CN112505501A - 一种基于电声联合的局部放电严重等级判别及预警方法 - Google Patents

Abstract

本发明公开了一种基于电声联合的局部放电严重等级判别及预警方法，属于局部放电联合监测技术领域。该方法首先对局部放电超高频信号和超声波信号进行采样并计算样本最大值；其次提取局部放电信号有效值，得到有效局部放电信号样本点；然后对有效局部放电信号样本点进行电压转换，得到局部放电超高频电压信号和超声波电压信号；再对超高频电压信号和超声波电压信号分别进行能量计算；统计单位时间内局部放电频次；根据局部放电评估参数统计计算评估因子；最后根据评估因子进行局部放电严重等级评估，趋势判断与预警。本发明能够实现电力设备中局部放电的及时预警，实现预知性、针对性的维修，保障高压电力设备安全运行。

Description

一种基于电声联合的局部放电严重等级判别及预警方法

技术领域

本发明属于局部放电联合监测技术领域，具体涉及一种用于电力设备局部放电的电声联合评估局部放电严重等级的方法，用于实现电力设备如高压电力设备中局放的电声联合在线监测与预警，为电力设备的安全运行提供保障。

背景技术

传统的定期检修和维护无法全面、真实、可靠反映设备运行过程中的状态，往往会严重影响安全判断的可靠性和准确度。由于高压开关柜的运行安全隐患是一个由渐变到质变的过程，这就使得针对影响开关柜安全的局部放电状况的连续式、在线式的主动实时监测具有极其现实的意义。

超声波检测较为简单，可以在设备表面不带电的部位安装传感器，与系统电源没有直接的电气联系，不会受到系统电源的电磁信号的干扰。但超声波检测系统也有其一定的缺点与制约性，比如信号衰减快使得检测范围较小、受机械振动干扰较大而且对于内部缺陷的灵敏度较低。

超高频检测法的优点是灵敏度高、有效消除低频信号、远距离地定位故障点、识别绝缘缺陷类型，因此可以更准确地判断设备绝缘是否发生局部放电。但因为电磁波的特性，该技术也存在一些缺点，如易受到超高频电磁干扰的影响、对金属全封闭的设备检测困难等。

因此，单一的运用某种检测方法，可能存在着一定局限性，并不能全面、客观、真实的反映被检设备的运行状况，有时甚至出现误判断。但是结合超高频法和超声波法两种检测方法各自优势,构成电声信号联合检测,可增强检测的灵敏度,增强抗干扰能力,提高对干扰源有特殊的抗干扰能力。所以，构建电声联合检测方法，对测试数据进行专业分析才能实现对高压开关柜运行状况真实、客观的评估，从而做出科学、合理的决策。

发明内容

有鉴于此，本发明提供了一种基于电声联合的局部放电严重等级判别及预警方法，通过对电力设备内局部放电的超高频电磁波信号和超声波信号的综合分析，以及对局放严重等级进行科学评估，实现电力设备中局部放电的及时预警，实现预知性、针对性的维修，保障高压电力设备安全运行。

一种基于电声联合的局部放电严重等级判别及预警方法，该方法实现的步骤如下：

步骤一：对局部放电超高频信号和超声波信号进行采样并计算样本最大值；

步骤二：提取局部放电信号有效值，得到有效局部放电信号样本点；

步骤三：对有效局部放电信号样本点进行电压转换，得到局部放电超高频电压信号和超声波电压信号；

步骤四：对超高频电压信号和超声波电压信号分别进行能量计算；

步骤五：统计单位时间内局部放电频次；

步骤六：根据局部放电评估参数统计计算评估因子；

步骤七：根据评估因子进行局部放电严重等级评估，趋势判断与预警。

进一步地，所述步骤一中采样和计算样本最大值的过程包括，采集局部放电超高频信号S₀(x₁,x₂,x₃…x_n)，n表示局部放电信号中样本点数，计算样本点最大值：

采集局部放电超声波信号A₀(α₁,α₂,α₃…α_n)，计算样本点最大值：

进一步地，所述步骤二中得到有效局部放电信号样本点的过程包括：

设置局部放电超高频信号的阈值α(0<α<1)，对局部放电信号的样本点S₀进行筛选，大于阈值α的信号样本点为有效样本，得到有效局部放电信号样本点：

S₁＝(y₁,y₂,y₃,…,y_m)

其中m为有效样本点的数目，m≤n；

同理对局放超声波信号进行上述处理，得到有效局部放电信号样本点：

A₁(β₁,β₂,β₃…β_l)。

进一步地，所述步骤三中，局部放电超高频电压信号为S₂(z₁,z₂,z₃,…,z_m)，超声波电压信号为A₂(γ₁,γ₂,γ₃...γ_l)，z_i＝κ₁·y_i；γ_i＝κ₂·β_i；

其中，κ₁、κ₂分别对应超高频信号和超声波信号的电压转换系数。

进一步地，所述步骤四中能量计算的过程包括：

已知S₂和A₂的样本点之间的时间间隔为t₁、t₂，则基于超高频与超声波信号的局部放电能量分别为：

进一步地，所述步骤五中局部放电频次统计的过程包括：

采用局放电声联合在线监测主机进行系统采样，分别设置超高频局放信号采集阈值μ₁、超声波局放信号采集阈值μ₂，当局放信号超过采集阈值则系统采样成功，此时记做发生局放1次；单位时间T内完成N次超高频局放信号和N次超声波信号采集。对于每个T周期内，分别统计超高频局放信号N₁和超声波局放信号N₂。

进一步地，所述步骤六中统计计算评估因子的过程包括：

在周期T内，重复步骤一至步骤四，得到N₁组超高频局部放电的参数x_max、E_S和N₂组α_max、E_A；

对该系列数据进行如下统计平均处理：

评估因子P

式中λ₁，λ₂，λ₃是与系统测量量程相关的归一化常数，λ₃＝2N，

(N₁+N₂)∈[0,λ₃]，P∈[0,100]。

进一步地，所述步骤7中进行局部放电严重等级评估的过程是：

以2N·T为评估周期计算评估因子P，建立局部放电严重等级评估机制；

趋势判断与预警的过程是：

根据评估因子P进行趋势分析，计算评估因子P的变化趋势，即计算当前评估因子P_i相较的评估因子最优统计平均值P_ξ计算出ΔP；

ΔP＝P_i-P_ξ

对(P₁,P₂,P₃.......P_i)序列进行最优统计平均值P_ξ的计算；

首先计算前i-1项评估因子的平均值，

计算i-1项评估因子的方差δ；

以

分别作为上下临界线，剔除不在范围之内的评估因子，并构成新的评估因子序列(P₁',P₂',P₃'.......P_k')，对该序列求平均值即得到最优统计平均值P_ξ；

设置ΔP阈值ε₀(ε₀>0)，若ΔP>ε₀，ΔP值超过阈值，评估因子P的出现阶跃，即局部放电现象出现严重恶化现象，立刻进行报警。

有益效果：

本发明通过对局部放电发生时产生的超高频信号和超声波信号进行联合分析，建立了电力设备局部放电严重等级的评估及科学预警方法。该电声联合方法克服了传统的单一检测手段的局限性，全面、客观、真实反映被检设备的局部放电状态。该方法一方面可以实现电力设备中局部放电异常的及时报警，另一方面可以预测电力设备局部放电的发展趋势，实现异常趋势预警，该方法对于电力设备的预知性、针对性的维修，高压电力设备的安全运行，经济效益与社会效益的提升都具有重要现实意义。

附图说明

图1为本发明局部放电严重等级判别及预警方法实现的步骤流程图；

图2为实施例中评估因子出现阶跃的曲线图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种基于电声联合的局部放电严重等级判别及预警方法，该方法实现的步骤如下：

步骤一：采样并计算样本最大值

采集局部放电超高频信号S₀(x₁,x₂,x₃…x_n)，n表示局部放电信号中样本点数。

计算样本点最大值：

采集局部放电超声波信号A₀(α₁,α₂,α₃…α_n)

计算样本点最大值：

步骤二：提取局部放电信号有效值，得到有效局部放电信号样本

设置局部放电超高频信号的阈值α(0<α<1)，对局部放电信号的样本点S₀进行筛选，大于阈值α的信号样本点为有效样本，得到有效局部放电信号样本点：

S₁＝(y₁,y₂,y₃,…,y_m)

其中m为有效样本点的数目，m≤n。

同理对局放超声波信号进行上述处理，得到有效局部放电信号样本点：

A₁(β₁,β₂,β₃…β_l)

步骤三：电压转换

对局部放电信号S₁和A₁进行电压转换，得到局部放电超高频电压信号S₂(z₁,z₂,z₃,…,z_m)和超声波电压信号A₂(γ₁,γ₂,γ₃...γ_l)。

z_i＝κ₁·y_i；γ_i＝κ₂·β_i

其中，κ₁、κ₂分别对应超高频信号和超声波信号的电压转换系数。

步骤四：局部放电能量计算

对局部放电超高频电压信号S₂(z₁,z₂,z₃,…,z_m)和超声波电压信号A₂(γ₁,γ₂,γ₃...γ_l)分别进行能量计算。

已知S₂和A₂的样本点之间的时间间隔为t₁、t₂，则基于超高频与超声波信号的局部放电能量分别为：

步骤五：单位时间T内局部放电频次统计

采用局放电声联合在线监测主机进行系统采样，分别设置超高频局放信号采集阈值μ₁、超声波局放信号采集阈值μ₂，当局放信号超过采集阈值则系统采样成功，此时记做发生局放1次。

单位时间T内完成N次超高频局放信号和N次超声波信号采集。对于每个T周期内，分别统计超高频局放信号N₁和超声波局放信号N₂。

步骤六：局部放电评估参数统计与评估因子P计算

在周期T内，重复步骤1-步骤4，得到N₁组超高频局部放电的参数x_max、E_S和N₂组α_max、E_A。

对该系列数据进行如下统计平均处理：

评估因子P

式中λ₁，λ₂，λ₃是与系统测量量程相关的归一化常数，λ₃＝2N，

(N₁+N₂)∈[0,λ₃]，P∈[0,100]。

步骤七：局放严重等级评估和趋势判断与预警

(1)严重等级评估：采用电声联合方法实时监测局部放电，以2N·T为评估周期计算评估因子P，建立局部放电严重等级评估机制，如下表，监测系统根据阈值进行报警。

序号	评估因子P	严重等级
			1	0	无放电
2	(0,ε<sub>1</sub>]	轻
			3	(ε<sub>1</sub>,ε<sub>2</sub>]	中
4	(ε<sub>2</sub>,100]	高

(2)趋势判断与预警

电力设备的预知性、针对性的维修至关重要，采用趋势判断来实现预警。

根据评估因子P进行趋势分析，计算评估因子P的变化趋势，即计算当前评估因子P_i相较的评估因子最优统计平均值P_ξ计算出ΔP。

ΔP＝P_i-P_ξ

对(P₁,P₂,P₃.......P_i)序列进行最优统计平均值P_ξ的计算。

首先计算前i-1项评估因子的平均值，

计算i-1项评估因子的方差δ。

以

分别作为上下临界线，剔除不在范围之内的评估因子，并构成新的评估因子序列(P₁',P₂',P₃'.......P_k')，对该序列求平均值即得到最优统计平均值P_ξ。

设置ΔP阈值ε₀(ε₀>0)，若ΔP>ε₀，ΔP值超过阈值，评估因子P的出现阶跃，即局部放电现象出现严重恶化现象，立刻进行报警。如附图2所示。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于电声联合的局部放电严重等级判别及预警方法，其特征在于，该方法实现的步骤如下：

步骤一：对局部放电超高频信号和超声波信号进行采样并计算样本最大值；

步骤二：提取局部放电信号有效值，得到有效局部放电信号样本点；

步骤三：对有效局部放电信号样本点进行电压转换，得到局部放电超高频电压信号和超声波电压信号；

步骤四：对超高频电压信号和超声波电压信号分别进行能量计算；

步骤五：统计单位时间内局部放电频次；

步骤六：根据局部放电评估参数统计计算评估因子；

步骤七：根据评估因子进行局部放电严重等级评估，趋势判断与预警。

2.如权利要求1所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤一中采样和计算样本最大值的过程包括，采集局部放电超高频信号S₀(x₁,x₂,x₃…x_n)，n表示局部放电信号中样本点数，计算样本点最大值：

采集局部放电超声波信号A₀(α₁,α₂,α₃…α_n)，计算样本点最大值：

3.如权利要求2所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤二中得到有效局部放电信号样本点的过程包括：

设置局部放电超高频信号的阈值α(0<α<1)，对局部放电信号的样本点S₀进行筛选，大于阈值α的信号样本点为有效样本，得到有效局部放电信号样本点：

S₁＝(y₁,y₂,y₃,…,y_m)

其中m为有效样本点的数目，m≤n；

同理对局放超声波信号进行上述处理，得到有效局部放电信号样本点：

A₁(β₁,β₂,β₃…β_l)。

4.如权利要求3所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤三中，局部放电超高频电压信号为S₂(z₁,z₂,z₃,…,z_m)，超声波电压信号为A₂(γ₁,γ₂,γ₃...γ_l)，z_i＝κ₁·y_i；γ_i＝κ₂·β_i；

其中，κ₁、κ₂分别对应超高频信号和超声波信号的电压转换系数。

5.如权利要求4所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤四中能量计算的过程包括：

已知S₂和A₂的样本点之间的时间间隔为t₁、t₂，则基于超高频与超声波信号的局部放电能量分别为：

6.如权利要求5所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤五中局部放电频次统计的过程包括：

采用局放电声联合在线监测主机进行系统采样，分别设置超高频局放信号采集阈值μ₁、超声波局放信号采集阈值μ₂，当局放信号超过采集阈值则系统采样成功，此时记做发生局放1次；单位时间T内完成N次超高频局放信号和N次超声波信号采集。对于每个T周期内，分别统计超高频局放信号N₁和超声波局放信号N₂。

7.如权利要求6所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤六中统计计算评估因子的过程包括：

在周期T内，重复步骤一至步骤四，得到N₁组超高频局部放电的参数x_max、E_S和N₂组α_max、E_A；

对该系列数据进行如下统计平均处理：

评估因子P

式中λ₁，λ₂，λ₃是与系统测量量程相关的归一化常数，λ₃＝2N，

(N₁+N₂)∈[0,λ₃]，P∈[0,100]。

8.如权利要求7所述的基于电声联合的局部放电严重等级判别及预警方法，其特征在于，所述步骤7中进行局部放电严重等级评估的过程是：

以2N·T为评估周期计算评估因子P，建立局部放电严重等级评估机制；

趋势判断与预警的过程是：

根据评估因子P进行趋势分析，计算评估因子P的变化趋势，即计算当前评估因子P_i相较的评估因子最优统计平均值P_ξ计算出ΔP；

ΔP＝P_i-P_ξ

对(P₁,P₂,P₃.......P_i)序列进行最优统计平均值P_ξ的计算；

首先计算前i-1项评估因子的平均值，

计算i-1项评估因子的方差δ；

以

分别作为上下临界线，剔除不在范围之内的评估因子，并构成新的评估因子序列(P₁',P₂',P₃'.......P_k')，对该序列求平均值即得到最优统计平均值P_ξ；

设置ΔP阈值ε₀(ε₀>0)，若ΔP>ε₀，ΔP值超过阈值，评估因子P的出现阶跃，即局部放电现象出现严重恶化现象，立刻进行报警。

Images