CN116400180B - 一种局部放电识别系统及方法 - Google Patents

一种局部放电识别系统及方法 Download PDF

Info

Publication number
CN116400180B
CN116400180B CN202310557606.4A CN202310557606A CN116400180B CN 116400180 B CN116400180 B CN 116400180B CN 202310557606 A CN202310557606 A CN 202310557606A CN 116400180 B CN116400180 B CN 116400180B
Authority
CN
China
Prior art keywords
phase
signal
discharge
digital
unit
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.)
Active
Application number
CN202310557606.4A
Other languages
English (en)
Other versions
CN116400180A (zh
Inventor
韩晓昆
涂明涛
马锋
董翔
贾东明
聂卫刚
胡斌
李智
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.)
Beijing Taiyue Tiancheng Technology Co ltd
Maintenance Branch of State Grid Beijing Electric Power Co Ltd
Original Assignee
Beijing Taiyue Tiancheng Technology Co ltd
Maintenance Branch of State Grid Beijing Electric Power Co Ltd
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 Beijing Taiyue Tiancheng Technology Co ltd, Maintenance Branch of State Grid Beijing Electric Power Co Ltd filed Critical Beijing Taiyue Tiancheng Technology Co ltd
Priority to CN202310557606.4A priority Critical patent/CN116400180B/zh
Publication of CN116400180A publication Critical patent/CN116400180A/zh
Application granted granted Critical
Publication of CN116400180B publication Critical patent/CN116400180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01R31/1227—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 of components, parts or materials
    • 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
    • G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

本申请提供一种局部放电识别系统及方法。所述系统包括：依次连接的高频电流互感器、模拟信号处理器、高速模数转换器ADC、异构处理器和神经网络处理器NPU，高频电流互感器包括磁性感应线圈和采集单元，磁性感应线圈套设在待检测电缆上，采集单元用于实时把待检测电缆的三相电流信号通过电磁感应转换为三相电压信号，异构处理器在控制模拟信号处理器滤除工频电压信号和噪声以及进行幅度调整，驱动高速ADC进行模数转换后，对数字信号进行预处理后输出给NPU进行放电类型识别。整个系统可以实时采集放电信号，同时搭配高速ADC和高精度算法，准确还原放电真实波形，进而可以对准确的放电波形进行分析，使得局部放电的检测准确且高效。

Description

一种局部放电识别系统及方法
技术领域
本申请涉及放电检测技术领域，特别涉及一种局部放电识别系统及方法。
背景技术
电力系统是国民经济平稳运行的命脉，需要具有安全、稳定、可靠的性能。电力设备在运行的过程中可能会发生局部放电，局部放电是导体间的绝缘(例如：电缆的绝缘外皮)在足够强的电场作用下局部范围内发生的放电，这种放电以仅造成导体间的绝缘局部短(路桥)接而不形成导电通道为限。局部放电的持续发展会加重绝缘介质的损伤程度，降低绝缘强度，甚至可能使得整个绝缘放电击穿，产生严重的后果，因此需要对局部放电进行有效检测。
传统的局部放电识别系统主要采用单片机和低成本的采集单元，采集单元包括采样保持模块和低速模数转换器(Analog-to-digitalconverter，ADC)模块，采样保持模块利用采样保持法获取放电信号，低速ADC模块对放电信号进行模数转换后，输出给后台服务器进行局部放电的放电类型识别，其中，后台服务器需要单独部署。
然而，此种传统的局部放电识别系统，采样保持法与低速ADC模块配合的方式，只能采集放电过程中的峰值点，不仅采样频率较低，无法还原放电真实波形，而且数据的天然失真还会使得高效算法的能力无法发挥，进而放电类型识别的误差较大。
发明内容
本申请提供了一种局部放电识别系统及方法，可用于解决传统的局部放电识别系统采样频率较低，无法还原放电真实波形，数据的天然失真使得高效算法的能力无法发挥，进而放电类型识别误差较大的技术问题。
第一方面，本申请实施例提供一种局部放电识别系统，包括：
依次连接的高频电流互感器、模拟信号处理器、高速模数转换器ADC、异构处理器和神经网络处理器NPU；
所述高频电流互感器包括磁性感应线圈以及设置在所述磁性感应线圈内部的采集单元，所述磁性感应线圈套设在待检测电缆上，所述采集单元用于实时把所述待检测电缆的三相电流信号通过电磁感应转换为三相电压信号，所述三相电压信号包括三相高频电压信号和三相工频电压信号；
所述异构处理器被配置为执行以下步骤：
控制所述模拟信号处理器滤除所述三相电压信号中的所述三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号；
驱动所述高速ADC对所述三相高频电压调理信号进行模数转换，得到三相数字信号；
对三相数字信号进行预处理，得到三相数字信号对应的放电图谱，所述预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取；
将三相数字信号对应的放电图谱输出给所述NPU进行局部放电的放电类型识别和放电量检测，得到所述三相电压信号的放电识别结果。
结合第一方面，在第一方面的一种可实现方式中，所述异构处理器包括依次连接的现场可编程逻辑门阵列FPGA单元、内存单元和ARM单元，所述FPGA单元、所述内存单元和所述ARM单元构成乒乓缓冲结构，所述FPGA单元分别与所述高速ADC和所述模拟信号处理器连接，所述ARM单元与所述NPU连接。
结合第一方面，在第一方面的一种可实现方式中，所述ARM单元至少包括四个第一内核；
其中三个所述第一内核分别对A相数字信号、B相数字信号和C相数字信号进行独立预处理，得到A相数字信号对应的放电图谱、B相数字信号对应的放电图谱和C相数字信号对应的放电图谱；
另一个所述第一内核用于运行操作系统，以与云平台进行通信，并将所述局部放电识别结果上报所述云平台。
结合第一方面，在第一方面的一种可实现方式中，所述ARM单元还包括至少一个第二内核；
所述第二内核用于控制所述FPGA单元对各相数字信号进行相位同步。
结合第一方面，在第一方面的一种可实现方式中，所述第一内核为A53内核，所述第二内核为R5内核。
结合第一方面，在第一方面的一种可实现方式中，所述采集单元包括第一采集子单元、第二采集子单元、第三采集子单元和第四采集子单元，所述模拟信号处理器包括第一处理单元、第二处理单元、第三处理单元和第四处理单元；
所述第一处理单元与所述第一采集子单元连接，用于滤除A相电压信号中的A相工频电压信号和噪声，并进行幅度调整，得到A相高频电压调理信号；
所述第二处理单元与所述第二采集单元连接，用于滤除B相电压信号中的B相工频电压信号和噪声，并进行幅度调整，得到B相高频电压调理信号；
所述第三处理单元与所述第三采集单元连接，用于滤除C相电压信号中的C相工频电压信号和噪声，并进行幅度调整，得到C相高频电压调理信号；
所述第四处理单元与所述第四采集单元连接，用于对所述三相电压信号中任意一相电压信号进行过零处理，得到相位同步信号，所述相位同步信号用于对各相数字信号进行相位同步。
结合第一方面，在第一方面的一种可实现方式中，所述第一处理单元、所述第二处理单元和所述第三处理单元均包括依次连接的低通滤波器、高通滤波器、放大电路和衰减电路；所述第四处理单元包括过零电路，所述放大电路和所述衰减电路均还与所述FPGA单元连接。
结合第一方面，在第一方面的一种可实现方式中，所述高速ADC包括第一ADC单元、第二ADC单元和第三ADC单元；
所述第一ADC单元与所述第一处理单元连接，用于对所述A相高频电压调理信号进行模数转换，得到A相数字信号；
所述第二ADC单元与所述第二处理单元连接，用于对所述B相高频电压调理信号进行模数转换，得到B相数字信号；
所述第三ADC单元与所述第三处理单元连接，用于对所述C相高频电压调理信号进行模数转换，得到C相数字信号。
第二方面，本申请实施例提供一种局部放电识别方法，所述方法包括：
实时将待检测电缆的三相电流信号通过电磁感应转换为三相电压信号，所述三相电压信号包括三相高频电压信号和三相工频电压信号；
滤除所述三相电压信号中的所述三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号；
对所述三相高频电压调理信号进行模数转换，得到三相数字信号；
对三相数字信号进行预处理，得到三相数字信号对应的放电图谱，所述预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取；
将三相数字信号对应的放电图谱输入预先构建的识别模型进行放电类型预测，得到每个放电图谱对应的放电识别类型，所述识别模型是基于VGG16卷积神经网络模型构建，且采用预先采集的原始放电图谱进行训练和验证的；
基于所有放电图谱以及各个放电图谱对应的放电识别类型，得到所述三相电压信号对应的局部放电的放电类型和放电量。
结合第二方面，在第二方面的一种可实现方式中，所述方法还包括：
将所述高频电压信号对应的局部放电的放电类型和放电量上传至云平台，以使所述云平台采用迁移学习算法更新所述识别模型。
本申请实施例提供一种局部放电识别系统及方法，在局部放电识别系统中，利用高频电流互感器可以实时采集放电信号，同时搭配高速ADC和高精度算法，可以准确还原放电真实波形，进而可以对准确的放电波形进行分析，避免数据天然失真所造成的后续计算不准确的问题，使得局部放电的检测准确且高效。
附图说明
图1为传统的局部放电识别系统的结构示意图；
图2为本申请实施例提供的局部放电识别系统的硬件结构示意图；
图3为本申请实施例提供的高频电流互感器的结构示意图；
图4为本申请实施例提供的局部放电识别系统的具体结构示意图；
图5为本申请实施例提供的模拟信号处理器中各个处理单元的具体结构示意图；
图6为本申请实施例提供的一种局部放电识别方法的工作流程示意图；
图7为本申请实施例提供的一种局部放电识别装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
下面首先对本申请实施例适用的可能的场景进行介绍。
高压电力设备之间通常会连接电缆，电缆可以设置在电缆隧道中的电缆支架上，在电力设备运行的过程中，有可能会发生局部放电，局部放电对电力设备所造成的破坏作用主要有以下方面：(1)高温电荷粒子(主要为电子)的高速撞击，会对绝缘，例如：电缆的绝缘外皮，造成不可逆性损坏(如破坏其分子结构、碎裂纤维)，破坏绝缘效果。(2)随着放电发展过程的进行，GLS(气体绝缘全封闭组合电器)设备内部容易产生化学活性生成物，例如：臭氧(O3)或者氮的氧化物(NO、NO2)等，这些化学物容易腐蚀绝缘，甚至遇水还原为硝酸，从而更加剧烈地侵蚀绝缘。(3)局部放电过程中产生的冲击波和辐射作用，会改变材料的结构，破坏聚合物和生成游离基，从而破坏绝缘。(4)在局部放电时，设备中的油会随着电解及电极的肖特基辐射效应分解，如果油里存在杂质，容易形成油泥，降低设备的散热能力，严重时可能导致热击穿。(5)在局部放电过程中所产生的软X射线和紫外线的辐照作用下，分子容易裂解形成电腐蚀。在上述因素共同作用下，局部放电的持续发展会加重绝缘介质的损伤程度，降低绝缘强度，甚至可能使得整个绝缘放电击穿，例如：电缆C的绝缘外皮上产生的放电击穿处，产生严重的后果，因此需要对局部放电进行有效检测。
图1为传统的局部放电识别系统的结构示意图。参照图1所示，传统的局部放电识别系统主要包括依次连接的采样保持单元和低速ADC(Analog-to-digitalconverter，模数转换器)模块。采样保持单元利用采样保持法对原始模拟信号进行采样，得到采样后的放电信号，低速ADC模块对放电信号进行模数转换，输出给服务器进行局部放电的放电类型识别。然而，采用此种局部放电识别系统，虽然可以极大地减小硬件成本，但是因为局放信号是几十兆的波形，这种结构不能真实还原局放信号，只能采集放电过程中的最大点，因此数据存在天然失真，对于后续放电量的计算、放电类型的识别误差很大，告警不准确。另外，此种结构的产品需要单独部署后台服务器，且运行专用的软件才能识别放电类型，配置成本较高。
为了解决目前存在的技术问题，本申请通过以下实施例公开了一种局部放电识别系统，可以应用于高压线缆、开关柜、变电站、配电房等设施，该系统可以对局部放电进行检测，通过实时采集放电信号，准确还原放电真实波形，同时搭配高速ADC和高精度算法，使得局部放电的检测准确且高效。参见图2所示的硬件结构示意图，本申请实施例提供的局部放电识别系统包括依次连接的高频电流互感器100、模拟信号处理器200、高速ADC300、异构处理器400和NPU(Neural-networkProcessingUnit，神经网络处理器)500。
图3为本申请实施例提供的高频电流互感器的结构示意图。参照图3所示，高频电流互感器100包括磁性感应线圈110以及设置在磁性感应线圈110内部的采集单元120，磁性感应线圈110套设在待检测电缆上，采集单元120用于实时把待检测电缆的三相电流信号通过电磁感应转换为三相电压信号。三相电压信号包括三相高频电压信号和三相工频电压信号。三相高频电压信号通常可以为3-30Mhz(兆赫)的几mv(毫伏)到几V(伏)的电压信号。三相工频电压信号可以为50Hz(赫兹)的电压信号。其中，磁性感应线圈110为磁性材料制成的环形装置，环形的具体形状不作限定。磁性感应线圈110可以套设在待检测电缆的任意位置，例如：待检测电缆的两端与电力设备的连接处，或者待检测电缆的任意位置。另外，高频电流互感器100还可以包括线缆、航插等连接部件。这样，通过采用新型磁性材料制造的磁性感应线圈110能更好的还原放电信号，从而避免信号失真造成的分析结果不准确。
参照图2所示，异构处理器400具体被配置为执行以下步骤：
步骤一，控制模拟信号处理器200滤除三相电压信号中的三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号。
步骤二，驱动高速ADC300对三相高频电压调理信号进行模数转换，得到三相数字信号。
步骤三，对三相数字信号进行预处理，得到三相数字信号对应的放电图谱.
其中，预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取。特征提取可以表示基于幅值和相位的放电特征统计。
步骤四，将三相数字信号对应的放电图谱输出给NPU500进行局部放电的放电类型识别和放电量检测，得到三相电压信号的放电识别结果。
如此，本申请实施例提供的局部放电识别系统，利用高频电流互感器100实时采集放电信号，同时搭配高速ADC300和高精度算法，可以准确还原放电真实波形，进而避免数据天然失真所造成的后续计算不准确的问题，使得局部放电的检测准确且高效。
图4为本申请实施例提供的局部放电识别系统的具体结构示意图。在一些实施例中，参照图4所示，高频电流互感器100中的采集单元120可以包括第一采集子单元121、第二采集子单元122、第三采集子单元123和第四采集子单元124，第一采集子单元121用于实时把待检测电缆的A相电流信号通过电磁感应转换为A相电压信号，第二采集子单元122用于实时把待检测电缆的B相电流信号通过电磁感应转换为B相电压信号，第三采集子单元123用于实时把待检测电缆的C相电流信号通过电磁感应转换为C相电压信号，第四采集子单元124用于实时把待检测电缆的三相电流信号中的任意一相电流信号通过电磁感应转换为对应相的电压信号。四个采集单元采集到的各相电压信号可以分别用于后续各相的单独分析和相位同步。这样，同时进行多路信号的采集，有利于后续多通道信号并行处理，可以提高处理效率。
下面对本申请实施例提供的模拟信号处理器200进行介绍。
参照图4所示，在一些实施例中，模拟信号处理器200可以为多个芯片组成的模块，具体包括与第一采集子单元121连接的第一处理单元210、与第二采集子单元122连接的第二处理单元220、与第三采集子单元123连接的第三处理单元230和与第四采集子单元123连接的第四处理单元240。各个处理单元可以分别对应于一块芯片。第一处理单元210用于滤除A相电压信号中的A相工频电压信号和噪声，并进行幅度调整，得到A相高频电压调理信号。第二处理单元220用于滤除B相电压信号中的B相工频电压信号和噪声，并进行幅度调整，得到B相高频电压调理信号。第三处理单元230用于滤除C相电压信号中的C相工频电压信号和噪声，并进行幅度调整，得到C相高频电压调理信号。第四处理单元240用于对第四采集子单元124采集到的电压信号进行过零处理，得到相位同步信号。这样，模拟信号处理器200可以多通道并行调理各路采集信号，从而提高整体处理效率。
图5为本申请实施例提供的模拟信号处理器中各个处理单元的具体结构示意图。参照图5所示，在一些实施例中，模拟信号处理器中第一处理单元、第二处理单元和第三处理单元均包括依次连接的低通滤波器211、高通滤波器212、放大电路213和衰减电路214，放大电路213和衰减电路214均还与FPGA单元连接。具体地，是放大电路213中的参数配置模块和衰减电路214中的参数配置模块与FPGA单元连接，放大电路213和衰减电路214均是用于对滤波后得到的信号的幅度进行调整，在利用默认配置参数进行处理，再经高速ADC转换以后，FPGA单元会判断信号幅值大小是否合适，如果不合适，可以对放大电路213和衰减电路214对应的配置参数进行调整。信号幅度应调整在合适的范围内，幅度过大会导致高速ADC采集不到最高点，从而丢失信息，幅度过小会导致信号不好区分。第四处理单元包括过零电路。过零电路产生的相位同步信号为脉冲信号，该脉冲信号通过IO接口(Input/Output，输入/输出)直接送入FPGA单元。FPGA单元可以利用该脉冲信号对各相数字信号进行相位同步。也就是说，各相数字信号可以以相位同步信号为基准，进行相位同步。
在其他实施例中，采集单元中也可以仅包括一个采集子单元，该采集子单元同时采集三相电压信号，且与模拟信号处理器中各个处理单元连接，也就是说，基于本申请实施例提供的构思和结构，局部放电识别系统可以有多种变形的结构，本申请实施例对此不作具体限定。
下面对本申请实施例提供的高速ADC300进行介绍。
参照图4所示，在一些实施例中，高速ADC300包括第一ADC单元310、第二ADC单元320和第三ADC单元330。第一ADC单元310与第一处理单元210连接，用于对A相高频电压调理信号进行模数转换，得到A相数字信号。第二ADC单元320与第二处理单元220连接，用于对B相高频电压调理信号进行模数转换，得到B相数字信号。第三ADC单元330与第三处理单元230连接，用于对C相高频电压调理信号进行模数转换，得到C相数字信号。示例性地，高速ADC300可以为采用脉动型和折叠型等结构的ADC。
下面对本申请实施例提供的异构处理器400进行介绍。
参照图4所示，在一些实施例中，异构处理器400包括依次连接的FPGA(FieldProgrammableGateArray，现场可编程逻辑门阵列)单元410、内存单元420和ARM(AdvancedRISCMachines，RISC微处理器)单元430。FPGA单元410、内存单元420和ARM单元430构成乒乓缓冲结构，可以更好地保证系统处理的实时性。FPGA单元410分别与高速ADC300和模拟信号处理器200连接，ARM单元430与NPU500连接。内存单元420可以为DDR(Double DataRate，双倍速率)存储器。其中，FPGA单元410负责硬件控制(例如：放大、衰减电路等控制)，驱动高速ADC300的采集，然后将数据传输到内存单元420，并与ARM单元430进行交互。ARM单元430可以负责控制FPGA单元410采集和停止，ARM单元430还可以负责参数更新、特征提取、屏幕控制和云平台通信等。FPGA单元410与ARM单元430的交互逻辑是ARM单元430启动FPGA单元410进行采集，然后ARM单元430处理数据。
本申请实施例中，ARM单元430基于SMP(SymmetricMultiProcessing，对称多处理器)架构，可以至少包括四个第一内核431，其中三个第一内核431分别对A相数字信号、B相数字信号和C相数字信号进行独立预处理，得到A相数字信号对应的放电图谱、B相数字信号对应的放电图谱和C相数字信号对应的放电图谱。另一个第一内核431用于运行操作系统，以通过通信协议与云平台600进行通信，并将局部放电识别结果上报云平台600，或者也可以实现本地web服务。其中，操作系统可以为Linux操作系统。这样，另一个第一内核431相当于高速通信单元，可以为与云平台交互的通道，包含支持IEC104、IEC61850等电力系统协议结果的上报和原始局放数据的上传，可以为后台告警、人工评判、后续的算法优化、人工智能训练、软件升级等提供通道。在一些实施例中，第一内核431可以为A53内核。其中，A53-0可以用于运行Linux操作系统，A53-1可以用于处理A相位通道的数据，A53-2可以用于处理B相位通道的数据，A53-3可以用于处理C相位通道的数据。这样，3个A53内核通过在裸机(即没有操作系统，通过自设的控制逻辑进行采样)运行汇编算子各自独立处理A/B/C三相的数据，高频率实时采集一段时间内数据，再进行后续处理，可以对硬件特性进行极致优化，实现大数据量的实时处理，提高系统对于高频局放信号的识别响应，从而可以提高识别精准度，极大地提高处理效率。
另外，ARM单元430还可以包括至少一个第二内核432，第二内核432用于控制FPGA单元410对各相数字信号进行相位同步。在一些实施例中，第二内核432可以为R5内核。该R5内核用于处理相位同步通道的数据，也就是控制FPGA单元410利用相位同步信号进行零点同步。需要说明的是，相位同步通道是FPGA单元410做零点同步用的，不参与后续处理。此外，ARM单元430可以包括两个R5内核，R5-0内核负责显示屏的驱动以及识别结果的本地显示，R5-1负责处理相位同步通道的数据。这样，还能对局部放电的识别结果进行本地显示，可以进一步提高本申请实施例提供的识别系统使用的便捷性。
如此，本申请实施例提供的异构处理器，采用FPGA+多核ARM处理器架构的单芯片结构，不仅可以提高处理效率而且可以减小设备体积。针对多核系统，不同内核之间进行功能隔离，从而可以摒弃传统的操作系统的调度损耗，进一步提高处理速度，另外，通过特殊配置在单独一个内核运行Linux操作系统，便于使用第三方库，可以实现标准化的协议处理、人工智能框架的部署、推理等，减少开发难度。
本申请实施例中，NPU500上可以搭载有预先构建的识别模型和高精度算法，以计算放电图谱的系数和判定高频电压信号的局部放电的放电类型。其中，识别模型是基于VGG16卷积神经网络模型构建，且采用预先采集的原始放电图谱进行训练和验证的。局部放电的放电类型可以包括电晕放电、悬浮放电、金属颗粒放电、气隙放电和沿面放电。这样，可以集成8T算力的高效NPU，结合人工智能算法提高放电类型的识别能力和速度。
如此，本申请实施例提供的局部放电识别系统，利用高频电流互感器实时获取放电信号，同时搭配高速、高精度的实时高速信号处理硬件架构，实现高频放电信号的实时采集，有效还原放电波形，通过多核并行处理数据，还结合人工智能算法来代替传统人工特征提取方式，可以充分发挥硬件效能，整体识别非常准确且高效，具有较强的可靠性和便携性，有利于在风险点较高的位置大批量部署。
下述为本申请方法实施例，可以应用于本申请系统实施例。对于本申请方法实施例中未披露的细节，请参照本申请系统实施例。
图6为本申请实施例提供的一种局部放电识别方法的工作流程示意图。参见图6所示，具体包括如下步骤：
601：实时将待检测电缆的三相电流信号通过电磁感应转换为三相电压信号。
其中，三相电压信号包括三相高频电压信号和三相工频电压信号。
602：滤除三相电压信号中的三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号。
603：对三相高频电压调理信号进行模数转换，得到三相数字信号。
604：对三相数字信号进行预处理，得到三相数字信号对应的放电图谱。
其中，预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取。
605：将三相数字信号对应的放电图谱输入预先构建的识别模型进行放电类型预测，得到每个放电图谱对应的放电识别类型。
其中，识别模型是基于VGG16卷积神经网络模型构建，且采用预先采集的原始放电图谱进行训练和验证的。具体地，原始放电图谱可以根据以往现场采集的原始数据通过去噪、特征提取等方式生成常见的5种类型的局放图谱，然后放入VGG16模型中进行训练，生成识别模型然后进行推理。
识别模型的架构主要参照VGG16卷积神经网络模型的架构，包括卷积层、池化层、全连接层，还在全连接层后增加softmax层，最终得到每种局部放电的放电类型和对应的预测概率。
606：基于所有放电图谱以及各个放电图谱对应的放电识别类型，得到三相电压信号对应的局部放电的放电类型和放电量。
在执行步骤606之后，本申请实施例提供的方法还可以包括：
将高频电压信号对应的局部放电的放电类型和放电量上传至云平台，以使云平台采用迁移学习算法更新识别模型。这样，云平台可以基于人工和系统的检测进行联合判断，在系统识别到放电信号或者可疑信号后，上报运维人员，运维人员现场处理并把处理结果反馈到云平台，云平台获取当时系统上报判断时的原始数据采用迁移学习算法训练识别模型，以提高模型的泛化能力，并自动更新系统中搭载的识别模型，进而提高对局部放电现象的识别能力。此外，云平台还可以进行告警信息展示和人工辅助的原始局放数据的展示等。通过云平台和运维人员交互，不仅能够实现对识别系统的管理，更能结合平台内所有系统的数据进行人工智能算法的训练，让系统持续进化，不断提高诊断水平。
如此，本申请实施例提供的局部放电识别方法，可以通过电磁感应实时采集放电信号，通过对放电信号进行调理、模数转换和预处理后，可以准确还原放电真实波形，然后利用卷积神经网络模型来识别放电图谱，最终检测出放电类型，整个过程可以避免采集数据天然失真的情况，放电类型的识别准确且高效。
本申请实施例还提供一种局部放电识别装置。图7为本申请实施例提供的一种局部放电识别装置的结构示意图。参照图7所示，该装置具有实现上述局部放电识别方法的功能，所述功能可以由硬件执行相应的软件实现。该装置可以包括：采集模块701、模拟信号处理模块702、ADC模块703、数字信号处理模块704和算法模块705。另外，该装置还可以包括高速通信模块706，以与云平台600进行通信。
采集模块701，用于实时将待检测电缆的三相电流信号通过电磁感应转换为三相电压信号。
模拟信号处理模块702，用于滤除三相电压信号中的三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号。
ADC模块703，用于对三相高频电压调理信号进行模数转换，得到三相数字信号。
数字信号处理模块704，用于对三相数字信号进行预处理，得到三相数字信号对应的放电图谱，预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取。
算法模块705，用于将三相数字信号对应的放电图谱输入预先构建的识别模型进行放电类型预测，得到每个放电图谱对应的放电识别类型，识别模型是基于VGG16卷积神经网络模型构建，且采用预先采集的原始放电图谱进行训练和验证的。以及，基于所有放电图谱以及各个放电图谱对应的放电识别类型，得到三相电压信号对应的局部放电的放电类型和放电量。
在一种可实现方式中，高速通信模块706用于：
将高频电压信号对应的局部放电的放电类型和放电量上传至云平台600，以使云平台600采用迁移学习算法更新识别模型。
如此，本申请实施例提供的局部放电识别装置，可以通过电磁感应实时采集放电信号，通过对放电信号进行调理、模数转换和预处理后，可以准确还原放电真实波形，然后利用卷积神经网络模型来识别放电图谱，最终检测出放电类型，整个装置可以避免采集数据天然失真的情况，放电类型的识别准确且高效。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (9)

1.一种局部放电识别系统，其特征在于，包括：
依次连接的高频电流互感器、模拟信号处理器、高速模数转换器ADC、异构处理器和神经网络处理器NPU，所述模拟信号处理器包括第一处理单元、第二处理单元、第三处理单元和第四处理单元；
所述高频电流互感器包括磁性感应线圈以及设置在所述磁性感应线圈内部的采集单元，所述磁性感应线圈套设在待检测电缆上，所述采集单元用于实时把所述待检测电缆的三相电流信号通过电磁感应转换为三相电压信号，所述三相电压信号包括三相高频电压信号和三相工频电压信号，所述采集单元包括第一采集子单元、第二采集子单元、第三采集子单元和第四采集子单元；
其中，所述模拟信号处理器的所述第一处理单元与所述第一采集子单元连接，用于滤除A相电压信号中的A相工频电压信号和噪声，并进行幅度调整，得到A相高频电压调理信号；
所述第二处理单元与所述第二采集子单元连接，用于滤除B相电压信号中的B相工频电压信号和噪声，并进行幅度调整，得到B相高频电压调理信号；
所述第三处理单元与所述第三采集子单元连接，用于滤除C相电压信号中的C相工频电压信号和噪声，并进行幅度调整，得到C相高频电压调理信号；
所述第四处理单元与所述第四采集子单元连接，用于对三相电压信号中任意一相电压信号进行过零处理，得到相位同步信号，所述相位同步信号用于对各相数字信号进行相位同步；
所述异构处理器被配置为执行以下步骤：
控制所述模拟信号处理器滤除所述三相电压信号中的所述三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号；
驱动所述高速模数转换器ADC对所述三相高频电压调理信号进行模数转换，得到三相数字信号；
对三相数字信号进行预处理，得到三相数字信号对应的放电图谱，所述预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取；
将三相数字信号对应的放电图谱输出给所述NPU进行局部放电的放电类型和放电量识别，得到所述三相电压信号的放电识别结果。
2.根据权利要求1所述的系统，其特征在于，所述异构处理器包括依次连接的现场可编程逻辑门阵列FPGA单元、内存单元和ARM单元，所述FPGA单元、所述内存单元和所述ARM单元构成乒乓缓冲结构，所述FPGA单元分别与所述高速模数转换器ADC和所述模拟信号处理器连接，所述ARM单元与所述NPU连接。
3.根据权利要求2所述的系统，其特征在于，所述ARM单元至少包括四个第一内核；
其中三个所述第一内核分别对A相数字信号、B相数字信号和C相数字信号进行独立预处理，得到A相数字信号对应的放电图谱、B相数字信号对应的放电图谱和C相数字信号对应的放电图谱；
另一个所述第一内核用于运行操作系统，以与云平台进行通信，并将局部放电识别结果上报所述云平台。
4.根据权利要求3所述的系统，其特征在于，所述ARM单元还包括至少一个第二内核；
所述第二内核用于控制所述FPGA单元对各相数字信号进行相位同步。
5.根据权利要求4所述的系统，其特征在于，所述第一内核为A53内核，所述第二内核为R5内核。
6.根据权利要求1所述的系统，其特征在于，所述第一处理单元、所述第二处理单元和所述第三处理单元均包括依次连接的低通滤波器、高通滤波器、放大电路和衰减电路；所述第四处理单元包括过零电路，所述放大电路和所述衰减电路均还与FPGA单元连接。
7.根据权利要求1所述的系统，其特征在于，所述高速模数转换器ADC包括第一ADC单元、第二ADC单元和第三ADC单元；
所述第一ADC单元与所述第一处理单元连接，用于对所述A相高频电压调理信号进行模数转换，得到A相数字信号；
所述第二ADC单元与所述第二处理单元连接，用于对所述B相高频电压调理信号进行模数转换，得到B相数字信号；
所述第三ADC单元与所述第三处理单元连接，用于对所述C相高频电压调理信号进行模数转换，得到C相数字信号。
8.一种局部放电识别方法，其特征在于，所述方法应用于权利要求1-7中任一项所述的一种局部放电识别系统，包括：
实时将待检测电缆的三相电流信号通过电磁感应转换为三相电压信号；
滤除所述三相电压信号中的三相工频电压信号和噪声，并进行幅度调整，得到三相高频电压调理信号；
对所述三相高频电压调理信号进行模数转换，得到三相数字信号；
对三相数字信号进行预处理，得到三相数字信号对应的放电图谱，所述预处理包括格式转换、数字高通滤波、数字低通滤波和特征提取；
将三相数字信号对应的放电图谱输入预先构建的识别模型进行放电类型预测，得到每个放电图谱对应的放电识别类型，所述识别模型是基于VGG16卷积神经网络模型构建，且采用预先采集的原始放电图谱进行训练和验证的；
基于所有放电图谱以及各个放电图谱对应的放电识别类型，识别得到所述三相电压信号对应的局部放电的放电类型和放电量。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
将所述高频电压信号对应的局部放电的放电类型和放电量上传至云平台，以使所述云平台采用迁移学习算法更新所述识别模型。
CN202310557606.4A 2023-05-17 2023-05-17 一种局部放电识别系统及方法 Active CN116400180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310557606.4A CN116400180B (zh) 2023-05-17 2023-05-17 一种局部放电识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310557606.4A CN116400180B (zh) 2023-05-17 2023-05-17 一种局部放电识别系统及方法

Publications (2)

Publication Number Publication Date
CN116400180A CN116400180A (zh) 2023-07-07
CN116400180B true CN116400180B (zh) 2023-11-14

Family

ID=87012481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310557606.4A Active CN116400180B (zh) 2023-05-17 2023-05-17 一种局部放电识别系统及方法

Country Status (1)

Country Link
CN (1) CN116400180B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117554767B (zh) * 2024-01-10 2024-04-05 华北电力科学研究院有限责任公司 一种基于工频电流互感器的高频放电信号检测装置及方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655538A (zh) * 2009-09-27 2010-02-24 西安博源电气有限公司 发电机局部放电在线监测装置及其监测方法
CN101893672A (zh) * 2010-07-03 2010-11-24 太原理工大学 一种矿用高压电缆状态监测及故障诊断预警装置
KR101165298B1 (ko) * 2011-08-08 2012-07-19 한국수력원자력 주식회사 극저주파 내압기와 고주파 변류기의 부분방전 진단 장비를 사용하는 원자력발전소 고압케이블 부분방전 측정 방법
CN103513167A (zh) * 2013-09-18 2014-01-15 北京四方继保自动化股份有限公司 基于分布式网络平台的开关局部放电状态监测装置
CN104090219A (zh) * 2014-07-18 2014-10-08 国家电网公司 一种高压电缆终端局部放电高频监测器
CN106771933A (zh) * 2017-01-23 2017-05-31 天津大学 基于无线网络的电力电缆局部放电高频电流监测系统
CN206584008U (zh) * 2017-03-28 2017-10-24 海南电网有限责任公司 变压器隐患放电及绕组变形监测装置
CN206657079U (zh) * 2017-02-23 2017-11-21 福建省魏尔曼电力科技有限公司 一种可定位特高频电缆局部放电检测装置
CN107831416A (zh) * 2017-10-24 2018-03-23 四川省东宇信息技术有限责任公司 一种电缆局部放电监测方法
CN109799434A (zh) * 2019-03-01 2019-05-24 深圳供电局有限公司 局部放电模式识别系统及方法
CN111133324A (zh) * 2017-09-26 2020-05-08 西门子股份公司 用于识别电运行机构中的局部放电的方法和装置
CN111830375A (zh) * 2020-07-01 2020-10-27 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种可定位绝缘缺陷的电缆在线监测装置及方法
CN112034310A (zh) * 2020-07-31 2020-12-04 国网山东省电力公司东营供电公司 一种组合电器局部放电缺陷诊断方法及系统
CN113283579A (zh) * 2021-04-27 2021-08-20 国网山东省电力公司烟台供电公司 一种通过卷积神经网络识别局部放电故障类型的方法
CN114089136A (zh) * 2021-12-01 2022-02-25 国网河南省电力公司南阳供电公司 基于人工智能的高压电缆局放检测与缺陷诊断系统
CN216848010U (zh) * 2022-01-12 2022-06-28 重庆臻远电气有限公司 一种边缘计算的电缆局放在线监测装置
FI20225120A1 (en) * 2022-02-11 2023-03-15 Safegrid Oy METHOD AND DEVICE FOR FAULT DETECTION IN A DISTRIBUTION NETWORK
CN116106696A (zh) * 2022-12-20 2023-05-12 国网河南省电力公司夏邑县供电公司 基于电场耦合的环网柜局部放电在线监测装置及方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655538A (zh) * 2009-09-27 2010-02-24 西安博源电气有限公司 发电机局部放电在线监测装置及其监测方法
CN101893672A (zh) * 2010-07-03 2010-11-24 太原理工大学 一种矿用高压电缆状态监测及故障诊断预警装置
KR101165298B1 (ko) * 2011-08-08 2012-07-19 한국수력원자력 주식회사 극저주파 내압기와 고주파 변류기의 부분방전 진단 장비를 사용하는 원자력발전소 고압케이블 부분방전 측정 방법
CN103513167A (zh) * 2013-09-18 2014-01-15 北京四方继保自动化股份有限公司 基于分布式网络平台的开关局部放电状态监测装置
CN104090219A (zh) * 2014-07-18 2014-10-08 国家电网公司 一种高压电缆终端局部放电高频监测器
CN106771933A (zh) * 2017-01-23 2017-05-31 天津大学 基于无线网络的电力电缆局部放电高频电流监测系统
CN206657079U (zh) * 2017-02-23 2017-11-21 福建省魏尔曼电力科技有限公司 一种可定位特高频电缆局部放电检测装置
CN206584008U (zh) * 2017-03-28 2017-10-24 海南电网有限责任公司 变压器隐患放电及绕组变形监测装置
CN111133324A (zh) * 2017-09-26 2020-05-08 西门子股份公司 用于识别电运行机构中的局部放电的方法和装置
CN107831416A (zh) * 2017-10-24 2018-03-23 四川省东宇信息技术有限责任公司 一种电缆局部放电监测方法
CN109799434A (zh) * 2019-03-01 2019-05-24 深圳供电局有限公司 局部放电模式识别系统及方法
CN111830375A (zh) * 2020-07-01 2020-10-27 中国大唐集团科学技术研究院有限公司火力发电技术研究院 一种可定位绝缘缺陷的电缆在线监测装置及方法
CN112034310A (zh) * 2020-07-31 2020-12-04 国网山东省电力公司东营供电公司 一种组合电器局部放电缺陷诊断方法及系统
CN113283579A (zh) * 2021-04-27 2021-08-20 国网山东省电力公司烟台供电公司 一种通过卷积神经网络识别局部放电故障类型的方法
CN114089136A (zh) * 2021-12-01 2022-02-25 国网河南省电力公司南阳供电公司 基于人工智能的高压电缆局放检测与缺陷诊断系统
CN216848010U (zh) * 2022-01-12 2022-06-28 重庆臻远电气有限公司 一种边缘计算的电缆局放在线监测装置
FI20225120A1 (en) * 2022-02-11 2023-03-15 Safegrid Oy METHOD AND DEVICE FOR FAULT DETECTION IN A DISTRIBUTION NETWORK
CN116106696A (zh) * 2022-12-20 2023-05-12 国网河南省电力公司夏邑县供电公司 基于电场耦合的环网柜局部放电在线监测装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
IEEE Standard Terminology for Power and Distribution Transformers;IEEE;《Standard》;第1-72页 *
基于脉冲电流法的高压电缆绝缘放电在线感知研究;谭文胜 等;《水电站机电技术》;第42卷(第12期);第50-53页 *

Also Published As

Publication number Publication date
CN116400180A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
US11408797B2 (en) GIL fault on-line monitoring system based on vibration signals and support vector machine
Upendar et al. PSO and ANN-based fault classification for protective relaying
Peng et al. Application of K-Means method to pattern recognition in on-line cable partial discharge monitoring
CN116400180B (zh) 一种局部放电识别系统及方法
Chang et al. Review of different fault detection methods and their impact on pre‐emptive VSC‐HVDC dc protection performance
CN101408565B (zh) 基于电压互感器采样的35kv配电站内、外过电压监测方法
Wei et al. Waveform matching approach for fault diagnosis of a high-voltage transmission line employing harmony search algorithm
CN108805107B (zh) 一种基于prps信号的gis内部局部放电缺陷识别方法
CN111404130B (zh) 基于快速开关的新型配电网故障检测方法及故障自愈系统
CN110554284B (zh) 基于gis设备的局放检测方式的相关性分析方法及系统
CN110609213B (zh) 基于最优特征的mmc-hvdc输电线路高阻接地故障定位方法
Wang et al. Novel travelling wave directional pilot protection for VSC‐HVDC transmission line
Asman et al. Transient fault detection and location in power distribution network: A review of current practices and challenges in Malaysia
Yang et al. Multi-Frequency bands based Pole-to-Ground fault detection method for MMC-Based radial DC distribution systems
Mahela et al. A protection scheme for distribution utility grid with wind energy penetration
CN115616330B (zh) 一种基于波形相似度的输电线路多重雷识别方法及系统
Klomjit et al. Fault classification on the hybrid transmission line system between overhead line and underground cable
Gao et al. Transient energy protection based on wavelet packet transform for hybrid bipolar HVDC transmission system
Xu et al. TBMF framework: A transformer-based multilevel filtering framework for PD detection
Abd-Alkader et al. Application of using fault detection techniques in different components in power systems
Lasalvia et al. Intelligent acoustic detection of defective porcelain station post insulators
Bon Deep Learning Method for Fault Diagnosis in High Voltage Transmission Lines: A Case of the Vietnam 220kV Transmission Line
CN109001542A (zh) 一种输电线路电磁场强监测系统及方法
CN113791294B (zh) 一种边云协同的特高压直流输电系统换相失败溯源方法
CN114325236B (zh) 一种基于频谱熵和随机森林的配电网故障识别方法及系统

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
GR01 Patent grant
GR01 Patent grant