CN110470956A - 一种电力设备局部放电超声定位方法 - Google Patents

Abstract

本发明公开了一种电力设备局部放电超声定位方法，包括用于采集局部放电超声信号的超声波传感器、信号调理电路、用于数据采集的多通道模/数转换电路以及用于处理数字信号的计算机；信号调理电路包含限幅电路、放大电路和滤波电路，限制电路中的最大电压，保护系统元器件不被损坏；放大电路为两级放大电路，当大倍数最大为100倍，用于放大有用信号；滤波电路保留超声信号有效频段，滤除其他频段的干扰信号；计算机用于对系统作出实时自适应调节的自适应滤波器。本发明应用LMP时延估计算法对含有随机脉冲噪声的局放信号进行时延估计，提升了在实际电力设备现场环境中局部放电故障的定位精度。

Description

一种电力设备局部放电超声定位方法

技术领域

本发明涉及电力设备局放超声定位技术领域，特别涉及到一种电力设备局部放电超声定位方法。

背景技术

超声波定位技术作为一种成本低、不受电磁干扰、非破坏性的故障定位技术被逐步应用于局部放电检测领域。其原理是利用伴随局放产生的超声信号到达传感器的时间差反推出局放源的位置。现有的应用于局放领域的时延估计方法有相关分析法、能量累积法和阈值法等。

目前产生局放的电力设备现场环境十分复杂，在检测中往往会遇到各种干扰，严重影响检测的灵敏度和可靠性。变电站现场检测的干扰信号通常包含白噪声、随机脉冲干扰和窄带干扰。现有的基于超声局放定位的时延估计方法都是以高斯白噪声进行背景噪声建模，而没有考虑到实际存在的随机脉冲干扰，因此在实际定位过程中往往导致定位精度差甚至定位失败等问题。

发明内容

本发明的目的在于针对现有技术中的不足，提供一种电力设备局部放电超声定位方法，以解决上述问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种电力设备局部放电超声定位方法，包括用于采集局部放电超声信号的超声波传感器、信号调理电路、用于数据采集的多通道模/数转换电路以及用于处理数字信号的计算机；

所述信号调理电路包含限幅电路、放大电路和滤波电路，限制电路中的最大电压，保护系统元器件不被损坏；放大电路为两级放大电路，当大倍数最大为100倍，用于放大有用信号；滤波电路保留超声信号有效频段，滤除其他频段的干扰信号；

所述计算机用于对系统作出实时自适应调节的自适应滤波器，计算机包括自适应滤波器和遗传算法，自适应滤波器采用LMP算法，其权系数矢量以及其他内部参数根据系统输入信号以及系统输入动态调整，根据自适应滤波器获得的不同传感器接收到局放信号的时间延迟建立声—声球面方程并通过遗传算法求解该方程得到局放源位置。

进一步，所述超声波传感器有四个，四个超声波传感器采集局部放电超声信号x(t)以及环境噪声n(t)，信号调理电路对采集到的信号进行放大、滤波预处理，而后将预处理的信号通过多通道模/数转换电路进行采集并送入计算机进行处理；

用于求解局放源位置的方程为：

其中T₁、T₂、T₃、T₄分别是局方超声信号到达四个超声波传感器的时间，L₁、L₂、L₃、L₄分别是局方源到达四个超声波传感器的距离；

得到到达时差为：

D₂₁＝T₂-T₁，D₃₁＝T₃-T₁，D₄₁＝T₄-T₁， (式2)

将时差带入方程可得到：

f_i(x,y,z,v_e)＝[(x-x_i)+(y-y_i)+(z-z_i)]^1/2-[(x-x₁)+(y-y₁)+(z-z₁)]^1/2-v_eD_i1(式3)

其中v_e为等值声速，(x_i，y_i，z_i)为第i个传感器的坐标，(x，y，z)为待求局放源坐标，D_i1为第i个传感器接收到的局放信号相对于作为基准传感器的第一个传感器的相对时延；

将式3转化为含有约束条件的最优化问题：

0≤x≤x_max，0≤y≤y_max，0≤z≤z_max (式4)

其中X_max、y_max、z_max分别为电力设备的长、宽、高；

自适应滤波器估计时延是将信号间的延迟效应转换为一个传递函数为H_S(f)的相移滤波器，采用最小平均p范数作为优化准则，在自适应迭代的过程中逐步实现对相移滤波器的模拟，其权矢量W(n)的峰值坐标即为时延估值D^∧；

局放时延信号X(n-D)经过自适应滤波器后的输出为：

y(n)＝X^T(n)*W(n) (式5)

式5中X(n)为系统当前输入与前k个时刻的输入组成的向量：

X(n)＝[x(n)x(n-1)x(n-2)...x(n-k)]^T (式6)

W(n)为系统k+1阶权系数矢量：

W(n)＝[w₀(n)w₁(n)w₂(n)...w_k(n)]^T (式7)

W(n)通过LMP最速下降法进行迭代，迭代公式为：

W(n+1)＝W(n)+μp|e(n)|^p-1sign(e(n))X₁(n) (式8)

式8中，e(n)为系统误差，

e(n)＝X₂(n)-W^T(n)X₁(n) (式9)

式8中，sign为符号函数，μ为迭代步长，其取值范围为：

0＜μ＜1/[(k+1)P_in] (式10)

其中k+1为权系数数目，Pin为输入信号功率，μ的具体取值根据系统计算能力、精度要求和收敛速度要求综合考量；

式8中，p取值范围为：

1≤p≤α (式11)

式11中，1≤α≤2 (式12)

时延估计值：D^＝arg max|w| (式13)

将得到的时延估值带入式4中并用遗传算法求解非线性方程组的最优化问题，最终得到局放源的三维坐标(x，y，z)；变量为x、y、z，采用二进制编码方式，种群总数50，使用赌轮盘产生随机数，采用奇偶交叉法产生子代，设定杂交概率为0.8，遗传概率为0.2，迭代终止次数为100。

与现有技术相比，本发明的有益效果如下：

本发明的通过采用LMPTDE算法来估计局放超声信号到达不同传感器的时延，由于其采用最小平均p范数最为优化准则，因此可以对电力设备临近设备的电晕等随机脉冲噪声干扰具有较好的鲁棒性，解决了传统时延估计算法如相关法等以高斯白噪声建模背景噪声而在脉冲噪声条件下时延估计精度差进而导致定位效果不好的问题，从而提升时延估计的精度来提升定位精度。

附图说明

图1为局方超声信号传播示意图。

图2为局放定位系统框图。

图3为移相滤波器模拟时间延时原理图。

图4为自适应滤波时间延迟估计原理图。

图5为计算机定位流程图。

图6为遗传算法流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1～图6，本发明所述的一种电力设备局部放电超声定位方法，应用LMP时延估计算法对含有随机脉冲噪声的局放信号进行时延估计。包括用于采集局部放电超声信号的超声波传感器、信号调理电路、用于数据采集的多通道模/数转换电路以及用于处理数字信号的计算机。

信号调理电路包含限幅电路、放大电路和滤波电路，限制电路中的最大电压，保护系统元器件不被损坏。放大电路为两级放大电路，当大倍数最大为100倍，用于放大有用信号。滤波电路保留超声信号有效频段，滤除其他频段的干扰信号。

计算机用于对系统作出实时自适应调节的自适应滤波器。计算机包括自适应滤波器和遗传算法，自适应滤波器采用LMP算法，其权系数矢量以及其他内部参数根据系统输入信号以及系统输入动态调整，根据自适应滤波器获得的不同传感器接收到局放信号的时间延迟建立声—声球面方程并通过遗传算法求解该方程得到局放源位置。

超声波传感器有四个，四个超声波传感器直接采集局部放电超声信号x(t)以及环境噪声n(t)。超声波传感器的位置附在电力设备的外壳，可根据实际情况移动。并通过信号调理电路对采集到的信号进行放大、滤波等预处理，而后将预处理的信号通过多通道模/数转换电路进行采集并送入计算机进行处理。

局放超声信号传播如图1所示。用于求解局放源位置的方程为：

其中T₁、T₂、T₃、T₄分别是局方超声信号到达四个超声波传感器的时间，L₁、L₂、L₃、L₄分别是局方源到达四个超声波传感器的距离。

但T1、T2、T3、T4我们无法直接得到，但到达时差可以得到：

D₂₁＝T₂-T₁，D₃₁＝T₃-T₁，D₄₁＝T₄-T₁， (式2)

将时差带入方程可得到：

f_i(x,y,z,v_e)＝[(x-x_i)+(y-y_i)+(z-z_i)]^1/2-[(x-x₁)+(y-y₁)+(z-z₁)]^1/2-v_eD_i1(式3)

其中v_e为等值声速，(x_i，y_i，z_i)为第i个传感器的坐标，(x，y，z)为待求局放源坐标，D_i1为第i个传感器接收到的局放信号相对于作为基准传感器的第一个传感器的相对时延。

显然式3为非线性方程组，没有具体的解析表达式，因此，将其转化为含有约束条件的最优化问题：

0≤x≤x_max，0≤y≤y_max，0≤z≤z_max (式4)

其中X_max、y_max、z_max分别为电力设备的长、宽、高；

自适应滤波器估计时延的原理是将信号间的延迟效应转换为一个传递函数为H_S(f)的相移滤波器，采用最小平均p范数作为优化准则，在自适应迭代的过程中逐步实现对相移滤波器的模拟，其权矢量W(n)的峰值坐标为时延估值D^∧。

局放时延信号X(n-D)经过自适应滤波器后的输出为：

y(n)＝X^T(n)*W(n) (式5)

式5中X(n)为系统当前输入与前k个时刻的输入组成的向量：

X(n)＝[x(n)x(n-1)x(n-2)...x(n-k)]^T (式6)

W(n)为系统k+1阶权系数矢量：

W(n)＝[w₀(n)w₁(n)w₂(n)...w_k(n)]^T (式7)

W(n)通过LMP最速下降法进行迭代，迭代公式为：

W(n+1)＝W(n)+μp|e(n)|^p-1sign(e(n))X₁(n) (式8)

式8中，e(n)为系统误差，

e(n)＝X₂(n)-W^T(n)X₁(n) (式9)

式8中，sign为符号函数，μ为迭代步长，其取值范围为：

0＜μ＜1/[(k+1)P_in] (式10)

其中k+1为权系数数目，Pin为输入信号功率，μ的具体取值根据系统计算能力、精度要求和收敛速度要求综合考量。

式8中，p取值范围为：

1≤p≤α (式11)

式11中，1≤α≤2 (式12)

时延估计值：D^＝arg max|w| (式13)

将得到的时延估值带入式4中并用遗传算法求解非线性方程组的最优化问题，最终得到局放源的三维坐标(x，y，z)。遗传算法的基本流程图如图6所示，变量为x、y、z，采用二进制编码方式，种群总数50，使用赌轮盘产生随机数，采用奇偶交叉法产生子代，设定杂交概率为0.8，遗传概率为0.2，迭代终止次数为100。

本发明采用在随机脉冲干扰下鲁棒性更好的LMP算法提升系统在非高斯噪声下的定位精度。采用含有随机脉冲的α稳定分布作为局放源的背景噪声建模，更加符合现场环境的实际情况，而LMP在α稳定分布噪声情况下的计算精度远高于其他基于高斯白噪声的时延估计算法，因此能够提高实际定位精度。本发明可以广泛适用于各种变电站的电力设备局放源的定位，只需将超声波传感器放置在设备箱体的表面，然后通过系统的采集计算即可获得局放源的真实坐标，制作成本低且易于实现。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (2)

1.一种电力设备局部放电超声定位方法，其特征在于：包括用于采集局部放电超声信号的超声波传感器、信号调理电路、用于数据采集的多通道模/数转换电路以及用于处理数字信号的计算机；

所述信号调理电路包含限幅电路、放大电路和滤波电路，限制电路中的最大电压，保护系统元器件不被损坏；放大电路为两级放大电路，当大倍数最大为100倍，用于放大有用信号；滤波电路保留超声信号有效频段，滤除其他频段的干扰信号；

所述计算机用于对系统作出实时自适应调节的自适应滤波器，计算机包括自适应滤波器和遗传算法，自适应滤波器采用LMP算法，其权系数矢量以及其他内部参数根据系统输入信号以及系统输入动态调整，根据自适应滤波器获得的不同传感器接收到局放信号的时间延迟建立声—声球面方程并通过遗传算法求解该方程得到局放源位置。

2.根据权利要求1所述的电力设备局部放电超声定位方法，其特征在于：所述超声波传感器有四个，四个超声波传感器采集局部放电超声信号x(t)以及环境噪声n(t)，信号调理电路对采集到的信号进行放大、滤波预处理，而后将预处理的信号通过多通道模/数转换电路进行采集并送入计算机进行处理；

用于求解局放源位置的方程为：

其中T₁、T₂、T₃、T₄分别是局方超声信号到达四个超声波传感器的时间，L₁、L₂、L₃、L₄分别是局方源到达四个超声波传感器的距离；

得到到达时差为：

D₂₁＝T₂-T₁，D₃₁＝T₃-T₁，D₄₁＝T₄-T₁， (式2)

将时差带入方程可得到：

f_i(x,y,z,v_e)＝[(x-x_i)+(y-y_i)+(z-z_i)]^1/2-[(x-x₁)+(y-y₁)+(z-z₁)]^1/2-v_eD_i1 (式3)

其中v_e为等值声速，(x_i，y_i，z_i)为第i个传感器的坐标，(x，y，z)为待求局放源坐标，D_i1为第i个传感器接收到的局放信号相对于作为基准传感器的第一个传感器的相对时延；

将式3转化为含有约束条件的最优化问题：

其中X_max、y_max、z_max分别为电力设备的长、宽、高；

自适应滤波器估计时延是将信号间的延迟效应转换为一个传递函数为H_S(f)的相移滤波器，采用最小平均p范数作为优化准则，在自适应迭代的过程中逐步实现对相移滤波器的模拟，其权矢量W(n)的峰值坐标即为时延估值D^∧；

局放时延信号X(n-D)经过自适应滤波器后的输出为：

y(n)＝X^T(n)*W(n) (式5)

式5中X(n)为系统当前输入与前k个时刻的输入组成的向量：

X(n)＝[x(n)x(n-1)x(n-2)...x(n-k)]^T (式6)

W(n)为系统k+1阶权系数矢量：

W(n)＝[w₀(n)w₁(n)w₂(n)...w_k(n)]^T (式7)

W(n)通过LMP最速下降法进行迭代，迭代公式为：

W(n+1)＝W(n)+μp|e(n)|^p-1sign(e(n))X₁(n) (式8)

式8中，e(n)为系统误差，

e(n)＝X₂(n)-W^T(n)X₁(n) (式9)

式8中，sign为符号函数，μ为迭代步长，其取值范围为：

0＜μ＜1/[(k+1)P_in] (式10)

其中k+1为权系数数目，Pin为输入信号功率，μ的具体取值根据系统计算能力、精度要求和收敛速度要求综合考量；

式8中，p取值范围为：

1≤p≤α (式11)

式11中，1≤α≤2 (式12)

时延估计值：D^∧＝arg max|w| (式13)

将得到的时延估值带入式4中并用遗传算法求解非线性方程组的最优化问题，最终得到局放源的三维坐标(x，y，z)；变量为x、y、z，采用二进制编码方式，种群总数50，使用赌轮盘产生随机数，采用奇偶交叉法产生子代，设定杂交概率为0.8，遗传概率为0.2，迭代终止次数为100。