CN112698160A - 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 - Google Patents
开关柜局部放电故障识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112698160A CN112698160A CN202011381692.0A CN202011381692A CN112698160A CN 112698160 A CN112698160 A CN 112698160A CN 202011381692 A CN202011381692 A CN 202011381692A CN 112698160 A CN112698160 A CN 112698160A
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- transient voltage
- ground
- local
- 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
Links
Images
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请涉及一种开关柜局部放电故障识别方法、装置、计算机设备和存储介质。方法包括：获取开关柜暂态对地电压信号；对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；提取所述第一数据的特征参数，生成第二数据；利用预设自适应放射传播聚类模型对所述第二数据进行聚类分析，得到故障识别结果。采用本方法能够滤除采集到的TEV信号中的周期性干扰噪声，对开关柜局部放电的故障类型进行高效准确的诊断。
Description
技术领域
本申请涉及高压电气设备领域，特别是涉及一种开关柜局部放电故障识别方法、装置、计算机设备和存储介质。
背景技术
开关柜是电力系统中用量最大的高压设备之一，其内部绝缘部分的缺陷引起局部放电影响着整个电网是否安全稳定运行，因此对其进行绝缘监测具有重要意义，其中局部放电检测是一种有效的绝缘检测方法。开关柜的局部放电过程中会产生暂态对地电压信号，现有的暂态对地电压检测法是在开关柜表面安装外置传感器，采集局部放电过程中产生的暂态对地电压信号，基于暂态对地电压信号确定故障类型。
在采集暂态对地电压信号的同时会接收到背景噪声；难以和局部放电信号进行区分；也难以对局部放电的故障类型进行高效准确的诊断。
发明内容
基于此，有必要针对上述技术问题，提供一种开关柜局部放电故障识别方法、装置、计算机设备和存储介质。
为了实现上述目的，一方面，本申请实施例提供了一种开关柜局部放电故障识别方法，包括：
获取开关柜暂态对地电压信号；
对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
提取所述第一数据的特征参数，生成第二数据；
对所述第二数据进行聚类分析，得到故障识别结果。
在其中一个实施例中，所述第一数据为第一乘积函数分量PF1。
在其中一个实施例中，所述第二数据包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1；平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2；以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
在其中一个实施例中，所述对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据包括：
计算暂态对地电压信号的局域极值点；
根据所述暂态对地电压信号的局域极值点确定所述暂态对地电压信号对应的局域均值函数和局域包络函数；
从所述暂态对地电压信号中分离所述局域均值函数，并利用所述局域包络函数对分离后的信号进行解调，生成与所述暂态对地电压信号对应的频率调制信号；
若所述频率调制信号为非纯调频信号，则以所述非纯调频信号更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至所述频率调制信号为纯调频信号；
根据迭代处理过程中产生的所有局域包络函数的乘积确定第一个乘积函数分量PF1的包络信号，并根据所述第一个乘积函数分量PF1的包络信号与相对应的纯调频信号的乘积生成第一乘积函数分量PF1；
从所述第一乘积函数分量PF1对应的暂态对地电压信号中减去所述第一乘积函数分量PF1以确定新信号u1(t)，并判断u1(t)是否为无极值点的单调函数；若否，则以u1(t)更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至u1(t)为无极值点的单调函数。
另一方面，本申请实施例中还提供了一种开关柜局部放电故障识别装置，包括：信号获取模块，用于获取开关柜暂态对地电压信号；
滤波模块，用于对暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
特征参数提取模块，用于提取第一数据的特征参数，生成第二数据；
分析识别模块，用于对第二数据进行聚类分析，得到故障识别结果。
在其中一个实施例中，第二数据包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1、平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2、以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上的方法的步骤。
本申请提供的开关柜局部放电故障识别方法、装置、计算机设备和存储介质基于暂态对地电压信号，对暂态对地电压信号进行局域均值分解滤波处理，生成第一数据，提取第一数据的特征参数，对第二数据进行聚类分析，从而得到故障识别结果。本申请中的技术方案采集局部放电过程中产生的暂态对地电压信号，对地电压信号进行局域均值分解滤波处理，提取特征参数，通过模式识别算法进行模式识别，能够降低表征局部放电的暂态对地电压信号中的噪声信号，同时能够对局部放电的故障类型进行高效准确的诊断。
附图说明
图1为一个实施例中开关柜局部放电故障识别方法的应用环境图；
图2为一个实施例中开关柜局部放电故障识别方法的流程示意图；
图3为一个实施例中对暂态对地电压信号进行局域均值分解滤波处理步骤的流程示意图；
图4为一个实施例中开关柜局部放电故障识别装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的开关柜局部放电故障识别方法可以应用于如图1所示的开关柜局部放电检测系统中。所述开关柜局部放电检测系统可以包括采集装置100、控制装置102、服务器104等。其中，所述采集装置能够实时采集局部放电信号；所述控制装置可以包括计算机设备，所述计算机设备可以但不限于是工业计算机、笔记本电脑，智能手机、平板电脑和便携式可穿戴设备。本申请提供的局部放电脉冲特征提取方法可以通过计算机设备实现，所述采集装置可以将采集的数据传送至计算机设备中。计算机设备可对采集到的数据进行初步处理，将处理后的数据传送至服务器中，调用算法模型对信号进行识别处理、并存储信号数据，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，也可以在控制装置内对采集到的数据进行本地化处理，数据预处理，故障识别等操作集中在控制装置中。
在一个实施例中，如图2所示，提供了一种开关柜局部放电故障识别方法，以该方法应用于图1中的系统为例进行说明，包括以下步骤：
S100，获取开关柜暂态对地电压信号。
其中，开关柜局部放电会在开关柜金属外壳上产生对地电位，称之为暂态对地电压(Transient Earth Voltage，TEV)。TEV为局部放电引起的时变电磁波在开关柜表面形成的瞬时点位，与波阻抗有关，开关柜金属外壳对TEV信号具有明显的抑制作用，TEV信号是电磁波从金属外壳壳体不连续的地方泄露而形成。电磁波在金属壳内表面形成电荷的短时重新分布，金属壳表面将产生暂态对地电位的变化，利用检测装置可检测到这些暂态电位的变化，以此间接反映开关柜内部放电的情况。其中，检测装置可以为容性探头。
具体地，所述暂态对地电压信号包括噪声信号。进一步地，所述暂态对地电压信号可由紧贴在开关柜金属外壳的检测装置采集。所述检测装置将采集的暂态对地电压信号发送至控制装置。
进一步地，检测装置包括传感器和放大器。传感器可采用TEV传感器。
S200，对暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
其中，第一数据是对采集后的暂态对地电压信号进行预处理后得到的信号数据。具体地，第一数据是采集的暂态对地电压信号经过滤除周期性窄带干扰信号得到的信号数据。
基于局部均值分解算法(Local Mean Decomposition,LMD)对暂态对地电压信号进行去噪处理，滤除该采集数据中的周期性窄带干扰信号，生成第一数据，分解为若干个乘积函数。
局部均值分解是一种时频分析方法，LMD将信号分解成一组乘积函数(ProductionFunction，PF)，每一个PF都是一个包络信号和一个调频信号的乘积，包络信号就是该PF分量的瞬时幅值，PF的瞬时频率可以由纯调频信号直接求出。
S300，提取第一数据的特征参数，生成第二数据；
所述特征参数为表征TEV信号特征的参数，第二数据为特征参数的集合。
S400，对第二数据进行聚类分析，得到故障识别结果。
在其中一个实施例中，第一数据为对暂态对地电压信号进行局域均值分解滤波后，提取的第一乘积函数分量PF1。
具体地，TEV信号分解在PF1层，幅度调制信号和频率调制信号根据频带的不同分解在PF2层和PF3层，其他层为剩余的分解分量。
在其中一个实施例中，对第一乘积函数分量PF1进行信号特征参数提取，所述特征参数包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1、平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2、以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
具体地，最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-表征最大放电量相位分布图谱负半轴脉冲个数与相位区间个数的比值。
具体地，最大放电量相位分布下的第一互相关因数CC1用来评估最大放电量相位分布下正负半周分布的形状上的差别。CC1＝1表示完全对称，CC1＝0表示完全不对称。
其中，x是正半周相位窗口中的离散值，xj是正半周相位窗口中的离散点值，M是正半周相位窗口中的离散点总数；y是负半周相应的相位窗口中的离散值，yk是负半周相应的相位窗口中的离散点值，N是负半周相应的相位窗口中的离散点总数；n是每半个周期内相位窗口的个数。
具体地，平均放电量相位分布上的负半周期偏斜度Sk-用来表明负图谱半周的分布关于正态分布的不对称度。
其中，x是离散值，Pi是xi的概率，xi是负图谱半周的离散点值，m是负图谱半周离散点总数，μ是负图谱半周分布的平均值，σ是负图谱半周的标准偏差。
具体地，平均放电量相位分布下的第二互相关因数CC2，用来评估平均放电量相位分布下正负半周分布的形状上的差别。CC2＝1表示完全对称，CC2＝0表示完全不对称。第二互相关因数CC2的数学表达式与第一互相关因数CC1的定义，区别仅在于，相关参数为平均放电量相位分布下的参数。
其中，x是正半周相位窗口中的离散值，xj是正半周相位窗口中的离散点值，M是正半周相位窗口中的离散点总数；y是负半周相应的相位窗口中的离散值，yk是负半周相应的相位窗口中的离散点值，N是负半周相应的相位窗口中的离散点总数；n是每半个周期内相位窗口的个数。
具体地，放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+表征放电次数相位上的正半周脉冲个数与相位区间个数的比值。
具体地，放电次数相位分布下的第三互相关因数CC3用来评估放电次数相位分布下正负半周分布的形状上的差别。CC2＝1表示完全对称，CC2＝0表示完全不对称。第三互相关因数CC3的数学表达式与第一互相关因数CC1的定义，区别仅在于，相关参数为放电次数相位分布下的参数。
其中，x是正半周相位窗口中的离散值，xj是正半周相位窗口中的离散点值，M是正半周相位窗口中的离散点总数；y是负半周相应的相位窗口中的离散值，yk是负半周相应的相位窗口中的离散点值，N是负半周相应的相位窗口中的离散点总数；n是每半个周期内相位窗口的个数。
在其中一个实施例中，利用预设模式识别分类模型对所述第二数据进行聚类分析，得到故障识别结果。
预设模式识别分类模型可为分层聚类模型、两步聚类模型、谱系聚类模型、R型聚类模型。
在其中一个实施例中，所述模式识别分类模型为自适应仿射传播聚类模型。
自适应仿射传播聚类算法对TEV信号的分析和识别分类，充分考虑了局部放电TEV信号的特性以及噪声信号的统计特性，自适应仿射传播聚类算法通过自适应扫描偏向参数空间来搜索聚类个数以寻求最优聚类结果、自适应调整阻尼因子来消除震荡以及当调整阻尼因子失效时可以自适应采用逃离震荡技术，实现高效的模式分类。
具体地，第二数据作为聚类模型的输入，经过预设自适应仿射传播聚类模型进行聚类分析，从而得到故障识别结果。
在其中一个实施例中，利用检测装置对多种故障缺陷模型产生的TEV数据进行连续采集，每种故障缺陷模型采集50个工频周期，并记录50组TEV数据，对其进行归一化，提取特征参数，形成M×N的数据集，M为特征参数量，N为样本个数。对数据集基于自适应仿射传播聚类算法进行迭代运算，迭代结束后获得一系列不同聚类数目的聚类结果，采用Sihouette指标进行聚类有效性评测。对得到不同缺陷下的暂态对地电压信号进行模式分类，从而实现开关柜的局部放电故障类型诊断。与现有的仿射传播聚类算法相比设计了自适应阻尼技术来实时调整阻尼因子，从而消除震荡；启动自适应逃离震荡技术，即离开原先的偏向参数p；设计了扫描偏向参数空间的方法来搜索聚类个数空间，其中包含了一系列具有不同聚类数的聚类结果。根据聚类有效性指标从中找出最优的聚类结果，并记录相应的聚类数，生成自适应仿射传播聚类模型。
在其中一个实施例中，对暂态对地电压信号进行局域均值分解滤波处理，生成第一数据S200包括：
S210，计算暂态对地电压信号的局域极值点；
S220，根据所述暂态对地电压信号的局域极值点确定所述暂态对地电压信号对应的局域均值函数和局域包络函数；
S230，从所述暂态对地电压信号中分离所述局域均值函数，并利用所述局域包络函数对分离后的信号进行解调，生成与所述暂态对地电压信号对应的频率调制信号；
具体地，从暂态对地电压信号中分离出局域均值函数m11(t)，得到h11(t)，再对其进行解调，得到频率调制信号s11(t)：
h11(t)＝x(t)-m11(t)
s11(t)＝h11(t)/a11(t)
S240，若所述频率调制信号为非纯调频信号，则以所述非纯调频信号更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至所述频率调制信号为纯调频信号；
S250，根据迭代处理过程中产生的所有局域包络函数的乘积确定第一个乘积函数分量PF1的包络信号，并根据所述第一个乘积函数分量PF1的包络信号与相对应的纯调频信号的乘积生成第一乘积函数分量PF1；
具体地，将所有迭代过程中产生的局域包络函数相乘得到第一个乘积函数分量PF1的包络信号a1(t)：
第一个乘积函数分量PF1的包络信号与相对应的纯调频信号相乘，生成第一乘积函数分量PF1。
具体地，将所述包络信号a1(t)与相对应的纯调频信号s1n(t)相乘，便可得到原始信号x(t)的第一个PF分量：
PF1(t)＝a1(t)s1n(t)
S260，从所述第一乘积函数分量PF1对应的暂态对地电压信号中减去所述第一乘积函数分量PF1以确定新信号u1(t)，并判断u1(t)是否为无极值点的单调函数；若否，则以u1(t)更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至u1(t)为无极值点的单调函数。
具体地，u1(t)为无极值点的单调函数时，至此，采集数据的LMD分解完成。局部放电信号能够清晰地分解在PF1层，幅度调制信号和频率调制信号根据频带的不同分解在PF2层和PF3层，其他层为剩余的分解分量。
具体地，根据所述暂态对地电压信号的局域极值点确定所述暂态对地电压信号对应的局域均值函数和局域包络函数的步骤包括：
S221，计算暂态对地电压信号的所有局域极值点以及每两个相邻的局域极值点的平均值；
S222，根据局域极值点计算包络估计值；
具体地，计算所有的包络估计值(a1，a2，…ai，...)，即每两个相邻的局域极值点的差值的一半；
ai＝|ni-ni+1|/2
S223，根据移动平均法对局域极值点的平均值和包络估计值作平滑处理，得到局域均值函数和局域包络函数；
具体地，分别用线段连接所有的局域均值和所有的包络估计值，再用移动平均法对其作平滑处理，得到局域均值函数m11(t)和局域包络函数a11(t)。
具体地，计算暂态对地电压信号的所有局域极值点以及每两个相邻的局域极值点的平均值步骤包括：
S2210，计算所述暂态对地电压信号的所有局部极值点和所述极值点对应的时刻；
采集的暂态对地电压信号记作x(t)，为离散时间序列，计算所有的局域极值点(n1，n2，…ni，...)；
S2212，计算所有的局域均值(m1，m2，…mi，...)，即每两个相邻的局域极值点的平均值；
mi＝(ni+ni+1)/2
本申请通过对采集到的暂态对地电压信号采用局域均值分解算法，对信号中的周期性窄带干扰有很好的抑制作用，减小了背景噪音对局放信号的干扰影响，提高了暂态对地电压信号的有效性。通过自适应仿射传播聚类算法进行模式识别，解决了仿射传播聚类算法时常发生震荡而不能收敛、难以找到最优聚类结果的问题，根据聚类效果能总结出特征量的具体数值，为局放类型的判断提供量化标准，提高故障诊断的准确性。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供一种开关柜局部放电故障识别装置，其特征在于，包括：
信号获取模块，用于获取开关柜暂态对地电压信号；
滤波模块，用于对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
第一数据是原始采集的暂态对地电压信号经过滤除周期性窄带干扰信号得到的数据。
特征参数提取模块，用于提取所述第一数据的特征参数，生成第二数据；
所述特征参数为表征TEV信号特征的参数，第二数据为特征参数的集合。
分析识别模块，用于对所述第二数据进行聚类分析，得到故障识别结果。
具体地，第二数据作为聚类模型的输入，经过预设自适应仿射传播聚类模型进行聚类分析，从而得到故障识别结果。
具体地，信号获取模块工作过程中，所述暂态对地电压信号包括噪声信号。进一步地，所述暂态对地电压信号可由紧贴在开关柜金属外壳的检测装置采集。所述检测装置将采集的暂态对地电压信号发送至控制装置。
具体地，基于局部均值分解算法(Local Mean Decomposition,LMD)对暂态对地电压信号进行去噪处理，滤除该采集数据中的周期性窄带干扰信号，生成第一数据，分解为若干个乘积函数。
进一步地，上述开关柜局部放电故障识别装置，还包括特征参数提取模块，提取的特征参数包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1；平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2；以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
进一步地，所述开关柜局部放电故障识别装置中信号获取模块用于获取局部放电激励下的暂态对地电压信号，所述暂态对地电压信号由安装在开关柜表面的检测装置获取。
进一步地，所述开关柜局部放电故障识别装置中信号获取模块检测装置包括传感器和放大器。具体地，传感器可采用TEV传感器。
关于开关柜局部放电故障识别装置的具体限定可以参见上文中对于开关柜局部放电故障识别方法的限定，在此不再赘述。上述开关柜局部放电故障识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储开关柜局部放电TEV信号数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种开关柜局部放电故障识别方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种开关柜局部放电故障识别方法，其特征在于，所述方法包括：
获取开关柜暂态对地电压信号；
对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
提取所述第一数据的特征参数，生成第二数据；
对所述第二数据进行聚类分析，得到故障识别结果。
2.根据权利要求1所述的方法，其特征在于，所述第一数据为第一乘积函数分量PF1。
3.根据权利要求2所述的方法，其特征在于，所述第二数据包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1；平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2；以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
4.根据权利要求1所述的方法，其特征在于，利用预设模式识别分类模型对所述第二数据进行聚类分析，得到故障识别结果。
5.根据权利要求4所述的方法，其特征在于，所述模式识别分类模型为自适应仿射传播聚类模型。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据包括：
计算暂态对地电压信号的局域极值点；
根据所述暂态对地电压信号的局域极值点确定所述暂态对地电压信号对应的局域均值函数和局域包络函数；
从所述暂态对地电压信号中分离所述局域均值函数，并利用所述局域包络函数对分离后的信号进行解调，生成与所述暂态对地电压信号对应的频率调制信号；
若所述频率调制信号为非纯调频信号，则以所述非纯调频信号更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至所述频率调制信号为纯调频信号；
根据迭代处理过程中产生的所有局域包络函数的乘积确定第一个乘积函数分量PF1的包络信号，并根据所述第一个乘积函数分量PF1的包络信号与相对应的纯调频信号的乘积生成第一乘积函数分量PF1；
从所述第一乘积函数分量PF1对应的暂态对地电压信号中减去所述第一乘积函数分量PF1以确定新信号u1(t)，并判断u1(t)是否为无极值点的单调函数；若否，则以u1(t)更新暂态对地电压信号，并返回至计算暂态对地电压信号的局域极值点的步骤进行迭代处理，直至u1(t)为无极值点的单调函数。
7.一种开关柜局部放电故障识别装置，其特征在于，包括：
信号获取模块，用于获取开关柜暂态对地电压信号；
滤波模块，用于对所述暂态对地电压信号进行局域均值分解滤波处理，生成第一数据；
特征参数提取模块，用于提取所述第一数据的特征参数，生成第二数据；
分析识别模块，用于对所述第二数据进行聚类分析，得到故障识别结果。
8.根据权利要求7所述的开关柜局部放电故障识别装置，其特征在于，所述第二数据包括：最大放电量相位分布Hqmax(φ)的负半周期峰值个数Pe-和最大放电量相位分布下的第一互相关因数CC1；平均放电量相位分布Hqmean(φ)上的负半周期偏斜度Sk-和平均放电量相位分布下的第二互相关因数CC2；以及放电次数相位分布Hn(φ)上的正半周期峰值个数Pe+和放电次数相位分布下的第三互相关因数CC3。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011381692.0A CN112698160A (zh) | 2020-12-01 | 2020-12-01 | 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011381692.0A CN112698160A (zh) | 2020-12-01 | 2020-12-01 | 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112698160A true CN112698160A (zh) | 2021-04-23 |
Family
ID=75506113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011381692.0A Pending CN112698160A (zh) | 2020-12-01 | 2020-12-01 | 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112698160A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453283A (zh) * | 2022-08-25 | 2022-12-09 | 贵州电网有限责任公司 | 一种二合一的局放传感器检测装置及方法 |
| CN117590142A (zh) * | 2024-01-19 | 2024-02-23 | 杭州万禾电力科技有限公司 | 基于深度学习的开关柜故障诊断方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558529A (zh) * | 2013-11-14 | 2014-02-05 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
| CN107918092A (zh) * | 2017-12-12 | 2018-04-17 | 北京交通大学 | 一种开关柜局部放电暂的放电量检测方法 |
| CN110031729A (zh) * | 2018-12-08 | 2019-07-19 | 全球能源互联网欧洲研究院 | 局部放电信号源的检测方法、系统及数据融合分析单元 |
| CN110907770A (zh) * | 2019-11-28 | 2020-03-24 | 深圳供电局有限公司 | 局部放电脉冲特征提取方法、装置、计算机设备和介质 |
| CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警系统及方法 |
-
2020
- 2020-12-01 CN CN202011381692.0A patent/CN112698160A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103558529A (zh) * | 2013-11-14 | 2014-02-05 | 国家电网公司 | 一种三相共筒式超高压gis局部放电的模式识别方法 |
| CN107918092A (zh) * | 2017-12-12 | 2018-04-17 | 北京交通大学 | 一种开关柜局部放电暂的放电量检测方法 |
| CN110031729A (zh) * | 2018-12-08 | 2019-07-19 | 全球能源互联网欧洲研究院 | 局部放电信号源的检测方法、系统及数据融合分析单元 |
| CN110907770A (zh) * | 2019-11-28 | 2020-03-24 | 深圳供电局有限公司 | 局部放电脉冲特征提取方法、装置、计算机设备和介质 |
| CN111679166A (zh) * | 2020-07-23 | 2020-09-18 | 国家电网有限公司 | 基于无线传输技术的开关柜局部放电故障多源信息融合检测预警系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张宇等: "基于局部放电波形特征聚类分析的开关柜故障检测技术研究", 《用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集》 * |
| 蔚超: "变压器油纸绝缘局部放电特征信息及其发展特性", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115453283A (zh) * | 2022-08-25 | 2022-12-09 | 贵州电网有限责任公司 | 一种二合一的局放传感器检测装置及方法 |
| CN117590142A (zh) * | 2024-01-19 | 2024-02-23 | 杭州万禾电力科技有限公司 | 基于深度学习的开关柜故障诊断方法及系统 |
| CN117590142B (zh) * | 2024-01-19 | 2024-03-22 | 杭州万禾电力科技有限公司 | 基于深度学习的开关柜故障诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Bearing faults diagnostics based on hybrid LS-SVM and EMD method | |
| CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
| CN108804832B (zh) | 一种基于vmd的间隔阈值局部放电去噪方法 | |
| CN112698160A (zh) | 开关柜局部放电故障识别方法、装置、计算机设备及存储介质 | |
| Jee Keen Raymond et al. | Classification of partial discharge measured under different levels of noise contamination | |
| CN111397868B (zh) | 一种基于聚合经验模态分解算法的断路器故障分析方法 | |
| CN114692758A (zh) | 电力通信故障分析方法、装置、终端设备及介质 | |
| CN116736375B (zh) | 基于稀疏规范变量分析的微震信号状态判识方法 | |
| CN103119848B (zh) | 数据处理方法及装置 | |
| CN112464876A (zh) | 电力设备的故障诊断方法、装置、计算机设备和存储介质 | |
| CN116047244A (zh) | 局放信号的分离方法、装置及计算机设备 | |
| CN111046836A (zh) | 局放信号的滤波去噪及分析方法、系统、设备及存储介质 | |
| Chaudhuri et al. | Denoising of partial discharge signal using a hybrid framework of total variation denoising-autoencoder | |
| CN114581261A (zh) | 基于快速图计算的故障诊断方法、系统、设备及存储介质 | |
| CN113985318A (zh) | 变压器运行状态的多类型局放信号实时提取方法 | |
| CN113721086A (zh) | 用于监视mv或hv电气系统的装备件的电气绝缘状况的方法 | |
| CN116893314A (zh) | 一种非侵入式电力负荷监测方法、装置、设备及存储介质 | |
| CN115186772B (zh) | 一种电力设备的局部放电的检测方法、装置及设备 | |
| CN116736051A (zh) | Gis绝缘缺陷智能诊断方法、装置、设备及存储介质 | |
| CN116776181A (zh) | 基于改进模糊聚类的终端侧负荷辨识方法、介质及系统 | |
| CN116086807A (zh) | 一种用于滚动轴承的故障判断方法和相关产品 | |
| CN112729531B (zh) | 配电变压器设备故障研判方法及系统 | |
| CN112817056B (zh) | 一种大地电磁信号去噪方法及系统 | |
| CN114861726A (zh) | 一种风力发电机高速齿轮磨损故障趋势预测方法及系统 | |
| CN114414951A (zh) | 气体绝缘金属封闭开关设备绝缘缺陷诊断方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |
|
| RJ01 | Rejection of invention patent application after publication |