CN113009290A - 一种特高压gis设备局部放电种类识别和定位方法及系统 - Google Patents

Abstract

本发明提供一种特高压GIS设备局部放电种类识别和定位方法及系统，包括TMR磁传感器、GIS腔体外的信号接收器和数据处理中心；TMR磁传感器内置在GIS设备内部，用于感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并通过GIS腔体外的信号接收器将数据传输到数据处理中心；信息处理模块将收到的电压信号去噪处理得到图谱；模式识别模块读取信息处理模块去噪得到的图谱，通过神经网络识别特征，得出局放缺陷的类型，定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。本发明有集成化、频带宽、功耗小、分辨率高、抗干扰能力强、定位精确等优点，非常适合对局放缺陷进行在线检测与识别和定位。

Description

一种特高压GIS设备局部放电种类识别和定位方法及系统

技术领域

本发明属于局部放电检测技术领域，具体涉及一种特高压GIS设备局部放电种类识别和定位方法及系统。

背景技术

GIS是气体绝缘开关装置的英文名字简称。GIS通过将断路器、母线、进出线套管、隔离开关、接地开关、电压互感器、电流互感器、避雷器、电缆终端等装置安装在一个密闭空间里，选择SF6气体作为绝缘介质，增强了设备间的绝缘性能，经由优化设计后，有效降低了设备体积和设备间的连接距离，从而大大减小了GIS的整体体积，有利于GIS大量安装在电力系统中。

特高压GIS设备电压等级高、现场运行环境复杂，其绝缘部分劣化及缺陷对电网安全稳定运行产生重大影响，因此加强对GIS内部设备的状态监测至关重要。运行中的特高压GIS设备的主要缺陷表现为发热型缺陷、局部放电型缺陷和机械型缺陷。通过调查研究，局部放电型缺陷是造成特高压GIS设备绝缘劣化的主要原因。

当GIS内部存在缺陷时，通常伴随着声、光、电等一些信号，所以目前一些主流的局放检测方法有红外检测法、超声波检测法、特高频检测法、光检测法、X射线检测法等等。用的最多的还是超声波检测法和特高频检测法这两种局放检测方法。超声波局放监测法能够避免电磁信号的干扰，定位精度准确，但是此方法容易受到环境噪声的干扰，在开关分合时，设备本身的振动比较大，容易产生误判，且超声信号在绝缘材料中传输时衰减严重，严重影响监测精度。特高频法由于检测频率高，能够有效避开现场电晕等干扰，又因为检测灵敏度高，可实现绝缘缺陷类型识别。但是特高频法容易受到环境中特高频电磁干扰的影响，且难以实现局部放电的精确定位，定位范围往往确定在1～2个气室内，所以经常用声电联合法来进行局放的定位。

基于以上背景，一个具有高灵敏度、高精度、高线性度、线性范围大、抗干扰能力强、频宽大、尺寸小、功耗小、分辨率高、工作温度适合等优点的局部放电检测技术被提出，那就是用基于隧道磁电阻(TMR)效应的磁传感器来进行局部放电种类识别和定位局放位置。

发明内容

针对上述技术问题，本发明提出一种特高压GIS设备局部放电种类识别和定位系统及方法，本发明采用基于隧道磁电阻(TMR)效应的磁传感器来进行局部放电种类识别和定位局放电源位置，可以检测出是什么局放缺陷以及局放缺陷发生的位置，应用于电力行业的特高压GIS设备上。TMR磁传感器内置在GIS设备中，感应局放脉冲电流产生的脉冲磁场，从而输出实时的电压信号，然后将电压信号通过有线或者无线模块传输到GIS腔体外的信号接收器，然后传输到远程数据处理中心，远程数据处理中心有信息处理模块、模式识别模块、数据库管理模块和定位模块，信息处理模块将收到的电压信号经过初步滤波去噪、放大、模数转换等数据处理之后，用希尔伯特黄(HHT)变换进行信号去噪处理，将去噪结果显示与储存。然后显示经过HHT变换后的时频谱、希尔伯特谱、边际谱等有用的图谱；模式识别模块将去噪结果读取，在图谱上提取特征并存储，用神经网络识别特征，得出是哪种局放缺陷，将识别结果显示及存储；数据库管理模块是对局放处理结果进行保存和查询。定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。

一种特高压GIS设备局部放电种类识别和定位系统，包括TMR磁传感器、GIS腔体外的信号接收器和数据处理中心；

所述TMR磁传感器内置在GIS设备内部，用于感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并将电压信号传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心包括信息处理模块、模式识别模块、数据库管理模块和定位模块；所述信息处理模块用于将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述模式识别模块用于读取信息处理模块去噪得到的图谱，在图谱上提取特征并存储，通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据库管理模块用于对局放处理结果进行保存和查询；所述定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。

上述方案中，所述TMR磁传感器内置在GIS设备内部的手孔、舱口盖板的内壁或盆式绝缘子上。

上述方案中，所述GIS设备的每段腔体内TMR磁传感器的数量为六个；其中四个分别呈环形阵列布置在GIS设备内盆式绝缘子的圆周，两个TMR磁传感器分别设置在GIS设备内舱口盖板的内壁。

上述方案中，所述TMR磁传感器模块与电源模块和无线传输单元集成内置在GIS设备内部，通过无线传输方式传输信号至GIS腔体外的信号接收器。

一种根据所述的特高压GIS设备局部放电种类识别和定位系统的方法，包括以下步骤：

所述GIS设备内置的TMR磁传感器感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心的信息处理模块将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述数据处理中心的模式识别模块读取信息处理模块去噪得到的图谱，在图谱上提取特征通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据处理中心的数据库管理模块对局放处理结果进行保存和查询；所述数据处理中心的定位模块根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局放位置的空间角度。

上述方案中，所述神经网络通过人工局部放电得到局放缺陷的类别的边际谱作为训练样本集，构建深度残差网络模型来进行训练，利用训练所得最优的深度残差网络识别测试样本集的局部放电类型，得到分类结果。

上述方案中，所述局部放电类型包括电晕放电、沿面放电、悬浮放电、自由颗粒放电和空穴放电。

上述方案中，所述TMR磁传感器的三个敏感轴互相垂直，分别测量三个正交磁场，能够得到该TMR磁传感器处的磁场分别在X、Y、Z敏感轴方向上的差分电压输出，定位模块通过三个输出电压值能够算出指向局部放电位置的空间角度，实现定位。

与现有技术相比，本发明的有益效果是：本发明为基于TMR磁传感器的特高压GIS设备局部放电种类识别和定位系统，可以很好地辨别出电晕放电、沿面放电、悬浮放电、自由颗粒放电、空穴放电这五种常见的特高压GIS局放缺陷，并识别局放的位置；在局放缺陷识别时，不引入放电相位，放电量，放电次数等特征，提取时频域的特征只需要少量放电波形，节省时间。本发明有集成化、频带宽、功耗小、分辨率高、抗干扰能力强、定位精确等众多优点，非常适合对局放缺陷进行在线检测与识别和定位。

附图说明

图1为TMR磁传感器元件结构示意图。

图2为六个三轴TMR磁传感器排布图。

图3为无线传输TMR磁传感器模块示意图。

图4为基于TMR磁传感器的在线辨别定位局部放电系统示意图。

图5五种典型的特高压GIS设备局放缺陷示意图。

图6定位系统中一个三轴TMR磁传感器的敏感轴示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，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，可以根据具体情况理解上述术语在本发明中的具体含义。

一种特高压GIS设备局部放电种类识别和定位系统，包括TMR磁传感器、GIS腔体外的信号接收器和数据处理中心；所述TMR磁传感器内置在GIS设备内部，用于感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并将电压信号传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心包括信息处理模块、模式识别模块、数据库管理模块和定位模块；所述信息处理模块用于将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述模式识别模块用于读取信息处理模块去噪得到的图谱，在图谱上提取特征并存储，通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据库管理模块用于对局放处理结果进行保存和查询；所述定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。

根据本实施例，优选的，所述TMR磁传感器内置在GIS设备内部的手孔、舱口盖板的内壁或盆式绝缘子上。所述GIS设备的每段腔体内TMR磁传感器的数量为六个；其中四个分别呈环形阵列布置在GIS设备内盆式绝缘子的圆周，两个TMR磁传感器分别设置在GIS设备内舱口盖板的内壁。

所述TMR磁传感器模块与电源模块和无线传输单元集成内置在GIS设备内部，通过无线传输方式传输信号至GIS腔体外的信号接收器。

一种根据所述特高压GIS设备局部放电种类识别和定位系统的方法，包括以下步骤：

所述GIS设备内置的TMR磁传感器感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心的信息处理模块将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述数据处理中心的模式识别模块读取信息处理模块去噪得到的图谱，在图谱上提取特征通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据处理中心的数据库管理模块对局放处理结果进行保存和查询；所述数据处理中心的定位模块根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局放位置的空间角度。

根据本实施例，优选的，所述神经网络通过人工局部放电得到局放缺陷的类别的边际谱作为训练样本集，构建深度残差网络模型来进行训练，利用训练所得最优的深度残差网络识别测试样本集的局部放电类型，得到分类结果。

所述局部放电类型包括电晕放电、沿面放电、悬浮放电、自由颗粒放电和空穴放电。

所述TMR磁传感器的三个敏感轴互相垂直，分别测量三个正交磁场，能够得到该TMR磁传感器处的磁场分别在X、Y、Z敏感轴方向上的差分电压输出，定位模块通过三个输出电压值能够算出指向局部放电位置的空间角度，实现定位。

本发明基于TMR磁传感器的在线实时检测局部放电，可以很准确地检测出特高压GIS设备内部的局部放电的种类和确定放电位置。

如图1所示，所述TMR磁传感器隧道磁电阻效应(TMR)的产生机理是自旋相关的隧穿效应。交换偏置作用的自旋阀结构的磁隧道结(MTJ)是一种典型的三明治结构，包括由铁磁层(被钉扎层)和反铁磁层组成的钉扎层、隧道势垒层以及铁磁层组成的自由层。自由层的磁矩相对于被钉扎层的磁矩是相对自由且可旋转的，可随外场的变化而发生翻转。当自由层与钉扎层磁化方向平行时，隧道结处在低阻态；当自由层与钉扎层磁化方向反平行时，隧道结处在高阻态；当自由层磁矩与钉扎层磁矩垂直时，阻值是位于低阻态和高阻态之间的中间值。TMR元件的功耗小(0.001～0.01mA)、尺寸小(0.5×0.5mm)、灵敏度高(20mV/V/Oe)、工作范围广(0.001～200Oe)、分辨率高、温度稳定性好、最高可到GHz的频率响应、不需要额外的聚磁环结构，使得基于TMR元件做出的TMR磁传感器更适合局放电流检测。TMR磁传感器中推挽式惠斯通全桥结构提供差分电压输出、抑制共模噪声信号且具有良好的温度稳定性。

所述GIS设备典型局部放电包括电晕放电、沿面放电、悬浮放电、自由颗粒放电、空穴放电五种。不同的局放缺陷会有不同的放电特征，比如不同的波形、不同的放电频率、不同的相位、不同的放电大小以及次数，因此根据这些放电特征可以辨别出来是哪种局部放电缺陷。

如图2所示，所述TMR磁传感器内置在GIS设备内部以便于更好地感应局放电流产生的脉冲磁场且不易受外部电磁环境干扰，然后将输出的电压信号通过有线或无线方式传输到GIS腔体外的信号接收器上。内置式的有线传输TMR磁传感器可以安装GIS设备的手孔或舱口盖板的内壁，TMR磁传感器平面与GIS外壳的内壁平齐以尽可能减小对GIS内部电场分布的影响。内置式的无线传输TMR磁传感器还可以与盆式绝缘子紧密接触，因为电磁波只有在壳的金属非连续部位才能泄漏出来而在GIS上盆式绝缘子处没有金属法兰。而且该TMR磁传感器应放置于两根禁锢盆式绝缘子螺栓的中间，以减少螺栓对内部电磁波的屏蔽及TMR磁传感器与螺栓产生的外部静电干扰。

如图3所示，一个通过无线传输的内置TMR磁传感器模块需要将TMR磁传感器与电源模块和无线传输单元集成在一起来进行信号采集，然后通过无线传输方式传输信号至GIS腔体外的信号接收器。

如图4所示为所述特高压GIS设备局部放电种类识别和定位系统，将GIS腔体外的信号接收器采集到的信号通过无线通信模块传输到远程数据处理中心。远程数据处理中心包括信息处理模块、模式识别模块、数据库管理模块和定位模块，所述信息处理模块将获得的电压信号滤波掉低频干扰信号，可以采用高通滤波法，因为局放信号的频率一般都集中在kHz甚至MHz级别的。局放信号非常微弱，所以需要进行将信号进行放大处理，对于放大电路的要求则是合适的放大倍数、高分辨率、稳定的线性度、宽频带、稳定的工作性能、高共模抑制比、高输入阻抗等。然后将信号进行模数转换，得到数字信号后用希尔伯特黄(HHT)变换对信号进行信号去噪处理。HHT变换分为两部分，第一部分是经验模态分解(EMD)，是根据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。它能使复杂信号分解为有限个本征模态函数(IMF)，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。第二部分就是对每一个IMF进行希尔伯特变换，得到相应的希尔伯特普。最后汇总所有IMF的希尔伯特普就会得到原始信号的希尔伯特普。HHT具有完全自适应性、不受Heisenberg测不准原理制约，适合突变信号的分析，相比于傅里叶变换和小波变换，HHT可以分析非线性非平稳信号，而且通过HHT求得的瞬时频率是局部性的，相比于傅里叶变换的全局性频率和小波变换的区域性频率，更适合分析局放电流信号以及对其进行滤波去噪。EMD将信号分解成若干阶频率从高至低的本征模态函数(IMF),整个过程体现了多尺度的自适应滤波特性。EMD分解得到的IMF在任何一个时间片段上都是单频的，至少是窄带的。窄带周期干扰是局放检测中一类重要的干扰,它主要来自电力系统的载波通信和无线电广播。电力系统载波通信的频率在40～500kHz之间,而无线电广播的频率一般大于500kHz，低频率的噪声干扰在前面已被滤波掉了，而且周期性窄带干扰的频谱特征与局部放电信号的频谱特征有较大的差异，容易去除。白噪声也是一类常见的干扰，主要由热噪声、配电线路以及继电保护线路的热噪声和检测电路中的半导体器件的散粒噪声造成，它与局放信号具有相似的时域和频域特征，噪声信号的能量分布在整个频域，一般的频域分析无法分辨出白噪声与局放信号。EMD因为可以时频局部化分析，所以很适合过滤上面两种噪声。EMD将信号分解到不同频段上，所以对各个IMF进行自适应滤波然后重构信号，便可以得到去噪后的信号。所述模式识别模块，EMD可以用来去噪，而各个IMF经过希尔伯特变换后汇总可以得到原始信号的希尔伯特谱，时频谱，边际谱等有用的图谱，可以从这些图谱中提取特征，一般频域特征比时域特征更易于辨别，所以可以从边际谱中提取能量特征值，由基于时频谱的时频熵向量中提取一些特征值等等，然后将获取的特征值通过神经网络进行辨别，从而判断出哪种局放缺陷。所述数据库管理模块主要是对局放处理结果进行保存和查询，其中包括对处理时间、变电站名、GIS设备型号、何种局放缺陷的存储和查询。所述定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。

所述边际谱是希尔伯特谱H(ω，t)对时间的积分。H(ω，t)对任意固定频率ω的时间积分就是对频率为ω的所有时刻t所对应的幅值a(t)求和，因此瞬时频率ω的边际谱的含义是:信号中(瞬时)频率ω的总幅值(总能量)大小。可以这样认为，瞬时频率表示信号交变快慢的物理量，任一瞬时频率都有一定的能量，将不同时间点的但具有相同瞬时频率的所有能量(幅值)加起来就是信号中该频率的总能量(总幅值)，即边际谱线的高度。

所述神经网络为卷积神经网络主要由卷积层、池化层和全连接层等构成。卷积层主要对输入数据进行特征提取，因其具有权重共享性，有效减少了学习参数，可减轻过拟合现象；池化层用于降低网络的空间尺寸，减少计算成本，同时提升模型的鲁棒性。而普通的卷积网络随着网络深度的增加，误差信号的多层反向传播会引发梯度弥散和爆炸的现象，导致网络的识别率降低。残差网络作为分类卷积神经网络现代架构模型，利用残差学习模块改进了传统深度卷积网络的结构，避免了模型训练时易出现的性能退化问题。

将边际谱图像灰度化为64×64的灰度矩阵作为网络输入，利用深度残差网络自动提取图像像素数据的内在特征，最终将特征映射到样本标签，进而识别五种类型的局部放电。用实验室搭建的五种典型的人工局部放电得到的边际谱作为训练样本集，然后构建深度残差网络模型来进行训练。采用交叉熵损失函数，利用反向传播算法和随机梯度下降算法更新优化模型参数，对网络进行有监督地微调。最后利用训练所得最优的深度残差网络识别测试样本集(现场所测局放信号通过希尔伯叶变换得到的边际谱)的局部放电类型，得到分类结果。

图5是GIS设备五种典型的局部放电：电晕放电、沿面放电、悬浮放电、自由颗粒放电、空穴放电。不同的局放缺陷会有不同的放电特征，比如不同的波形、不同的放电频率、不同的相位、不同的放电大小以及次数。而且不同的局放缺陷的产生原因截然不同，发生的位置也不太一样。

图6是一个三轴TMR磁传感器的敏感轴示意图，三个敏感轴互相垂直，因为随着外加磁场角度变化，传感器的输出电压成正余弦曲线，所以可以通过三个输出电压值可以算出指向局放位置的空间角度。

所述TMR磁传感器对于外界磁场的角度很敏感的。随着磁场的旋转，磁隧道电阻值将随着自由层和钉扎层磁场方向的夹角变化产生相应变化，其变化值用图形曲线表示，近似正余弦关系变化，所以，随着外加磁场角度变化，传感器的输出电压成正余弦曲线。而且当磁场较小时，传感器交叉场轴上的磁场对传感器敏感轴上磁场的影响可以忽略不计。所以使用三轴TMR磁传感器来进行局放定位，因为该传感器三个敏感轴互相垂直，分别测量三个正交磁场，就可以得到该传感器处的磁场分别在X、Y、Z敏感轴方向上的差分电压输出，可以通过这三个电压值来判断局放电源在该传感器的什么方向。如果将六个三轴TMR磁传感器放置在GIS内部，两个放在GIS设备内舱口盖板的内壁处；其余四个TMR磁传感器以阵列形式紧贴在盆式绝缘子合适部位，相邻TMR磁传感器之间的间隔为90度；则可以得到六个角度的“线”指向放电位置，可以准确知道局放的位置。TMR磁传感器输出端口简单，易于阵列化，所以提出六个三轴TMR磁传感器组合来测得局部放电的位置的方法，当然这六个TMR磁传感器只是能用来检测GIS设备中的一小段腔体，整个GIS设备还需要更多的TMR磁传感器。本发明系统中局放缺陷识别只需要六个TMR磁传感器的一个的实时电压信号便可。定位模块的电压信号不需要经过放大滤波等处理，只需要比较三个敏感轴输出的电压信号数值就可以求出角度。

应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施例或变更均应包含在本发明的保护范围之内。

Claims (8)

1.一种特高压GIS设备局部放电种类识别和定位系统，其特征在于，包括TMR磁传感器、GIS腔体外的信号接收器和数据处理中心；

所述TMR磁传感器内置在GIS设备内部，用于感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并将电压信号传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心包括信息处理模块、模式识别模块、数据库管理模块和定位模块；所述信息处理模块用于将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述模式识别模块用于读取信息处理模块去噪得到的图谱，在图谱上提取特征并存储，通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据库管理模块用于对局放处理结果进行保存和查询；所述定位模块用于根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局部放电位置的空间角度。

2.根据权利要求1所述的特高压GIS设备局部放电种类识别和定位系统，其特征在于，所述TMR磁传感器内置在GIS设备内部的手孔、舱口盖板的内壁或盆式绝缘子上。

3.根据权利要求1所述的特高压GIS设备局部放电种类识别和定位系统，其特征在于，所述GIS设备的每段腔体内TMR磁传感器的数量为六个；

其中四个分别呈环形阵列布置在GIS设备内盆式绝缘子的圆周，两个TMR磁传感器分别设置在GIS设备内舱口盖板的内壁。

4.根据权利要求1所述的特高压GIS设备局部放电种类识别和定位系统，其特征在于，所述TMR磁传感器模块与电源模块和无线传输单元集成内置在GIS设备内部，通过无线传输方式传输信号至GIS腔体外的信号接收器。

5.一种根据权利要求1-4任意一项所述的特高压GIS设备局部放电种类识别和定位系统的方法，其特征在于，包括以下步骤：

所述GIS设备内置的TMR磁传感器感应局放脉冲电流产生的脉冲磁场，输出实时的电压信号，并传输到GIS腔体外的信号接收器，然后传输到数据处理中心；所述数据处理中心的信息处理模块将收到的电压信号经过滤波去噪、放大、模数转换处理之后，通过希尔伯特黄HHT变换进行信号去噪处理，将去噪得到的图谱显示与储存；所述数据处理中心的模式识别模块读取信息处理模块去噪得到的图谱，在图谱上提取特征通过神经网络识别特征，得出局放缺陷的类型，将识别结果显示及存储；所述数据处理中心的数据库管理模块对局放处理结果进行保存和查询；所述数据处理中心的定位模块根据TMR磁传感器的电压信号对每一个TMR磁传感器进行角度计算，得到指向局放位置的空间角度。

6.根据权利要求1所述的特高压GIS设备局部放电种类识别和定位系统的方法，其特征在于，所述神经网络通过人工局部放电得到局放缺陷的类别的边际谱作为训练样本集，构建深度残差网络模型来进行训练，利用训练所得最优的深度残差网络识别测试样本集的局部放电类型，得到分类结果。

7.根据权利要求6所述的特高压GIS设备局部放电种类识别和定位系统的方法，其特征在于，所述局部放电类型包括电晕放电、沿面放电、悬浮放电、自由颗粒放电和空穴放电。

8.根据权利要求6所述的特高压GIS设备局部放电种类识别和定位系统的方法，其特征在于，所述TMR磁传感器的三个敏感轴互相垂直，分别测量三个正交磁场，能够得到该TMR磁传感器处的磁场分别在X、Y、Z敏感轴方向上的差分电压输出，定位模块通过三个输出电压值能够算出指向局部放电位置的空间角度，实现定位。

Images