CN107831409A - 特高频局放检测图谱特征参量提取的方法及异常检测方法 - Google Patents
特高频局放检测图谱特征参量提取的方法及异常检测方法 Download PDFInfo
- Publication number
- CN107831409A CN107831409A CN201710866621.1A CN201710866621A CN107831409A CN 107831409 A CN107831409 A CN 107831409A CN 201710866621 A CN201710866621 A CN 201710866621A CN 107831409 A CN107831409 A CN 107831409A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- illustrative plates
- collection
- discharge detection
- superfrequency
- 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.)
- Granted
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种特高频局放检测图谱特征参量提取的方法及异常检测方法。其中，特高频局放检测图谱特征参量提取的方法包括步骤1：提取特高频局放检测图谱上所有数据点的数值与坐标，进而将该特高频局放检测图谱转换成PRPD数据矩阵；步骤2：针对PRPD数据矩阵，采用统计方法来提取局部放电模式特征，构建出一个特征向量来表征图谱统计分布特点，作为局部放电类别的分类依据。其可实现从非结构化局放图谱直接提取出特征参量，并可进一步用于后续基于特征参量的局部放电异常检测与识别，具有较高的实用价值。
Description
技术领域
本发明属于图像数据处理领域，尤其涉及一种特高频局放检测图谱特征参量提取的方法及异常检测方法。
背景技术
随着电力需求的不断增长，电力系统对于电力设备的经济型和可靠性要求不断提高。作为一种具有占地面积小、运行可靠性高、配置灵活、维修简单和检修周期长等特点的电力设备，封闭式气体绝缘组合电器GIS(Gas Insulated Substation)以其技术上的先进性和生命周期成本的经济性被广泛应用于城市供电、发电厂、大型工矿企业等高压输变电系统中。由于其结构特点，GIS设备对绝缘性能有很高的要求，GIS绝缘故障也构成GIS故障的主要原因，而局部放电是设备绝缘缺陷的重要表征形式，对局部放电信号的检测和局放类别的分类，对检测GIS故障来说，具有十分重要的作用。
现有的局部放电检测方法，主要有常规电检测法、超声波检测法、特高频检测法(UHF)，以及光学检测法和化学监测法等。其中以超声波检测法和特高频检测法最为有效，其中超声波检测法更加适合于现场检测，特高频检测法根据局部放电所激发的电磁波等特性，利用特高频传感器来接收电磁波并分析，具有灵敏度高、无需断电检测、抗干扰能力强等特点，因此应用较为广泛。
现有存储的局部放电数据，多以图谱的形式存在，但各厂家所产生的图谱格式不一致，且难以获得图谱所对应的原始放电数据。以往对电力设备局部放电信号的检测方法，大多数建立在已获得局放数据的基础上，不能直接实现从现场检测局放图谱到局放异常缺陷的检测判别。在这种情况下，从局部放电图谱中恢复和重构出放电数据，可以将非结构化的图谱数据转化为结构化、更易于处理的信号数据，对于简化局部放电检测流程，实现更高效局放检测与分类来说具有十分重要的意义。
发明内容
为了解决现有技术的不足，本发明的第一目的是提供一种特高频局放检测图谱特征参量提取的方法，其基于图像处理可实现从非结构化局部图谱直接提取出特征参量，并可进一步用于后续基于特征参量的局部放电异常。
其中，PRPD：相位分辩的局部放电，Phase Resolved Partial Discharge，就是把每个带有相位标识的局部放电脉冲按照相位显示出来，放电信息没有时间信息，属于一段时间内的PRPS信息的叠加，例如1s之内；
PRPS：相位分辩的脉冲序列，Phase Resolved Pluse Sequence，就是把每个带有相位标识的局部放电脉冲按照时间先后显示出来，时间先后一般按照所在的周期序号处理。
局部放电类别：例如电晕放电、悬浮电位放电、空穴放电和自由金属颗粒放电。
电晕放电的特点为：放电的极性效应非常明显，通常在工频相位的负半周或正半周出现，放电信号强度较弱且相位分布较宽，放电次数较多。但是较高电压等级下另一个半周也可能出现放电信号，幅值更高且相位分布较窄，放电次数较少。
悬浮电位放电的特点为：放电信号通常在工频相位的正、负半周均会出现，且具有一定对称性，放电信号幅值很大且相邻放电信号时间间隔基本一致，放电次数少，放电重复率较低。
空穴放电的特点为：放电信号通常在工频相位的正、负半周均会出现，且具有一定对称性，放电信号幅值较分散，放电次数较少。
自由金属颗粒放电的特点为：局放信号极性效应不明显，任意相位上均有分布，放电次数少，放电幅值无明显规律，放电信号时间间隔不稳定。提高电压等级放电幅值增大且放电间隔降低。
本发明的一种特高频局放检测图谱特征参量提取的方法，包括：
步骤1：提取特高频局放检测图谱上所有数据点的数值与坐标，进而将该特高频局放检测图谱转换成PRPD数据矩阵；
步骤2：针对PRPD数据矩阵，采用统计方法来提取局部放电模式特征，构建出一个特征向量来表征图谱统计分布特点，作为局部放电类别的分类依据。
进一步的，特高频局放检测图谱上每一点的横纵坐标分别代表放电相位和放电幅值。
进一步的，特高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
进一步的，在所述步骤1中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
进一步的，所述步骤1中将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
步骤1.1：读取去噪后的特高频局放检测图谱；
步骤1.2：提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
步骤1.3：根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
步骤1.4：根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
进一步的，在所述步骤1.4之前还包括：去掉图谱上与坐标轴相平行的栅格线。
进一步的，所述步骤1.2的具体过程包括：
步骤1.2.1：将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
步骤1.2.2：使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
步骤1.2.3：对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点。
进一步的，所述步骤2中的局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
本发明的第二目的是提供一种基于特高频局放检测图谱的电力设备异常检测方法。
本发明的一种基于特高频局放检测图谱的电力设备异常检测方法，包括：
步骤一：采集各种局部放电类型的PRPD模式特高频检测图谱样本，构成总体样本数据集；
步骤二：采用如权利要求1所述的特高频局放检测图谱特征参量提取的方法，对每个样本提取相应局部放电模式的若干个基本特征参量以构成相应局部放电模式的特征向量；
步骤三：从待测放电类别局放特高频图谱中提取特征向量，并与步骤二中的特征向量相匹配，进而得到与待测放电类别局放特高频图谱相匹配的局部放电模式。
进一步的，所述步骤二中，高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
进一步的，所述步骤二中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
进一步的，所述步骤二中，将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
读取去噪后的特高频局放检测图谱；
提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
进一步的，所述步骤二中，在得到特高频局放检测图谱上所有非零点三元组值之前还包括：去掉图谱上与坐标轴相平行的栅格线。
进一步的，提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置的具体过程包括：
将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点。
进一步的，局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
与现有技术相比，本发明的有益效果是：
本发明提出的一种特高频局放检测图谱特征参量提取方法，可实现从非结构化局放图谱直接提取出特征参量，并可进一步用于后续基于特征参量的局部放电异常检测与识别，具有较高的实用价值。与以往的局部放电异常与缺陷检测方法相比，检测流程更为直接方便，得到了更好的性能。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明的一种特高频局放检测图谱特征参量提取的方法流程图。
图2是将特高频局放检测图谱转换成PRPD数据矩阵的具体过程示意图。
图3是提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置的具体过程示意图。
图4是本发明的一种基于特高频局放检测图谱的电力设备异常检测方法流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1是本发明的一种特高频局放检测图谱特征参量提取的方法流程图。
本发明的一种特高频局放检测图谱特征参量提取的方法，包括：
步骤1：提取特高频局放检测图谱上所有数据点的数值与坐标，进而将该特高频局放检测图谱转换成PRPD数据矩阵。
其中，特高频局放检测图谱上每一点的横纵坐标分别代表放电相位和放电幅值。
特高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
具体地，在所述步骤1中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
以二维PRPD图谱为例：
图谱的横纵坐标分别代表放电相位和放电幅值，其中放电相位取值范围为[0°,360°]，通过对[0°,360°]进行均匀量化，得出N1＝72个量化值，放电幅值取值范围在[0,1000mv]之间，为了便于对不同样本进行处理，分别对每个图谱样本归一化至0到该图谱纵坐标最大取值，并均匀量化为N2＝100个量化值。
图谱上每一点代表在特定放电相位ψ处，以特定放电幅值q进行放电了n次，其中该点的颜色值代表了放电次数n。之后使用所构造的图像处理方法来提取图谱上每个非零数值点的放电相位、放电幅值和放电次数，每个数据点以三元组(ψi,qi,ni)的形式表示。将所有数据点汇集起来可得出一张样本图谱所转换得到的PRPD数据矩阵，矩阵的行和列分别代表放电相位和放电幅值，PRPD[x][y]的值代表在x相位窗和y放电幅值处发生的放电次数。
如图2所示，将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
步骤1.1：读取去噪后的特高频局放检测图谱；
步骤1.2：提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
如图3所示，所述步骤1.2中的提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置的具体过程包括：
步骤1.2.1：将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
步骤1.2.2：使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
步骤1.2.3：对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置bl；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点tr。
步骤1.3：根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
根据上一步骤所提取的两个角点bl和tr，计算放电相位和放电幅值两个方向上的量化区间单位长度(bin)，计算公式如下：
Xbin＝(tr(1)-bl(1))/72
Ybin＝(bl(2)-tr(2))/100
所得到的Xbin与Ybin也代表了每个量化区间在图谱的图像上所占的像素个数。
步骤1.4：根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
具体处理为：
首先将PRPD矩阵数据初始化为全0。
对于每个PRPD矩阵数据位置(i,j)，其中i∈[1,72],j∈[1,100]，i代表相位值，j代表放电幅值，计算在原始图谱图像中所对应像素点坐标。计算公式如下：
y＝round(bl(2)-j*Ybin+Ybin/2)
x＝round(bl(1)+i*Xbin-Xbin/2)
则PRPD[i][j]值为原始图谱图像中(x,y)点数值所对应的放电次数。
在所述步骤1.4之前还包括：去掉图谱上与坐标轴相平行的栅格线。
具体为：将灰色栅格线(R＝G＝B)处理为图谱的背景颜色白色(R＝G＝B＝255)。
步骤2：针对PRPD数据矩阵，采用统计方法来提取局部放电模式特征，构建出一个特征向量来表征图谱统计分布特点，作为局部放电类别的分类依据。
具体地，所述步骤2中的局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
步骤2的具体处理为：
首先从PRPD矩阵数据中统计得出三种分布，包括：最大放电量-相位分布、平均放电量-相位分布以及放电次数-相位分布，并计算三种分布分别在正负半周相位上的均值μ和方差σ。之后对于每种分布，分别计算正负半周分布的偏斜度、陡峭度两种统计特征，一共得到12个特征参量；对于每种分布，通过比较正负半周的分布相似度和差异，计算交叉相关系数和不对称度两种特征，一共得到6个特征参量。
所述4种特征具体如下：
(1)偏斜度(Skewness)描述了图谱分布与正态分布相比较的偏斜程度。对于三种分布的正负半周，分别计算偏斜度，一共得到6个特征。计算公式如下：
其中xi是每种分布正半周或负半周分布的第i个相位值，μ为该种分布的相位均值，pi为该种分布在第i个相位值xi处的概率，σ为该种分布的相位标准差。
(2)陡峭度(Kutosis)用来表明图谱正半周的分布与正态分布的幅度偏差，大于0表示向上突出，小于0表示向下压缩。对于三种分布的正负半周，分别计算陡峭度，一共得到6个特征。计算公式如下：
其中：xi是每种分布所对应正半周或负半周分布的第i个相位值，μ为该种分布的相位均值，pi为该种分布在第i个相位值xi处的概率，σ为该种分布的相位标准差。
(3)交叉相关系数(CC)表征了正负半周轮廓的对称程度，cc系数接近于1时，意味着正负半周的轮廓相似度较高，正负半周基本对称，cc系数接近0时，说明谱图的轮廓差异很大。对于三种分布，分别计算交叉相关系数，一共得到3个特征。计算公式如下：
其中：xi,yi分别是每种分布正半周与负半周的第i个相位值，n为正半周和负半周的相位点个数。
(4)不对称度(Asymmetry)是图谱正半周和负半周放电相应参量的平均水平的比值。对于三种分布，分别计算交叉相关系数，一共得到3个特征。计算公式如下：
其中：分别是每种分布所对应正半周和负半周分布的非零值取值之和，N+,N-为正半周和负半周分布的非零值个数。
对每张局部放电特高频图谱所对应PRPD矩阵数据，一共提取上述18种特征参量，组成每张图谱的特征参量向量。
本发明提出的一种特高频局放检测图谱特征参量提取方法，可实现从非结构化局放图谱直接提取出特征参量，并可进一步用于后续基于特征参量的局部放电异常检测与识别，具有较高的实用价值。与以往的局部放电异常与缺陷检测方法相比，检测流程更为直接方便，得到了更好的性能。
本发明还提供了一种基于特高频局放检测图谱的电力设备异常检测方法。
图4是本发明的一种基于特高频局放检测图谱的电力设备异常检测方法流程图。
如图4所示，本发明的一种基于特高频局放检测图谱的电力设备异常检测方法，包括：
步骤一：采集各种局部放电类型的PRPD模式特高频检测图谱样本，构成总体样本数据集。
步骤二：采用如权利要求1所述的特高频局放检测图谱特征参量提取的方法，对每个样本提取相应局部放电模式的若干个基本特征参量以构成相应局部放电模式的特征向量。
具体地，在所述步骤二中，高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
在所述步骤二中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
在所述步骤二中，将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
读取去噪后的特高频局放检测图谱；
提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
在所述步骤二中，在得到特高频局放检测图谱上所有非零点三元组值之前还包括：去掉图谱上与坐标轴相平行的栅格线。
提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置的具体过程包括：
将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点。
其中，局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
步骤三：从待测放电类别局放特高频图谱中提取特征向量，并与步骤二中的特征向量相匹配，进而得到与待测放电类别局放特高频图谱相匹配的局部放电模式。
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 (15)
1.一种特高频局放检测图谱特征参量提取的方法，其特征在于，包括：
步骤1：提取特高频局放检测图谱上所有数据点的数值与坐标，进而将该特高频局放检测图谱转换成PRPD数据矩阵；
步骤2：针对PRPD数据矩阵，采用统计方法来提取局部放电模式特征，构建出一个特征向量来表征图谱统计分布特点，作为局部放电类别的分类依据。
2.如权利要求1所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，特高频局放检测图谱上每一点的横纵坐标分别代表放电相位和放电幅值。
3.如权利要求1所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，特高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
4.如权利要求3所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，在所述步骤1中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
5.如权利要求4所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，所述步骤1中将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
步骤1.1：读取去噪后的特高频局放检测图谱；
步骤1.2：提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
步骤1.3：根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
步骤1.4：根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
6.如权利要求5所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，在所述步骤1.4之前还包括：去掉图谱上与坐标轴相平行的栅格线。
7.如权利要求5所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，所述步骤1.2的具体过程包括：
步骤1.2.1：将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
步骤1.2.2：使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
步骤1.2.3：对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点。
8.如权利要求1所述的一种特高频局放检测图谱特征参量提取的方法，其特征在于，所述步骤2中的局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
9.一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，包括：
步骤一：采集各种局部放电类型的PRPD模式特高频检测图谱样本，构成总体样本数据集；
步骤二：采用如权利要求1所述的特高频局放检测图谱特征参量提取的方法，对每个样本提取相应局部放电模式的若干个基本特征参量以构成相应局部放电模式的特征向量；
步骤三：从待测放电类别局放特高频图谱中提取特征向量，并与步骤二中的特征向量相匹配，进而得到与待测放电类别局放特高频图谱相匹配的局部放电模式。
10.如权利要求9所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，所述步骤二中，高频局放检测图谱上每一点代表在特定放电相位处，以特定放电幅值进行放电的次数，其中每一点的颜色值代表了放电次数。
11.如权利要求10所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，所述步骤二中，提取的特高频局放检测图谱上所有数据点以三元组的形式表示，其中，该三元组的元素分别为每个数据点的放电相位、放电幅值和放电次数。
12.如权利要求11所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，所述步骤二中，将该特高频局放检测图谱转换成PRPD数据矩阵的具体过程包括：
读取去噪后的特高频局放检测图谱；
提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置；
根据坐标网格角点坐标位置，计算放电相位和放电幅值两个方向上的量化区间单位长度，也就是每个量化区间在图谱上所占的像素个数；
根据放电相位和放电幅值两个方向上的量化区间单位长度，得到特高频局放检测图谱上所有非零点三元组值，输出并保存相应的PRPD矩阵数据。
13.如权利要求11所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，所述步骤二中，在得到特高频局放检测图谱上所有非零点三元组值之前还包括：去掉图谱上与坐标轴相平行的栅格线。
14.如权利要求11所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，提取去噪后的特高频局放检测图谱的坐标网格角点坐标位置的具体过程包括：
将去噪后的特高频局放检测图谱转化为灰度图，对灰度图使用Canny算子提取图像边缘；
使用霍夫变换检测出边缘图像上的坐标轴线段以及网格线段；
对于检测得出的所有线段，取横坐标最大，同时纵坐标最小点作为坐标轴原点位置；取横坐标最小，同时纵坐标最大点作为图谱区域右上角边界点。
15.如权利要求9所述的一种基于特高频局放检测图谱的电力设备异常检测方法，其特征在于，局部放电模式特征包括偏斜度、陡峭度、交叉相关系数以及不对称度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710866621.1A CN107831409B (zh) | 2017-09-22 | 2017-09-22 | 特高频局放检测图谱特征参量提取的方法及异常检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710866621.1A CN107831409B (zh) | 2017-09-22 | 2017-09-22 | 特高频局放检测图谱特征参量提取的方法及异常检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107831409A true CN107831409A (zh) | 2018-03-23 |
| CN107831409B CN107831409B (zh) | 2020-08-18 |
Family
ID=61644006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710866621.1A Active CN107831409B (zh) | 2017-09-22 | 2017-09-22 | 特高频局放检测图谱特征参量提取的方法及异常检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107831409B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109164362A (zh) * | 2018-09-25 | 2019-01-08 | 上海交通大学 | 一种直流电缆局部放电缺陷故障的识别方法及系统 |
| CN110031733A (zh) * | 2019-04-16 | 2019-07-19 | 国网江苏省电力有限公司电力科学研究院 | 局部放电检测方法及系统 |
| CN111476093A (zh) * | 2020-03-06 | 2020-07-31 | 国网江西省电力有限公司电力科学研究院 | 一种电缆终端局部放电模式识别方法及系统 |
| CN111537853A (zh) * | 2020-06-29 | 2020-08-14 | 国网山东省电力公司菏泽供电公司 | 基于多源异构数据分析的开关柜局部放电智能检测方法 |
| CN111638428A (zh) * | 2020-06-08 | 2020-09-08 | 国网山东省电力公司电力科学研究院 | 一种基于gis特高频局部放电数据的处理方法及系统 |
| CN113064032A (zh) * | 2021-03-26 | 2021-07-02 | 云南电网有限责任公司电力科学研究院 | 一种基于图谱特征和信息融合的局部放电模式识别方法 |
| CN113533921A (zh) * | 2021-09-15 | 2021-10-22 | 北京普源瑞新仿真科技有限公司 | 局部放电检测方法及局部放电检测装置 |
| CN113625132A (zh) * | 2021-08-06 | 2021-11-09 | 国网上海市电力公司 | 一种基于相位对齐的电缆局部放电检测方法和系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101408579A (zh) * | 2008-11-21 | 2009-04-15 | 重庆大学 | 变压器油纸绝缘电热老化试验及局部放电一体化检测装置 |
| CN101644738A (zh) * | 2009-09-02 | 2010-02-10 | 江苏省电力公司常州供电公司 | 六氟化硫气体绝缘全封闭组合电气的局部放电检测系统 |
| CN102163186A (zh) * | 2011-04-18 | 2011-08-24 | 广东电网公司电力科学研究院 | 检测高压电力设备局部放电信号生成文件的方法及装置 |
| KR101303082B1 (ko) * | 2012-03-15 | 2013-09-03 | 오피전력기술 주식회사 | 휴대형 부분방전 검출 장치 |
| CN103472370A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种局放监测数据处理方法 |
| CN104198899A (zh) * | 2014-08-04 | 2014-12-10 | 西安交通大学 | 一种多放电源情况下变压器局部放电类型识别方法 |
| CN104749498A (zh) * | 2015-01-28 | 2015-07-01 | 西安交通大学 | 一种便携式局部放电检测及诊断装置 |
| CN104914362A (zh) * | 2015-05-26 | 2015-09-16 | 深圳供电局有限公司 | 一种sf6气体变压器绝缘状态监测系统及方法 |
| CN104977515A (zh) * | 2015-07-17 | 2015-10-14 | 许继集团有限公司 | 一种三相共筒gis局部放电监测中放电类型的识别方法 |
| CN105182197A (zh) * | 2015-09-11 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 适应于电力行业的特高频局部放电图谱处理系统及方法 |
| CN105807190A (zh) * | 2014-12-29 | 2016-07-27 | 国家电网公司 | 一种gis局部放电超高频带电检测方法 |
| CN105938177A (zh) * | 2016-06-23 | 2016-09-14 | 西安西热节能技术有限公司 | 基于局部放电统计量的特征提取及识别方法 |
| JP2017019210A (ja) * | 2015-07-10 | 2017-01-26 | 株式会社リコー | 液滴吐出装置、画像形成装置、液滴吐出装置の制御方法、及びプログラム |
| CN107025292A (zh) * | 2017-04-14 | 2017-08-08 | 国网江苏省电力公司无锡供电公司 | 面向变电站内视频与异构传感器的结构化描述方法 |
-
2017
- 2017-09-22 CN CN201710866621.1A patent/CN107831409B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101408579A (zh) * | 2008-11-21 | 2009-04-15 | 重庆大学 | 变压器油纸绝缘电热老化试验及局部放电一体化检测装置 |
| CN101644738A (zh) * | 2009-09-02 | 2010-02-10 | 江苏省电力公司常州供电公司 | 六氟化硫气体绝缘全封闭组合电气的局部放电检测系统 |
| CN102163186A (zh) * | 2011-04-18 | 2011-08-24 | 广东电网公司电力科学研究院 | 检测高压电力设备局部放电信号生成文件的方法及装置 |
| KR101303082B1 (ko) * | 2012-03-15 | 2013-09-03 | 오피전력기술 주식회사 | 휴대형 부분방전 검출 장치 |
| CN103472370A (zh) * | 2013-08-20 | 2013-12-25 | 国家电网公司 | 一种局放监测数据处理方法 |
| CN104198899A (zh) * | 2014-08-04 | 2014-12-10 | 西安交通大学 | 一种多放电源情况下变压器局部放电类型识别方法 |
| CN105807190A (zh) * | 2014-12-29 | 2016-07-27 | 国家电网公司 | 一种gis局部放电超高频带电检测方法 |
| CN104749498A (zh) * | 2015-01-28 | 2015-07-01 | 西安交通大学 | 一种便携式局部放电检测及诊断装置 |
| CN104914362A (zh) * | 2015-05-26 | 2015-09-16 | 深圳供电局有限公司 | 一种sf6气体变压器绝缘状态监测系统及方法 |
| JP2017019210A (ja) * | 2015-07-10 | 2017-01-26 | 株式会社リコー | 液滴吐出装置、画像形成装置、液滴吐出装置の制御方法、及びプログラム |
| CN104977515A (zh) * | 2015-07-17 | 2015-10-14 | 许继集团有限公司 | 一种三相共筒gis局部放电监测中放电类型的识别方法 |
| CN105182197A (zh) * | 2015-09-11 | 2015-12-23 | 国网山东省电力公司电力科学研究院 | 适应于电力行业的特高频局部放电图谱处理系统及方法 |
| CN105938177A (zh) * | 2016-06-23 | 2016-09-14 | 西安西热节能技术有限公司 | 基于局部放电统计量的特征提取及识别方法 |
| CN107025292A (zh) * | 2017-04-14 | 2017-08-08 | 国网江苏省电力公司无锡供电公司 | 面向变电站内视频与异构传感器的结构化描述方法 |
Non-Patent Citations (1)
| Title |
|---|
| 林颖 等: "基于图像处理的GIS局部放电图谱信号恢复", 《山东电力技术》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109164362A (zh) * | 2018-09-25 | 2019-01-08 | 上海交通大学 | 一种直流电缆局部放电缺陷故障的识别方法及系统 |
| CN109164362B (zh) * | 2018-09-25 | 2021-01-08 | 上海交通大学 | 一种直流电缆局部放电缺陷故障的识别方法及系统 |
| CN110031733A (zh) * | 2019-04-16 | 2019-07-19 | 国网江苏省电力有限公司电力科学研究院 | 局部放电检测方法及系统 |
| CN111476093A (zh) * | 2020-03-06 | 2020-07-31 | 国网江西省电力有限公司电力科学研究院 | 一种电缆终端局部放电模式识别方法及系统 |
| CN111638428A (zh) * | 2020-06-08 | 2020-09-08 | 国网山东省电力公司电力科学研究院 | 一种基于gis特高频局部放电数据的处理方法及系统 |
| CN111638428B (zh) * | 2020-06-08 | 2022-09-20 | 国网山东省电力公司电力科学研究院 | 一种基于gis特高频局部放电数据的处理方法及系统 |
| CN111537853A (zh) * | 2020-06-29 | 2020-08-14 | 国网山东省电力公司菏泽供电公司 | 基于多源异构数据分析的开关柜局部放电智能检测方法 |
| CN113064032A (zh) * | 2021-03-26 | 2021-07-02 | 云南电网有限责任公司电力科学研究院 | 一种基于图谱特征和信息融合的局部放电模式识别方法 |
| CN113064032B (zh) * | 2021-03-26 | 2022-08-02 | 云南电网有限责任公司电力科学研究院 | 一种基于图谱特征和信息融合的局部放电模式识别方法 |
| CN113625132A (zh) * | 2021-08-06 | 2021-11-09 | 国网上海市电力公司 | 一种基于相位对齐的电缆局部放电检测方法和系统 |
| CN113533921A (zh) * | 2021-09-15 | 2021-10-22 | 北京普源瑞新仿真科技有限公司 | 局部放电检测方法及局部放电检测装置 |
| CN113533921B (zh) * | 2021-09-15 | 2021-12-17 | 北京普源瑞新仿真科技有限公司 | 局部放电检测方法及局部放电检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107831409B (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107831409A (zh) | 特高频局放检测图谱特征参量提取的方法及异常检测方法 | |
| CN106940886B (zh) | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 | |
| Chan et al. | Time-frequency sparsity map on automatic partial discharge sources separation for power transformer condition assessment | |
| CN103487729B (zh) | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 | |
| CN103197218B (zh) | 一种高压电缆绝缘缺陷局放带电检测诊断方法 | |
| CN103076547B (zh) | 基于支持向量机的gis局部放电故障类型模式识别方法 | |
| CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
| CN104198898A (zh) | 基于脉冲序列分析的局部放电发展过程诊断方法 | |
| CN106291275B (zh) | 一种局部放电超高频单次波形频域特征提取及识别方法 | |
| CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
| CN107563263A (zh) | 基于仪表的视频图像识别方法及系统 | |
| CN111080105A (zh) | 基于电压时序数据的台区户变关系识别方法及系统 | |
| CN103903008A (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
| CN108108772A (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
| CN102520286A (zh) | 基于高光谱的复合绝缘子运行状态分类方法 | |
| CN104849180A (zh) | 一种颗粒图像实时处理系统和方法 | |
| Cui et al. | Spatio-temporal synchrophasor data characterization for mitigating false data injection in smart grids | |
| CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
| CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
| CN108596196B (zh) | 一种基于绝缘子图像特征词典的污秽状态评估方法 | |
| CN106355187A (zh) | 视觉信息在电力设备监测中的应用 | |
| Lu et al. | An image recognition algorithm based on thickness of ice cover of transmission line | |
| CN106599865A (zh) | 刀闸状态识别装置与方法 | |
| Colak et al. | Automatic sunspot classification for real-time forecasting of solar activities | |
| Seo et al. | A novel signal extraction technique for online partial discharge (PD) measurement of transformers |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |