CN109917253A - 变压器内局部放电源定位方法、装置和服务器 - Google Patents

Abstract

本发明提供了一种变压器内局部放电源定位方法、装置和服务器，其中，该方法包括：通过设置在变压器预设位置上的多个微带全向天线，采集变压器内局部放电产生的电磁波信号；统计每个微带全向天线采集的电磁波信号的二维统计矩阵；根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵；将特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。本发明通过电磁波信号的统计特征与距离之间的关系，确定每个微带全向天线与放电源的距离，进而实现局部放电源的定位，该方式可以提高变压器内局部放电源定位方式精确度。

Description

变压器内局部放电源定位方法、装置和服务器

技术领域

本发明涉及变压器检测技术领域，尤其是涉及一种变压器内局部放电源定位方法、装置和服务器。

背景技术

局部放电是危害电气设备绝缘系统的主要因素，局部放电检测技术包含了传感器、数据采集、去噪、识别和定位等方面的研究。相关技术中，大多采用信号到达时间差的方式进行局部放电源定位；但是，受到各种干扰因素的影响，信号到达时间的计算精确度较低，导致变压器内局部放电源定位方式精确度较低。

发明内容

有鉴于此，本发明的目的在于提供一种变压器内局部放电源定位方法、装置和服务器，以提高变压器内局部放电源定位的精确性。

第一方面，本发明实施例提供了一种变压器内局部放电源定位方法，该方法包括：通过设置在变压器预设位置上的多个微带全向天线，采集变压器内局部放电产生的电磁波信号；统计每个微带全向天线采集的电磁波信号的二维统计矩阵；二维统计矩阵用于表征电磁波信号中放电相位与放电幅值的关系；根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵；将特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。

在本发明较佳的实施例中，上述统计每个微带全向天线采集的电磁波信号的二维统计矩阵的步骤，包括：针对每个微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

在本发明较佳的实施例中，上述根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵的步骤，包括：对二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；从二维统计矩阵中提取每个特征相位对应的特征向量；多个特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

在本发明较佳的实施例中，上述从二维统计矩阵中提取每个特征相位对应的特征向量的步骤，包括：针对每个特征相位，从每个微带全向天线采集的电磁波信号对应的二维统计矩阵中提取该特征相位对应的列向量，将提取出的列向量组成该特征相位对应的特征矩阵；对特征矩阵进行奇异值分解，得到奇异值最大的特征向量；通过硬阈值法，从奇异值最大的特征向量中确定预设数量的特征放电幅值，将确定出的特征放电幅值作为该特征相位对应的特征向量。

在本发明较佳的实施例中，上述回归模型包括：y＝α₀+α₁x₁+α₂x₂+α₃x₃+.......+α_nx_n；其中，y为每个微带全向天线与放电源的距离；α₀为预设常数；α₁、α₂、α₃、…、α_n为训练得到的系数；x₁、x₂、x₃、…、x_n为特征向量矩阵中的特征值；n为特征向量矩阵中的特征值的数量。

在本发明较佳的实施例中，上述微带全向天线的数量为三个；上述根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置的步骤，包括：根据多个微带全向天线与放电源的距离，建立方程：

其中，坐标(x,y,z)为变压器内局部放电源的位置；(x_i,y_i,z_i)为第i个微带全向天线的位置，i＝1，2，3；L_i为第i个微带全向天线的位置与变压器内局部放电源的位置的距离。

第二方面，本发明实施例提供了一种变压器内局部放电源定位装置，该装置包括：信号采集模块，用于通过设置在变压器预设位置上的多个微带全向天线，采集变压器内局部放电产生的电磁波信号；矩阵统计模块，用于统计每个微带全向天线采集的电磁波信号的二维统计矩阵；二维统计矩阵用于表征电磁波信号中放电相位与放电幅值的关系；矩阵确定模块，用于根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵；距离输出模块，用于将特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；位置确定模块，用于根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。

在本发明较佳的实施例中，上述矩阵统计模块，用于：针对每个微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

在本发明较佳的实施例中，上述矩阵确定模块，用于：对二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；从二维统计矩阵中提取每个特征相位对应的特征向量；多个特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

第三方面，本发明实施例提供了一种服务器，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述变压器内局部放电源定位方法。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种变压器内局部放电源定位方法、装置和服务器，通过设置在变压器预设位置上的多个微带全向天线，可以采集变压器内局部放电产生的电磁波信号；首先统计每个微带全向天线采集的电磁波信号的二维统计矩阵，进而确定与放电特征相关联的特征向量矩阵；再将该特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；最终根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。该方式中，通过电磁波信号的统计特征与距离之间的关系，确定每个微带全向天线与放电源的距离，进而实现局部放电源的定位，该方式可以提高变压器内局部放电源定位方式精确度。

本发明的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本发明的上述技术即可得知。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种变压器内局部放电源定位方法的流程图；

图2为本发明实施例提供的微带全向天线的增益示意图；

图3为本发明实施例提供的一种采集电磁波信号的系统示意图；

图4为本发明实施例提供的二维统计特征经奇异值分解后最大奇异值对应的特征值示意图；

图5为本发明实施例提供的距离局部放电源30cm处的微带全向天线采集的时域波形示意图；

图6为本发明实施例提供的距离局部放电源30cm处的微带全向天线采集的时域波形对应的二维统计矩阵的示意图；

图7为本发明实施例提供的与局部放电源距离30cm处的特征向量示意图；

图8为本发明实施例提供的与局部放电源距离60cm处的特征向量示意图；

图9为本发明实施例提供的与局部放电源距离100cm处的特征向量示意图；

图10为本发明实施例提供的与局部放电源距离160cm处的特征向量示意图；

图11为本发明实施例提供的所有距离下特征相位上特征向量叠加得到的特征向量矩阵示意图；

图12为本发明实施例提供的回归模型的预测结果与实际值对比示意图；

图13为本发明实施例提供的回归模型的预测结果的误差示意图；

图14为本发明实施例提供的一种变压器内局部放电源定位装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

局部放电激发的电磁波信号，尤其是特高频段(300MHz～300MHz)的电磁波信号具有抗干扰能力强，灵敏度高等优点，因此电磁波信号可以有效检测局部放电。而由于特高频信号(Ultra High Frequency，简称UHF)在空间传播中会出现衰减，其幅值与距离有一定关系，通过分析特高频信号的统计特征与距离之间的关系，有助于利用特高频信号的统计特征进行局部放电定位。

基于此，本发明实施例提供的一种变压器内局部放电源定位方法、装置和服务器，该技术可以应用于检测变压器局部放电、监控变压器绝缘系统状态中。为便于对本实施例进行理解，首先对本发明实施例所公开的一种变压器内局部放电源定位方法进行详细介绍。

参见图1所示的一种变压器内局部放电源定位方法的流程图；该方法包括如下步骤：

步骤S102，通过设置在变压器预设位置上的多个微带全向天线，采集变压器内局部放电产生的电磁波信号；

变压器内局部放电产生的电磁波信号大多是宽频道信号，频带宽度为几十MHz到几GHz；经研究证实，电磁波信号中300MHz以下的频率信号中包含较多的放电信息，为了采集300MHz以下的电磁波信号，本发明采用了上述微带全向天线，作为一个示例，该微带全向天线的参数如下：带宽为50MHz～6000MHz，增益为0dB，驻波比为2.0:1。图2所示为该微带全向天线的增益示意图。在实际实现时，可以在变压器的不同位置设置微带全向天线，当变压器内发生局部放电时，放电产生的电磁波信号会传输至各个微带全向天线。

图3所示为一种采集电磁波信号的系统，该系统包括设置在变压器上的微带全向天线，还包括检波器、数字示波器和服务器(如计算机)；微带全向天线分别与检波器和数字示波器连接，检波器还与数字示波器连接；数字示波器与服务器连接。其中，微带全向天线用于采集局部放电产生的电磁波信号，将电磁波信号发送至数字示波器；检波器用于从电磁波信号中检测出预设工频周期的波形，将该波形发送至数字示波器；数字示波器用于接收微带全向天线发送的单次波形的电磁波信号，和检波器发送的预设工频周期的波形；计算机用于接收数字示波器发送的电磁波信号，对该电磁波信号的后续处理，并得到变压器内局部放电源的位置。

上述数字示波器可以采用LecroyLC574A示波器，该示波器共有4路输入通道，最高采样率为10GS/s，其工作频带为0～1GHz，存储深度为32MB，可同时采集四通道信号。数字示波器一次采集电磁波信号的时间为160个工频周期，采样率为5MS/s。

步骤S104，统计每个微带全向天线采集的电磁波信号的二维统计矩阵；该二维统计矩阵用于表征电磁波信号中放电相位与放电幅值的关系；

电磁波信号中包含有多个放电工频周期，可以针对所有的放电工频周期，统计每个放电相位上的相同放电幅值发生的次数，从而得到上述二维统计矩阵。

步骤S106，根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵；

具体可以对该二维统计矩阵进行奇异值分解，可以得到与放电特征相关联的特征相位，进而基于该特征相位，从二维统计矩阵中提取出特征向量矩阵。

步骤S108，将特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；

该回归模型也可以称为多元多项式回归模型，该模型可以采用多元回归分析预测法预测数据；该多元回归分析预测法是指通过对两个或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。

步骤S110，根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。

多个微带全向天线接收到的电磁波信号由同一放电源发出，基于此，根据每个微带全向天线与放电源的距离可以建立一组方程组，通过求解该方程组可以得到压器内局部放电源的位置。

本发明实施例提供的一种变压器内局部放电源定位方法，通过设置在变压器预设位置上的多个微带全向天线，可以采集变压器内局部放电产生的电磁波信号；首先统计每个微带全向天线采集的电磁波信号的二维统计矩阵，进而确定与放电特征相关联的特征向量矩阵；再将该特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；最终根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。该方式中，通过电磁波信号的统计特征与距离之间的关系，确定每个微带全向天线与放电源的距离，进而实现局部放电源的定位，该方式可以提高变压器内局部放电源定位方式精确度。

下面进一步描述统计每个微带全向天线采集的电磁波信号的二维统计矩阵的具体过程。在实际实现时，可以针对每个微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

通过统计多个放电工频周期中每个放电相位上的相同放电幅值发生的次数，可以得到如下所示的局部放电的二维统计矩阵：

其中，X_i,j表示在一个统计周期内发生在第j个相位窗上放电幅值为i的放电总共发生的次数，m表示二维统计矩阵中最大的局部放电幅值，如m＝1000，则表示此次统计的二维统计矩阵中，最大放电量为1000，单位可以是pC或mV或dB；n表示相位窗个数，如n＝400，表示将工频周期分为4000个相位窗，每个相位的间隔为0.09°。

下述为二维统计矩阵的一个示例：

该矩阵的大小为1000×400，其中的1000表示放电量最大为1000pC，400为相位窗数，即每个相位窗为0.9°。以二维统计中位置为(1，1)的数据所示为例，其值为6，表示在0.9°相位上，幅值为1mV的放电发生了6次。

下面进一步描述根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵的具体过程。该过程包括如下步骤02-06：

步骤02，对二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；

奇异值分解(Singular Value Decomposition，简称SVD)是一种有效的代数特征提取方法。通过奇异值分解，上述二维统计矩阵可以经过正交变换转化为对角阵，具体地，二维统计矩阵Am×n可以利用奇异值分解将其转化为对角阵。通常，前10％甚至1％的奇异值之和占据全部奇异值之和的99％以上。也就是说，可以用前r大的奇异值来近似描述矩阵，作为一个示例，矩阵PPM的部分奇异值分解如下式所示：

其中，r是一个远小于m和n的数，这样矩阵的乘法近似等于：右边的三个矩阵(U、∑和V)相乘的结果将会是一个接近于二维统计矩阵的矩阵，如果r越接近于n，则相乘的结果越接近于这个二维统计矩阵。上式中，矩阵V包含r组向量，每一组向量包含有n个值，通过提取第一个奇异值向量，就可以得到一组能够表示局部放电放电幅值、放电次数在工频电压相位上的联合分布特征。

对二维统计特征进行奇异值分解，可以得到U中的对应奇异值最大的1个一维数组，该数组表示在不同相位上的变化情况，幅值越大表示该相位上的值变化较大，越能体现放电特征。由于放电具有相位相关性，通过奇异值分解能够得到与放电特征相关的相位，即特征相位；作为示例，图4所示为二维统计特征经奇异值分解后最大奇异值对应的特征值，通过硬阈值方法，可以确定前n个变化较大的相位，从而得到特征相位。本发明可以选取前50个特征相位进行分析处理。

步骤04，从二维统计矩阵中提取每个特征相位对应的特征向量；

在实际实现时，该步骤04可以包含下述步骤042-046：

步骤042，针对每个特征相位，从每个微带全向天线采集的电磁波信号对应的二维统计矩阵中提取该特征相位对应的列向量，将提取出的列向量组成该特征相位对应的特征矩阵；

步骤044，对特征矩阵进行奇异值分解，得到奇异值最大的特征向量；

步骤046，通过硬阈值法，从奇异值最大的特征向量中确定预设数量的特征放电幅值，将确定出的特征放电幅值作为该特征相位对应的特征向量。

步骤06，多个特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

在同一个测量距离下，对每一组局部放电产生的电磁波信号的某一个特征相位进行不同放电量发生次数的统计，得到能够反映特征相位上不同放电量发生次数的列向量，对多组信号重复上述步骤，得到局部放电放电类型多组该特征相位上的列向量，合并多个二维统计矩阵中相同相位上的列向量，构成该特征相位的放电量发生次数的统计二维矩阵，对其再次进行奇异值分解，取奇异值最大值对应的特征向量，再利用硬阈值法，可以确定前m个特征放电幅值，即得到该特征相位上特征向量。

上述硬阈值法，可以通过下述公式实现：

其中，ω为变量，具体可以为各个特征向量的奇异值；λ为阈值。通过上述公式处理，即可保留奇异值大于阈值λ的特征向量。

由于不同距离下的特征相位上特征向量不尽相同，为了反映所有距离下的特征值，将不同距离下的对应特征相位上的特征向量进行叠加，得到基于UHF二维统计矩阵特征相位上的特征向量矩阵，该特征向量矩阵即可用于后续局部放电源定位。

为了进一步理解上述根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵的过程，下面给出一个示例。该示例中，采集了与局部放电源不同距离下的多组电磁波信号，一次采集数据的时间为150个工频周期，采用率为5MS/s，图5所示为距离局部放电源30cm处的微带全向天线采集的时域波形。通过上述方式统计得到的二维统计矩阵如图6所示。

对该二维统计矩阵奇异值分解，得到特征相位，对同一个特征相位上多组放电次数统计数组再进行奇异值分解，得到特征相位上的特征向量，经过计算，共获得3797个特征量；图7所示为与局部放电源距离30cm处的特征向量示意图；图8所示为与局部放电源距离60cm处的特征向量示意图；图9所示为与局部放电源距离100cm处的特征向量示意图；图10所示为与局部放电源距离160cm处的特征向量示意图；从图7至图10中可以看出，随着距离的增加，放电幅值明显减小。尤其是对比30cm处和160cm，30cm处的放电幅值接近200mV，而160cm处低于100mV。将所有距离下特征相位上特征向量叠加，得到所有距离下的特征向量矩阵，见图11所示。

下面进一步描述将所述特征向量矩阵输入至预先训练完成的回归模型，输出每个所述微带全向天线与放电源的距离的具体过程。该回归模型可以通过下述公式实现：

y＝α₀+α₁x₁+α₂x₂+α₃x₃+.......+α_nx_n；

其中，y为每个微带全向天线与放电源的距离；α₀为预设常数；α₁、α₂、α₃、…、α_n为训练得到的系数；x₁、x₂、x₃、…、x_n为特征向量矩阵中的特征值；n为特征向量矩阵中的特征值的数量。

作为示例，该回归模型可以通过下述方式训练得到：采集1798组数据，其中各个距离下数据的具体数量见下述表1。

表1

距离/cm	15	20	30	40	50	60	80	100	120	140	160
												样本数/个	221	120	120	120	165	120	120	120	286	120	286

通过局部放电产生的电磁波信号的二维统计矩阵与特征向量矩阵点乘，即得到用于预测距离的样本数据。从相比数据中随机选取样本，得到训练数据集(如1618个)和测试数据集(如180个)。利用训练数据计算上述回归模型中的系数α₁、α₂、α₃、…、α_n，得到回归模型。

将测试数据代入回归模型，预测距离，得到如图12所示的预测结果与实际值对比，可以看出预测距离与实际值基本一致，其平均误差为0.9％，在20cm、50cm的偏差较大，其最大误差接近25％，每个预测结果的误差见图13所示。

下面进一步描述根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置的具体过程。本实施例中以三个微带全向天线为例进行说明。首先，根据多个微带全向天线与放电源的距离，建立方程：

其中，坐标(x,y,z)为变压器内局部放电源的位置；(x_i,y_i,z_i)为第i个微带全向天线的位置，i＝1，2，3；L_i为第i个微带全向天线的位置与变压器内局部放电源的位置的距离。

通过求解上述方程，即可得到坐标(x,y,z)的具体值，即变压器内局部放电源的位置。

上述实施例提供的变压器内局部放电源定位方法，利用局部放电激发的特高频电磁波信号，得到了反映局部放电统计信息的二维统计矩阵，并在此基础上，通过奇异值分解得到了特征相位上的特征向量，利用多元多项式回归，建立了该组特征向量与距离之间的回归模型，从而实现了基于特高频电磁波信号的统计特征进行局部放电定位的目的。

具体而言，该方式中，提取了UHF的特征相位上的特征参量，建立了特征向量矩阵，能够表征不同传播距离下的局部放电特征；建立了特征相位上特征参量与距离之间的回归关系，实现了基于统计特征的局部放电定位，并达到了较高的精确度。

参见图14所示的一种变压器内局部放电源定位装置的结构示意图，该装置包括：

信号采集模块140，用于通过设置在变压器预设位置上的多个微带全向天线，采集变压器内局部放电产生的电磁波信号；

矩阵统计模块141，用于统计每个微带全向天线采集的电磁波信号的二维统计矩阵；二维统计矩阵用于表征电磁波信号中放电相位与放电幅值的关系；

矩阵确定模块142，用于根据二维统计矩阵，确定与放电特征相关联的特征向量矩阵；

距离输出模块143，用于将特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；

位置确定模块144，用于根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。

本发明实施例提供的一种变压器内局部放电源定位装置，通过设置在变压器预设位置上的多个微带全向天线，可以采集变压器内局部放电产生的电磁波信号；首先统计每个微带全向天线采集的电磁波信号的二维统计矩阵，进而确定与放电特征相关联的特征向量矩阵；再将该特征向量矩阵输入至预先训练完成的回归模型，输出每个微带全向天线与放电源的距离；最终根据多个微带全向天线与放电源的距离，确定变压器内局部放电源的位置。该方式中，通过电磁波信号的统计特征与距离之间的关系，确定每个微带全向天线与放电源的距离，进而实现局部放电源的定位，该方式可以提高变压器内局部放电源定位方式精确度。

进一步地，上述矩阵统计模块，用于：针对每个微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

进一步地，上述矩阵确定模块，用于：对二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；从二维统计矩阵中提取每个特征相位对应的特征向量；多个特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

本发明实施例还提供一种服务器，包括处理器和机器可读存储介质，机器可读存储介质存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述变压器内局部放电源定位方法。

本发明实施例还提供了一种机器可读存储介质，该机器可读存储介质存储有机器可执行指令，该机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述变压器内局部放电源定位方法，具体实现可参见方法实施方式，在此不再赘述。

本发明实施例所提供的服务器和机器可读存储介质，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和/或装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

最后应说明的是：以上所述实施例，仅为本公开的具体实施例，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种变压器内局部放电源定位方法，其特征在于，所述方法包括：

通过设置在变压器预设位置上的多个微带全向天线，采集所述变压器内局部放电产生的电磁波信号；

统计每个所述微带全向天线采集的电磁波信号的二维统计矩阵；所述二维统计矩阵用于表征所述电磁波信号中放电相位与放电幅值的关系；

根据所述二维统计矩阵，确定与放电特征相关联的特征向量矩阵；

将所述特征向量矩阵输入至预先训练完成的回归模型，输出每个所述微带全向天线与放电源的距离；

根据多个所述微带全向天线与放电源的距离，确定所述变压器内局部放电源的位置。

2.根据权利要求1所述的方法，其特征在于，统计每个所述微带全向天线采集的电磁波信号的二维统计矩阵的步骤，包括：

针对每个所述微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

3.根据权利要求1所述的方法，其特征在于，根据所述二维统计矩阵，确定与放电特征相关联的特征向量矩阵的步骤，包括：

对所述二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；

从所述二维统计矩阵中提取每个所述特征相位对应的特征向量；

多个所述特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

4.根据权利要求3所述的方法，其特征在于，从所述二维统计矩阵中提取每个所述特征相位对应的特征向量的步骤，包括：

针对每个特征相位，从每个所述微带全向天线采集的电磁波信号对应的二维统计矩阵中提取该特征相位对应的列向量，将提取出的列向量组成该特征相位对应的特征矩阵；

对所述特征矩阵进行奇异值分解，得到奇异值最大的特征向量；

通过硬阈值法，从所述奇异值最大的特征向量中确定预设数量的特征放电幅值，将确定出的所述特征放电幅值作为该特征相位对应的特征向量。

5.根据权利要求1所述的方法，其特征在于，所述回归模型包括：y＝α₀+α₁x₁+α₂x₂+α₃x₃+.......+α_nx_n；其中，y为每个所述微带全向天线与放电源的距离；α₀为预设常数；α₁、α₂、α₃、…、α_n为训练得到的系数；x₁、x₂、x₃、…、x_n为所述特征向量矩阵中的特征值；n为所述特征向量矩阵中的特征值的数量。

6.根据权利要求1所述的方法，其特征在于，所述微带全向天线的数量为三个；

根据多个所述微带全向天线与放电源的距离，确定所述变压器内局部放电源的位置的步骤，包括：

根据多个所述微带全向天线与放电源的距离，建立方程：

其中，坐标(x,y,z)为所述变压器内局部放电源的位置；(x_i,y_i,z_i)为第i个微带全向天线的位置，i＝1，2，3；L_i为第i个微带全向天线的位置与所述变压器内局部放电源的位置的距离。

7.一种变压器内局部放电源定位装置，其特征在于，所述装置包括：

信号采集模块，用于通过设置在变压器预设位置上的多个微带全向天线，采集所述变压器内局部放电产生的电磁波信号；

矩阵统计模块，用于统计每个所述微带全向天线采集的电磁波信号的二维统计矩阵；所述二维统计矩阵用于表征所述电磁波信号中放电相位与放电幅值的关系；

矩阵确定模块，用于根据所述二维统计矩阵，确定与放电特征相关联的特征向量矩阵；

距离输出模块，用于将所述特征向量矩阵输入至预先训练完成的回归模型，输出每个所述微带全向天线与放电源的距离；

位置确定模块，用于根据多个所述微带全向天线与放电源的距离，确定所述变压器内局部放电源的位置。

8.根据权利要求7所述的装置，其特征在于，所述矩阵统计模块，用于：

针对每个所述微带全向天线，统计该微带全向天线采集的电磁波信号中，每个放电相位上各个放电幅值发生的次数，得到该微带全向天线对应的二维统计矩阵。

9.根据权利要求7所述的装置，其特征在于，所述矩阵确定模块，用于：

对所述二维统计矩阵进行奇异值分解，得到与放电特征相关联的多个特征相位；

从所述二维统计矩阵中提取每个所述特征相位对应的特征向量；

多个所述特征相位对应的特征向量组成放电特征相关联的特征向量矩阵。

10.一种服务器，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器执行所述机器可执行指令以实现权利要求1至6任一项所述的方法。