[发明专利]基于D‑S证据理论的GIS局部放电故障类型识别方法

说明书

技术领域

本发明涉及一种GIS设备绝缘状态识别方法，具体为基于 D-S(Dempster-Shafer)理论的决策级数据融合识别方法。

背景技术

对气体绝缘组合电器(Gas Insulated Switchgear，GIS)进行在线局部放电 (Partial Discharge，PD)检测可有效掌握GIS内部绝缘状况，预防GIS绝缘故障跳闸造成电网事故。目前超声波、超高频两种检测方法工程应用较为普遍，技术也比较成熟，但工程应用反馈出许多问题，而SF6分解物组份检测法是目前比较新兴和发展趋势良好的在线检测方法。

超声波检测法通过超声波探头检测PD产生的超声波及振动信号来检测PD 信号，超高频法(Ultra High Frequency，UHF)通过天线接收PD产生的300～ 3000MHz频段UHF电磁波信号来检测PD信号。不同绝缘缺陷引起的局部放电所产生不同的分解化合气体，SF6分解物检测法通过对PD引起的GIS内部SF6气体分解生成的各种特征气体含量来检测PD信号。

在GIS内部模拟突出物A类缺陷、附着物B类缺陷、绝缘子气隙C类缺陷及自由微粒D类缺陷等4种绝缘缺陷，运用此三种方法进行故障检测，对检测图谱分析可知：超声波检测法对D类自由金属颗粒缺陷引起的PD检测效果最明显，对B类绝缘子附着污染物缺陷放电检测并不明显；超高频检测法中对A类金属突出物和C类绝缘子气隙缺陷引起的PD检测效果最为明显，对D类自由金属微粒缺陷放电检测效果最差；SF6分解物组分检测法一般是在PD发生15小时后，SF6气体分解物含量达到一定数量，才能够有效识别，其中A类金属突出物和B类绝缘子附着污染物缺陷产生的PD最稳定，且产气量大、分解速率高，识别效果最好，C类绝缘子气隙缺陷PD产气量相对较小，识别效果较差。

因此，运用超声波、超高频、SF6分解物组份检测这3种单一方法，不能对 GIS设备PD故障类型进行完全有效识别。

发明内容

本发明运用D-S(Dempster-Shafer)理论对3种不同类型传感器采集数据分析结果进行决策级融合，将来自某一目标的多源信息加以智能合成，利用3种检测法之间互补性的特点，采用超声波、超高频和SF6分解物组份检测进行联合在线检测，运用D-S证据理论对3种不同类型传感器采集数据融合决策。

为实现上述目标，本发明采用如下的技术方案：

一种GIS局部放电故障类型识别方法，其特征在于，将超声波检测法、超高频检测法和SF6分解物检测法这三种检测法进行数据融合，从而识别GIS局部放电故障类型。

所述数据融合基于D-S证据理论。

所述识别方法进一步包括如下步骤：

步骤一：由超声波传感器、超高频传感器、气体传感器分别对局部放电结果进行检测；

步骤二：将所述步骤一中各个传感器检测到的数据进行预处理，并分别判断出故障类型；

步骤三：运用D-S证据理论进行决策融合；

步骤四：输出识别结果。

所述步骤三进一步包括如下步骤：

(1)对超声波、超高频两种检测方法进行可信度数据融合；

(2)将融合后的结果与分解物检测法的可信度结果再次进行融合，得到融合结果。

所述步骤(1)基于以下公式进行：

其中，m(A)为A的基本可信度分配函数；A为命题可能的结果；Θ表示命题对应所有可能结论的非空集合，集合内含有限个元素，且所有元素互斥；设Θ上存在Bel₁和Bel₂两个信度函数，m₁、m₂分别是其对应Bel₁、Bel₂的基本可信度分配，若A∈Θ且m(A)＞0，其焦元分别为A₁,A₂,…,A_k和B₁,B₂…,B_n；i表示常量1，2，…k；j表示常量1，2，…n；n表示自然数1，2，3,…。

所述步骤(2)基于以下公式进行：

本发明的有益效果是：本发明针对单一类型检测方法辨识度方面的不足，设计了多传感器信息融合故障类型识别系统结构，使GIS绝缘故障类型识别的准确度和快速性得以大大提高。

附图说明

图1为D-S证据理论信息融合的过程图；

图2为GIS局放类型识别信息融合系统结构框图。

具体实施方式