[发明专利]一种局部放电智能传感器检测方法

说明书

技术领域

本发明涉及高压设备故障检测，具体涉及一种局部放电智能传感器检测方法。

背景技术

绝缘劣化是导致变电站装置故障的重要原因之一，导致这一类故障的主要原因有接触不良、毛刺以及内部有杂质等。由于这类故障存在，设备在投入运行后就会发生局部放电，然后进一步劣化绝缘，恶性循环后就容易造成绝缘击穿，引发更大的事故。因此，局部放电位置的定位对于电力设备的安全运行至关重要。但是传统的局放监测系统需要铺设信号传输线，安装维护工作量大，增加了系统的复杂度和现场测试的工作量。实际应用中，智能传感器在安装、拆卸、移动方面具有现有系统不可比拟的灵活性。基于传感器的局部放电定位算法可以利用与局部放电位置相关的参数，例如到达时间(TOA)、到达时间差(TDOS)、到达角度(AOA)以及接收信号强度等，实现局部放电位置的精确定位。TOA、TDOA、AOA这三种方法都有着较高的精度，但是对于硬件和软件的要求较高，价格昂贵，且在实现上有一定的困难，容易造成较大的误差。

发明内容

本发明的目的是为了解决现有的局部放电定位方法安装维护工作量大、对硬件和软件要求高、价格昂贵、容易造成较大误差的缺点，而提出一种局部放电智能传感器检测方法。

一种局部放电智能传感器检测方法，包括：

步骤一、将N个测量点按照矩阵点阵状排列设置；

步骤二、在矩阵的四个角中的每个角设置1个UHF传感器；

步骤三、使用局部放电源在每一个电力设备处放电p次；

步骤四、记录4个UHF传感器接收到的波形的信号幅值强度；

步骤五、将4个UHF传感器接收到波形的信号幅值强度，输入至基于Levenberg-Marquardt算法的BP神经网络分类器中，得到局部放电源所在的位置坐标。

优选地，电力设备的数量为7×7个。

优选地，步骤三中，放电次数为10次。

优选地，步骤四中，信号幅值强度构成的矩阵ψ为：

其中L表示传感器个数，表示局放源在测量点RP_j处时传感器AP_i测得的局放信号强度均值；τ为计数变量，取值范围为1至p的整数。

优选地，在步骤四执行之后、步骤五执行之前，还执行以下步骤：

根据ψ的列向量绘制测量点RP_j的强度分布图，表征当局部放电源位于RP_j点时所有传感器的信号幅值。

优选地，步骤五中，基于Levenberg-Marquardt算法的BP神经网络分类器包括输入层、隐含层以及输出层，其中输入层有4个神经元，输出层为放电源的位置坐标，隐含层的神经元数量为12个，其中输入层和隐含层使用的sigmoid函数为：

式中hidden_j为第j个隐含层神经元，ω_i,t为输入层神经元的权重，n为输入层神经元的数目。

本发明提供的专门针对带电检测工作的局部放电的传感器检测方法，用于定期检测高压电力设备运行过程中发生的局部放电缺陷。构建了一个基于信号幅值强度分布的定位算法的无线传感网络，可用于多种场合的电力设备局部放电在线检测系统。主要包括超高频智能传感器、无线传感网络和便携式数据分析单元组成。整个电力设备系统可采用多个智能传感器，用于检测局部放电产生的电磁信号，多个智能传感器通过无线技术组成智能网络，通过无线网络实现数据的传输及共享，结合新型幅值强度定位方法，通过数据分析单元对多个智能传感器获得的超高频电磁信号进行融合处理分析，给出缺陷定位和诊断结论。

在上述技术方案中，所述无线传感器不破坏电气设备原有结构，内置高能锂电池，无需外接电源，使用安全方便，可大大减少测试工作量。

在上述技术方案中，所述手持采集前端采用无线通信技术，可便捷地收集局部放电各种数据及图谱。

在上述技术方案中，所述无线传感网络采用多个智能传感器通过无线技术自动组网，每个智能传感器有一个标识，通过无线网络实现数据的传输及共享。

在上述技术方案中，所述局信号幅值强度分布的定位算法，有较好的精确性和稳定性，软硬件成本低廉，具有很好的实际应用价值。