未修正定位结果
r实际值(m) r测量均值(m) θ测量均值(°) 距离误差Δr(m) 角度误差Δθ(°)
2.000 1.3998 -3.3837 0.6002 3.3837
4.000 2.7874 -10.2011 1.2126 10.2011
6.000 4.7020 -4.6338 1.2980 4.6338
8.000 9.0639 -8.6785 -1.0639 8.6785
12.000 13.8750 7.9422 -1.8750 -7.9422
15.000 15.9997 -10.3088 -0.9997 10.3088
18.000 19.2801 4.7556 -1.2801 -4.7556
分析表1实验结果可知，不应用神经网络修正时延值，定位系统的距离误差约为2m，定位角度误差约为12°，定位平均误差较大，定位方差较大。
利用局部放电定位系统测得的样本时延值训练神经网络，建立时延误差修正的神经网络，神经网络的训练过程如图6所示，其中B为训练过程误差曲线，C为训练目标误差曲线，B曲线中125个神经元均方误差为0.101372。
2.神经网络局部放电定位修正验证。
利用神经网络修正初步时延值，将补偿后的初步时延值(即最终时延值)输入定位系统重新进行定位，定位结果表2所示。
表2.修正后定位结果
r实际值(m) 修正后r均值(m) 修正后θ均值(°) 修正后误差Δr(m) 修正后误差Δθ(°)
2.000 2.0927 0.7207 -0.0927 -0.7207
4.000 4.4493 -2.5118 -0.4493 2.5118
6.000 5.7318 -4.7631 0.2682 4.7631
8.000 8.2075 2.8497 -0.2075 -2.8497
12.000 11.4832 5.2258 0.5168 -5.2258
15.000 14.8629 -1.8987 0.1371 1.8987
18.000 17.9190 3.0228 0.0810 -3.0228
分析实验数据可知，修正后的定位结果与修正前相比准确度和精度提高，距离定位误差可以控制在0.5m以下，方向角定位误差控制在5°以内。经过实验证明，本发明所提出的局部放电定位系统能够显著提高局部放电定位准确度和精度。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (11)

1.一种局部放电时延计算误差补偿方法，其特征在于，包括步骤：
(1)采集放电源位置已知的若干样本局部放电信号，基于时延算法计算相应的样本时延值；
(2)基于所述已知的放电源位置计算所述若干样本局部放电信号的理论时延值；
(3)以所述样本时延值为样本输入，以所述理论时延值为期望输出训练一个神经网络；
(4)采集放电源位置待定的局部放电信号，基于时延算法计算相应的初步时延值；
(5)将所述初步时延值输入所述神经网络，所述神经网络补偿所述初步时延值的误差，输出最终时延值。
2.如权利要求1所述的局部放电时延计算误差补偿方法，其特征在于，所述步骤(1)和步骤(4)中的时延算法为同一时延算法。
3.如权利要求1所述的局部放电时延计算误差补偿方法，其特征在于，所述时延算法包括阈值法、能量积累法、相关估计法、双谱估计算法、高阶统计量法以及插值相关法中的至少其中之一。
4.如权利要求1所述的局部放电时延计算误差补偿方法，其特征在于，通过固定位于不同位置的若干传感器采集局部放电信号。
5.如权利要求4所述的局部放电时延计算误差补偿方法，其特征在于，所述若干传感器为特高频传感器。
6.如权利要求5所述的局部放电时延计算误差补偿方法，其特征在于，所述若干传感器的数量为四个。
7.如权利要求6所述的局部放电时延计算误差补偿方法，其特征在于，所述时延值为四维向量。
8.如权利要求7所述的局部放电时延计算误差补偿方法，其特征在于，所述神经网络包括RBF神经网络，其中RBF神经网络的输入节点个数为4，输出节点个数为4。
9.如权利要求1-7中任意一项权利要求所述的局部放电时延计算误差补偿方法，其特征在于，所述神经网络包括RBF神经网络。
10.如权利要求9所述的局部放电时延计算误差补偿方法，其特征在于，所述RBF神经网络的基函数为高斯函数。
11.一种局部放电定位系统，其基于时延值确定局部放电信号的放电源位置，其特征在于，采用如权利要求1-10中任意一项权利要求所述方法对初步时延值的误差进行补偿，所述系统包括相互连接的传感器和数据处理与分析单元，其中：
所述传感器采集放电源位置已知的若干样本局部放电信号，所述数据处理与分析单元基于时延算法计算相应的样本时延值；
所述数据处理与分析单元基于所述已知的放电源位置计算所述若干样本局部放电信号的理论时延值；
所述数据处理与分析单元以所述样本时延值为样本输入，以所述理论时延值为期望输出训练一个神经网络；
所述传感器采集放电源位置待定的局部放电信号，所述数据处理与分析单元基于时延算法计算相应的初步时延值；
所述数据处理与分析单元将所述初步时延值输入所述神经网络，所述神经网络补偿所述初步时延值的误差，输出最终时延值；
所述数据处理与分析单元基于所述最终时延值确定所述局部放电信号的放电源位置。
CN201710476853.6A 2017-06-21 2017-06-21 一种局部放电时延计算误差补偿方法及局部放电定位系统 Pending CN107422233A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710476853.6A CN107422233A (zh) 2017-06-21 2017-06-21 一种局部放电时延计算误差补偿方法及局部放电定位系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710476853.6A CN107422233A (zh) 2017-06-21 2017-06-21 一种局部放电时延计算误差补偿方法及局部放电定位系统

Publications (1)

Publication Number Publication Date
CN107422233A true CN107422233A (zh) 2017-12-01

Family

ID=60426624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710476853.6A Pending CN107422233A (zh) 2017-06-21 2017-06-21 一种局部放电时延计算误差补偿方法及局部放电定位系统

Country Status (1)

Country Link
CN (1) CN107422233A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108548996A (zh) * 2018-04-09 2018-09-18 国网天津市电力公司电力科学研究院 一种基于暂态地电压和特高频的检测开关柜缺陷的方法
CN112578248A (zh) * 2020-12-26 2021-03-30 广东电网有限责任公司电力科学研究院 一种局部放电定位误差修正方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103913680A (zh) * 2014-03-17 2014-07-09 上海交通大学 基于时延误差随机模拟与统计分析的局部放电定位方法
CN104849636A (zh) * 2015-05-27 2015-08-19 国家电网公司 基于时延估计的超高频局放信号空间定位方法
CN105911497A (zh) * 2016-06-15 2016-08-31 国网北京市电力公司 局部放电定位误差的校正方法和装置
CN106019098A (zh) * 2016-06-15 2016-10-12 国网北京市电力公司 局部放电定位方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103913680A (zh) * 2014-03-17 2014-07-09 上海交通大学 基于时延误差随机模拟与统计分析的局部放电定位方法
CN104849636A (zh) * 2015-05-27 2015-08-19 国家电网公司 基于时延估计的超高频局放信号空间定位方法
CN105911497A (zh) * 2016-06-15 2016-08-31 国网北京市电力公司 局部放电定位误差的校正方法和装置
CN106019098A (zh) * 2016-06-15 2016-10-12 国网北京市电力公司 局部放电定位方法、装置及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
唐志国等: "1种提高变压器UHF局部放电信号时延精度的统计方法", 《电力学报》 *
唐炬等: "用于局部放电信号定位的多样本能量相关搜索提取时间差算法", 《中国电机工程学报》 *
杨景刚等: "局部放电定位中UHF信号到达时延估计法的研究", 《变压器》 *
汤林等: "基于插值相关法的局部放电特高频脉冲信号时延估计", 《高电压技术》 *
王骏等: "可视局放UHF空间定位系统及时延估计实现", 《江苏电机工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108548996A (zh) * 2018-04-09 2018-09-18 国网天津市电力公司电力科学研究院 一种基于暂态地电压和特高频的检测开关柜缺陷的方法
CN108548996B (zh) * 2018-04-09 2020-07-28 国网天津市电力公司电力科学研究院 一种基于暂态地电压和特高频的检测开关柜缺陷的方法
CN112578248A (zh) * 2020-12-26 2021-03-30 广东电网有限责任公司电力科学研究院 一种局部放电定位误差修正方法和系统

Similar Documents

Publication Publication Date Title
CN107703418B (zh) 基于多径向基神经网络的局部放电定位误差补偿方法
CN107271868A (zh) 一种基于多神经网络的局部放电时延计算误差补偿方法
CN110174643B (zh) 一种无需噪声功率信息的基于到达时间差的定位方法
CN105740203B (zh) 多传感器无源协同测向定位方法
CN107064913A (zh) 一种基于深度学习的无线定位方法及系统
CN106842118A (zh) 用于分布式多点定位监视系统的时差定位方法
CN106353651A (zh) 基于bp网络的gis局放声电联合检测故障定位方法
CN105334495B (zh) 一种无线网络中基于信号到达时间的非视距稳健定位方法
CN110398782A (zh) 一种重力数据和重力梯度数据联合正则化反演方法
CN110045317B (zh) 一种互感器计量误差在线检测方法及系统
CN103596267A (zh) 一种基于欧氏距离的指纹图匹配方法
CN103376085B (zh) 冷轧带钢板形智能综合评价方法
CN104504728B (zh) 多机动目标跟踪方法、系统及其广义联合概率数据关联器
CN110378387B (zh) 基于风云四号卫星和地基毫米波雷达的云底高度监测方法
CN106918797B (zh) 一种基于标准数字功率源的数字化电能表检定和溯源方法
CN107367709A (zh) 混合环境中基于到达时间鲁棒加权最小二乘定位方法
CN107422233A (zh) 一种局部放电时延计算误差补偿方法及局部放电定位系统
CN108985373A (zh) 一种多传感器数据加权融合方法
CN102162847A (zh) 一种基于奇异值分解的高效航迹相关方法
CN110147827A (zh) 一种基于iaalo-svm与相似性度量的故障预测方法
CN104050661B (zh) 面扫描三维测量系统精度的实时调整方法
Wang et al. Real-time passive localization of TDOA via neural networks
CN106353743B (zh) 匹配于等效形状参数的近最优雷达目标检测方法
CN113640712B (zh) 一种舰船垂向感应磁场垂向分量的预测方法
CN109781116B (zh) 基于有源传感器均值迭代的误差自校准融合定位方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171201