CN116243111A - 一种电缆束故障检测定位方法及系统 - Google Patents

一种电缆束故障检测定位方法及系统 Download PDF

Info

Publication number
CN116243111A
CN116243111A CN202310468710.6A CN202310468710A CN116243111A CN 116243111 A CN116243111 A CN 116243111A CN 202310468710 A CN202310468710 A CN 202310468710A CN 116243111 A CN116243111 A CN 116243111A
Authority
CN
China
Prior art keywords
fault
spectrogram
discharge
ultrasonic
partial discharge
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
Application number
CN202310468710.6A
Other languages
English (en)
Inventor
李茂峰
陈强
秦际明
韦举仁
李星辰
李航
张�杰
梁兴海
梁科
韦启朋
黄洋洋
阎磊
李克华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baise Bureau of Extra High Voltage Transmission Co
Original Assignee
Baise Bureau of Extra High Voltage Transmission Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Baise Bureau of Extra High Voltage Transmission Co filed Critical Baise Bureau of Extra High Voltage Transmission Co
Priority to CN202310468710.6A priority Critical patent/CN116243111A/zh
Publication of CN116243111A publication Critical patent/CN116243111A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • Y04S10/52—Outage or fault management, e.g. fault detection or location

Landscapes

  • Locating Faults (AREA)

Abstract

本发明涉及一种电缆束故障检测定位方法及系统。该方法包括：采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据；对所述超声信号数据进行处理，得到语谱图；获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断；若发生故障，则根据超声传感器的位置数据和所述超声信号数据对故障进行定位。本发明能够解决现有技术中交直流电缆束故障检测不灵敏以及定位不准确的问题。

Description

一种电缆束故障检测定位方法及系统
技术领域
本发明涉及电缆束故障检测技术领域，特别是涉及一种电缆束故障检测定位方法及系统。
背景技术
电缆束在发生局部放电、振动、起火等时，故障源周围的介质体积周期性压缩和膨胀，由此产生超声。超声波检测方法具有抗电磁干扰能力强、可实现外部带电检测且无需对设备进行二次改造、对故障定位准确的优点。研究表明，不同的故障类型对应的超声波信号的时域波形图、频域波形图等都不尽相同，可以利用这些特征量进行电缆束进行故障检测。语谱图是一种常用的声纹特征，采用二维平面表达三维信息，其横坐标是时间，纵坐标是频率，坐标点值为声音数据的能量。相较于频谱图，语谱图增加了时间这个维度的信息。
利用超声传感器来获取故障时超声信号，然后通过信号处理、特征提取达到故障类型识别及故障源定位的目的。然而，声信号频率越高，其在电缆中传播衰减越快。超声波信号经过不同介质向外传播时，大部分能量被吸收或反射而湮没在其他噪声中，使得故障时超声信号的有效提取变得困难，从而影响到故障的检测。而电气测量法如特高频法，具有灵敏度高、信号传输衰减慢的优点，但难以实现对放电源准确定位电气测量方法。
发明内容
本发明的目的是提供一种电缆束故障检测定位方法及系统，能够解决现有技术中交直流电缆束故障检测不灵敏以及定位不准确的问题。
为实现上述目的，本发明提供了如下方案：
一种电缆束故障检测定位方法包括：
采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据；
对所述超声信号数据进行处理，得到语谱图；
获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；
根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断；
若发生故障，则根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
可选地，所述对所述超声信号数据进行处理，得到语谱图，具体包括：
对所述超声信号数据进行滤波，得到滤波后的超声信号数据；
对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据；
对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图；
对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
可选地，所述根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断，具体包括：
对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障；
对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障；
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位；
若发生故障，则进一步判断是否是局部放电故障；
若是局部放电故障，则采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测；
若不是局部放电故障，则采用ResNet网络的超声声纹故障检测模型对故障进行检测。
可选地，所述根据超声传感器的位置数据和所述超声信号数据对故障进行定位，具体包括：
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
计算超声波从故障点到超声传感器的距离
Figure BDA0004203198320000031
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离/>
Figure BDA0004203198320000032
根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，
Figure BDA0004203198320000033
建立解线性方程组矩阵：AX＝B，其中，X＝(x y z)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1 zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)-1AT代替A-1，得到故障点的坐标位置X＝A-1B。
一种电缆束故障检测定位系统包括：
超声信号数据获取模块，用于采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据；
语谱图确定模块，用于对所述超声信号数据进行处理，得到语谱图；
局部放电谱图获取模块，用于获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；
故障判断模块，用于根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断；
故障定位模块，用于在发生故障时，根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
可选地，所述语谱图确定模块，具体包括：
滤波单元，用于对所述超声信号数据进行滤波，得到滤波后的超声信号数据；
分帧加窗操作单元，用于对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据；
傅里叶变换单元，用于对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图；
旋转映射单元，用于对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
可选地，所述故障判断模块，具体包括：
交流电缆束故障判断单元，用于对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障；
直流电缆束故障判断单元，用于对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障；
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位；
局部放电故障判断单元，用于在发生故障时，进一步判断是否是局部放电故障；
第一故障检测单元，用于在是局部放电故障时，采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测；
第二故障检测单元，用于不是局部放电故障时，采用ResNet网络的超声声纹故障检测模型对故障进行检测。
可选地，所述故障定位模块，具体包括：
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
距离单元，用于计算超声波从故障点到超声传感器的距离
Figure BDA0004203198320000051
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离
Figure BDA0004203198320000052
故障点的方程组确定单元，用于根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，
Figure BDA0004203198320000053
故障点的坐标位置确定单元，用于建立解线性方程组矩阵：AX＝B，其中，X＝(x yz)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1 zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)-1AT代替A-1，得到故障点的坐标位置X＝A-1B。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种电缆束故障检测定位方法，采用多方位超声传感器从各角度对电缆束进行监测，获取超声数据和故障时的语谱图声纹特征。结合电缆中电压特征，分析其声纹特征与电源电压特征关系，判断其是否存在故障。当故障存在时，根据超声传感器的位置数据和获取到的超声数据对故障进行定位。本发明同时考虑到声纹特征和电压特征，克服了单独使用超声检测时因受超声衰减影响而造成的故障检测准确率低的问题，还能检测出电气测量法难以检测出的非局部放电类故障，同时还具有较高的故障源定位精度。因此，本发明可以更加有效的对电缆束进行故障检测，确保电缆束的安全稳定运行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明电缆束故障检测定位方法流程图；
图2为本发明电缆束故障检测定位系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明的目的是提供一种电缆束故障检测定位方法及系统，能够解决现有技术中交直流电缆束故障检测不灵敏以及定位不准确的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明电缆束故障检测定位方法流程图。如图1所示，一种电缆束故障检测定位方法包括：
步骤101：采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据。
步骤102：对所述超声信号数据进行处理，得到语谱图，具体包括：
步骤1021：对所述超声信号数据进行滤波，得到滤波后的超声信号数据。具体地，使用一阶高通滤波器对信号预加重操作，以提升信号在高频部分的信噪比。
步骤1022：对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据。
步骤1023：对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图。为提高计算速度，对超声信号加窗后采用快速傅里叶变换。
步骤1024：对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
步骤103：获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；
步骤104：根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断，具体包括：
步骤1041：对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障；
对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障。
上述中，偏斜度Sk用来描述PRPD图谱的形状差异，表示图形的偏斜程度。计算公式如下：
Figure BDA0004203198320000071
上式中N表示PRPD图谱半工频周期内相位开窗的个数；
Figure BDA0004203198320000072
表示PRPD图谱中第i个相窗的相位；/>
Figure BDA0004203198320000077
表示相位宽度；参数μ,pi和σ分别表示以/>
Figure BDA0004203198320000073
为变量时PRPD图谱中第i个相窗内局放缺陷发生的均值、概率密度和方差。
相位不对称度用来表示统计谱图正负半周期放电起始相位的差别，计算公式如下。其中，
Figure BDA0004203198320000074
和/>
Figure BDA0004203198320000075
分别表示PRPD图谱在相位正、负半工频周期的起始放电相位。
Figure BDA0004203198320000076
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位；
步骤1042：若发生故障，则进一步判断是否是局部放电故障；
步骤1043：若是局部放电故障，则采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测；
步骤1044：若不是局部放电故障，则采用ResNet网络的超声声纹故障检测模型对故障进行检测。
步骤105：若发生故障，则根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
步骤1051：计算超声波从故障点到超声传感器的距离
Figure BDA0004203198320000081
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离
Figure BDA0004203198320000082
步骤1052：根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，Pi＝0.5(VRi 2+d1 2-di 2)；
步骤1053：建立解线性方程组矩阵：AX＝B，其中，X＝(x y z)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1 zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)-1AT代替A-1，得到故障点的坐标位置X＝A-1B。
本发明提供了一种电缆束故障检测定位方法，采用多方位超声传感器从各角度对电缆束进行监测，获取超声数据，通过短时傅里叶变换等操作获取故障时的语谱图声纹特征。结合电缆中电压特征，分析其声纹特征与电源电压特征关系，判断其是否存在故障。当故障存在时，根据超声传感器的位置数据和获取到的超声数据对故障进行定位。本发明同时考虑到声纹特征和电压特征，克服了单独使用超声检测时因受超声衰减影响而造成的故障检测准确率低的问题，还能检测出电气测量法难以检测出的非局部放电类故障，同时还具有较高的故障源定位精度。因此，本发明可以更加有效的对电缆束进行故障检测，确保电缆束的安全稳定运行。
图2为本发明电缆束故障检测定位系统结构图。如图2所示，一种电缆束故障检测定位系统包括：
超声信号数据获取模块201，用于采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据。
语谱图确定模块202，用于对所述超声信号数据进行处理，得到语谱图。
局部放电谱图获取模块203，用于获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图。
故障判断模块204，用于根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断。
故障定位模块205，用于在发生故障时，根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
所述语谱图确定模块202，具体包括：
滤波单元，用于对所述超声信号数据进行滤波，得到滤波后的超声信号数据。
分帧加窗操作单元，用于对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据。
傅里叶变换单元，用于对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图。
旋转映射单元，用于对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
所述故障判断模块204，具体包括：
交流电缆束故障判断单元，用于对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障。
直流电缆束故障判断单元，用于对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障。
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位。
局部放电故障判断单元，用于在发生故障时，进一步判断是否是局部放电故障。
第一故障检测单元，用于在是局部放电故障时，采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测。
第二故障检测单元，用于不是局部放电故障时，采用ResNet网络的超声声纹故障检测模型对故障进行检测。
所述故障定位模块205，具体包括：
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
距离单元，用于计算超声波从故障点到超声传感器的距离
Figure BDA0004203198320000101
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离
Figure BDA0004203198320000102
故障点的方程组确定单元，用于根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，
Figure BDA0004203198320000103
故障点的坐标位置确定单元，用于建立解线性方程组矩阵：AX＝B，其中，X＝(x yz)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1 zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)-1AT代替A-1，得到故障点的坐标位置X＝A-1B。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种电缆束故障检测定位方法，其特征在于，包括：
采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据；
对所述超声信号数据进行处理，得到语谱图；
获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；
根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断；
若发生故障，则根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
2.根据权利要求1所述的电缆束故障检测定位方法，其特征在于，所述对所述超声信号数据进行处理，得到语谱图，具体包括：
对所述超声信号数据进行滤波，得到滤波后的超声信号数据；
对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据；
对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图；
对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
3.根据权利要求1所述的电缆束故障检测定位方法，其特征在于，所述根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断，具体包括：
对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障；
对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障；
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位；
若发生故障，则进一步判断是否是局部放电故障；
若是局部放电故障，则采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测；
若不是局部放电故障，则采用ResNet网络的超声声纹故障检测模型对故障进行检测。
4.根据权利要求1所述的电缆束故障检测定位方法，其特征在于，所述根据超声传感器的位置数据和所述超声信号数据对故障进行定位，具体包括：
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
计算超声波从故障点到超声传感器的距离
Figure FDA0004203198310000021
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离/>
Figure FDA0004203198310000022
根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，
Figure FDA0004203198310000023
建立解线性方程组矩阵：AX＝B，其中，X＝(x y z)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)-1AT代替A-1，得到故障点的坐标位置X＝A-1B。
5.一种电缆束故障检测定位系统，其特征在于，包括：
超声信号数据获取模块，用于采用多方位超声传感器从各角度对电缆束进行监测，得到超声信号数据；
语谱图确定模块，用于对所述超声信号数据进行处理，得到语谱图；
局部放电谱图获取模块，用于获取交流电缆中局部放电时的局部放电相位谱图或直流电缆局部放电时的放电重复率、放电幅值与放电时间间隔的谱图；
故障判断模块，用于根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征或者所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征对故障进行判断；
故障定位模块，用于在发生故障时，根据超声传感器的位置数据和所述超声信号数据对故障进行定位。
6.根据权利要求5所述的电缆束故障检测定位系统，其特征在于，所述语谱图确定模块，具体包括：
滤波单元，用于对所述超声信号数据进行滤波，得到滤波后的超声信号数据；
分帧加窗操作单元，用于对所述滤波后的超声信号数据进行分帧和加窗操作，得到处理后的超声信号数据；
傅里叶变换单元，用于对所述处理后的超声信号数据进行短时傅里叶变换，得到每帧信号的频谱信号以及频谱图；
旋转映射单元，用于对所述频谱图进行旋转加映射，并将变换后的多帧频谱进行拼接，形成语谱图。
7.根据权利要求5所述的电缆束故障检测定位系统，其特征在于，所述故障判断模块，具体包括：
交流电缆束故障判断单元，用于对于交流电缆束，根据所述语谱图的声纹特征和所述局部放电相位谱图的电压特征，分析故障时所述声纹特征中包含的频率范围、能量占比最大的频段及所述声纹特征随时间变化关系特征和局部放电相位谱图的偏斜度、相位不对称度和放电幅值特征之间的相关性，判断是否发生故障；
直流电缆束故障判断单元，用于对于直流电缆束，根据所述语谱图的声纹特征和所述放电重复率、放电幅值与放电时间间隔的谱图的电信号特征，分析故障时所述声纹特征中包含的频率范围、最大能量占比的频段及所述声纹特征随时间变化关系等特征与放电重复率、放电幅值和时间间隔的相关性，判断是否发生故障；
对于交流电缆束或直流电缆束：
若不发生故障，则无需进行故障定位；
局部放电故障判断单元，用于在发生故障时，进一步判断是否是局部放电故障；
第一故障检测单元，用于在是局部放电故障时，采用基于ResNet网络的超声声纹故障检测模型和基于ResNet网络的局部放电相位谱图故障检测模型或者基于ResNet的放电重复率、放电幅值与放电时间间隔的谱图的故障检测模型对故障进行检测；
第二故障检测单元，用于不是局部放电故障时，采用ResNet网络的超声声纹故障检测模型对故障进行检测。
8.根据权利要求5所述的电缆束故障检测定位系统，其特征在于，所述故障定位模块，具体包括：
设电缆束故障点坐标点为P(x，y，z)，周围有i个传超声传感器检测到故障信号，所述超声传感器坐标分别为(xi，yi，zi)；
距离单元，用于计算超声波从故障点到超声传感器的距离
Figure FDA0004203198310000041
声程差VRi＝Ri-R1，超声传感器到坐标系原点的距离/>
Figure FDA0004203198310000042
故障点的方程组确定单元，用于根据所述故障点到超声传感器的距离、声程差和超声传感器到坐标系原点的距离，得到关于故障点的方程组(x1-xi)x+(y1-yi)y+(z1-zi)z＝Pi+VRiR1，其中，
Figure FDA0004203198310000043
故障点的坐标位置确定单元，用于建立解线性方程组矩阵：AX＝B，其中，X＝(x y z)T，B＝(Pi+VRiR1)，A＝(xi-x1 yi-y1 zi-z1)，当超声传感器大于三个时，用广义逆矩阵C＝(ATA)- 1AT代替A-1，得到故障点的坐标位置X＝A-1B。
CN202310468710.6A 2023-04-27 2023-04-27 一种电缆束故障检测定位方法及系统 Pending CN116243111A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310468710.6A CN116243111A (zh) 2023-04-27 2023-04-27 一种电缆束故障检测定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310468710.6A CN116243111A (zh) 2023-04-27 2023-04-27 一种电缆束故障检测定位方法及系统

Publications (1)

Publication Number Publication Date
CN116243111A true CN116243111A (zh) 2023-06-09

Family

ID=86628067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310468710.6A Pending CN116243111A (zh) 2023-04-27 2023-04-27 一种电缆束故障检测定位方法及系统

Country Status (1)

Country Link
CN (1) CN116243111A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117250457A (zh) * 2023-10-23 2023-12-19 武汉朗德电气有限公司 一种高压电缆局部放电在线监测系统及方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117250457A (zh) * 2023-10-23 2023-12-19 武汉朗德电气有限公司 一种高压电缆局部放电在线监测系统及方法

Similar Documents

Publication Publication Date Title
Ghosh et al. A method for the localization of partial discharge sources using partial discharge pulse information from acoustic emissions
CN207300606U (zh) 基于声学原理的变压器信息采集装置
US9961460B2 (en) Vibration source estimation device, vibration source estimation method, and vibration source estimation program
CN110702785B (zh) 频散Lamb波多项式时频域模态分解和缺陷定位方法及装置
WO2021077567A1 (zh) 设备故障检测方法、设备故障检测装置及计算机存储介质
CN116243111A (zh) 一种电缆束故障检测定位方法及系统
CN110108467B (zh) 基于便携式移动设备的主动发声测速方法
JP2010085366A (ja) 高電圧電気機器の絶縁異常診断装置
CN114839269A (zh) Gis固体绝缘件内部缺陷应力无损检测方法及装置
JP7428030B2 (ja) 雑音評価装置および雑音評価方法
Liang et al. Bearing fault diagnosis based on singular value distribution of impulse response segment
CN110108797B (zh) 利用声阻抗变化信息的介质分界面超声检测方法
CN111123286A (zh) 一种基于自校准全光纤多普勒电缆长度测试方法及装置
JP2000137053A (ja) オンライン絶縁劣化診断方法及び装置
Vasile et al. On the multi-modal sensing of electrical arcs
EP1686443A1 (en) Methods, systems, and computer program products for implementing condition monitoring activities
RU2685048C1 (ru) Способ определения мест появления неоднородностей и повреждений линий электропередачи
CN106195648A (zh) 一种变径管等效管长的实验测试方法
JP3639145B2 (ja) 異常箇所検出装置
Li et al. Time delay estimation algorithm of partial discharge ultrasound signal based on wavelet transform image convolution
JPH07209068A (ja) 音源探査装置
Alicando et al. Bearing Fault Detection of a Single-phase Induction Motor Using Acoustic and Vibration Analysis Through Hilbert-Huang Transform
Wilson Probabilistic inter-disturbance interval estimation for bearing fault diagnosis
CN116935886A (zh) 一种旋转机械设备声学信号的特征提取系统及方法
Gourishetti et al. Partial discharge monitoring using deep neural networks with acoustic emission

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