[发明专利]局部放电AE位置检测的神经元网络方法

说明书

技术领域

本发明涉及电力系统中局部放电的检测，尤其是局部放电AE位置检测的神经元网络方法。

背景技术

局部放电是导致高压电力设备绝缘损坏的一个重要因素，对运行中的设备要加强监测，当局部放电超过一定程度时，应将设备退出运行，进行检修或更换。局部放电的检测是局部放电监测的首要一环，只有检测准确，才能保障后续的监测。

局部放电发生时，会伴随产生电脉冲、超声波、电磁辐射、光、化学反应，并引起局部发热等现象。本发明通过检测超声波的方法来定位局部放电，这种方法具有简单实用的特点，近些年来采用较多。但是局部放电发生时，所散射的超声波具有不同频率，不同频段超声波所蕴含的局部放电信息不同，这就要求对不同频段进行采集。但是，这种不同频段采集的方案几乎不可行，首先是现有的滤波电路还不具备超声波分频段的要求；其次是需要的A/D元件及电路多，采样复杂，易出故障，且成本高；还有就是这样得到的采样数据也是不同频段下的值，不具有统一的参考标准，不能为局部放电监测系统所用。

发明内容

本发明针对现有技术的不足，提出了一种局部放电AE位置检测的神经元网络方法。

本发明的目的可以采用下述技术方案步骤实现：

步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；

步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；

步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；

步骤四：将滤波后的超声波信号与检测器编号送到处理器，处理器利用神经网络算法由这些信号计算出局部放电的位置；神经网络算法的输入为传感器收集的信号幅值以及对应的传感器编号，输出为局部放电发生位置的球坐标（                                               ,,r），球坐标的原点为信号采集中心；

所述的神经网络算法的训练过程包括以下步骤：

输入：训练集，每个训练集中的实例都包含输入向量，输入向量为各个AE检测器所发送过来的幅值信号与AE检测器编号，x=[,,...,],输出向量y=[,,r]，神经网络的初始连接权值选取0至1的随机数。

重复执行：

   对于实例集中的每个实例，将输入向量的各分量代入输入层

   对于隐层中的每个隐单元，执行

     

     

    对于每个输出层单元,执行

     

     

    对于每个输出层单元,执行

     

    对于隐层中的每个隐单元，执行

     

     

    对于输入层的每个单元，执行

     

不停重复这个过程，直到各权值W稳定下来，此时的各权值W就是神经网络算法中的最终权值。其中g为激励函数，为学习速率。经过训练最终得到的神经元网络的输出公式为。式中代表输入的超声波幅值信号和AE检测器编号，代表放电位置的坐标。其中为输出层单元的输出，为隐层单元的输出，为输入层单元的输出，为输出层单元与隐层单元的连接权值，为隐层单元与输入层单元的连接权值。

   本发明的有益效果：能够提取局部放电产生的超声波所蕴含的放电的信息，从中计算出局部放电位置，为局部放电监测系统所用，提高了局部放电监测的准确度。

附图说明

图1局部放电的位置坐标；

图2神经网络的输入层、输出层和隐层。

具体实施方式

下面结合附图和实施例对本发明进一步说明：

本发明一种局部放电AE位置检测的神经元网络方法，该方法具体包括以下步骤：

步骤一：利用设置在变压器或开关柜内部的多个AE检测器检测局部放电超声波信号，并对这些超声波信号进行采集；

步骤二：将采集到的超声波信号连同检测器编号送入信号采集中心进行编码；

步骤三：将编码后的信号送到信号调理电路，信号调理电路对检测信号进行滤波、消除干扰和噪声信号；