[发明专利]一种高压设备绝缘故障诊断方法和系统

说明书

本发明公开了一种高压设备绝缘故障诊断方法，其包括步骤：(1)获取表征高压设备若干种绝缘故障类型的局部放电信号的染噪训练样本，基于染噪训练样本提取其相位分辨脉冲序列数据，对相位分辨脉冲序列数据进行归一化处理；(2)通过归一化处理后的相位分辨脉冲序列数据对构建的深度稀疏降噪自编码器进行训练，得到经过训练的深度稀疏降噪自编码器；(3)将待识别的高压设备的染噪局部放电信号输入经过训练的深度稀疏降噪自编码器，基于该深度稀疏降噪自编码器输出分类层的输出以得到高压设备的缺陷类型。此外，本发明还公开了一种高压设备绝缘故障诊断系统，其包括数据预处理模块和故障识别模块。

技术领域

本发明涉及一种故障诊断方法和系统，尤其涉及一种用于高压设备的故障诊断方法和系统。

背景技术

局部放电(PD)是引起高压设备故障的重要原因之一，长时间的PD累积会造成高压设备的一系列物理化学反应，加剧绝缘损坏，从而引起设备故障。PD状态检测是保障高压设备可靠运行的重要手段，而PD故障识别是局放检测的核心环节。近年来，神经网络诊断技术通过对故障样本的学习，以神经网络连接权值来表达所学故障诊断知识，具有对故障模糊匹配、相似归纳和联想记忆等能力。其中，较多采用的神经网络诊断技术为支持向量机(以下简称SVM)，SVM建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷，以获得最好的推广能力。

也就是说，现有的神经网络诊断技术在无干扰或干扰信号很小的数据作为样本时具有较好的识别能力，然而，由于变电站现场的电磁环境非常复杂，PD检测易受各种电磁干扰的影响。电磁干扰在多因素影响下其特征是动态变化的，从而增大了电磁干扰辨识和抑制的难度，大大降低了现有技术的识别正确率，出现误报漏报的情况。

基于此，期望获得一种故障诊断方法，其不同于现有技术，该故障诊断方法可以针对有干扰的局部放电信号数据进行故障诊断，并且故障识别的正确率较高。

发明内容

本发明的目的之一在于提供一种高压设备绝缘故障诊断方法，该高压设备绝缘诊断方法可以对带有干扰例如染噪的局部放电信号进行有效的故障识别，从而能够及时有效地获取高压设备的绝缘故障情况，及时消除隐患，避免重大事故的发生，对于高压设备的安全维护具有指导意义。

基于上述目的，本发明提出了一种高压设备绝缘故障诊断方法，包括步骤：

(1)获取表征高压设备若干种绝缘故障类型的局部放电信号的染噪训练样本，基于染噪训练样本提取其相位分辨脉冲序列数据，对相位分辨脉冲序列数据进行归一化处理；

(2)通过归一化处理后的相位分辨脉冲序列数据对构建的深度稀疏降噪自编码器进行训练，得到经过训练的深度稀疏降噪自编码器；

(3)将待识别的高压设备的染噪局部放电信号输入经过训练的深度稀疏降噪自编码器，基于该深度稀疏降噪自编码器输出分类层的输出以得到高压设备的缺陷类型。

在本发明所述的技术方案中，深度稀疏降噪自编码器由若干个稀疏降噪自编码器堆叠构成，其利用稀疏降噪自编码器添加了稀疏约束条件使得其自身拥有较好的鲁棒性和高效性，并且稀疏降噪自编码器通过去除输入数据的噪声，从而提高了稀疏降噪自编码器的泛化能力和鲁邦性，而深度稀疏降噪自编码器由于由若干个疏降噪自编码器构成，因而可以得到输入数据更深的信息量以及更多的特征。

进一步地，在本发明所述的高压设备绝缘故障诊断方法中，所述深度稀疏降噪自编码器包括输入层、隐含层和输出分类层。

进一步地，在本发明所述的高压设备绝缘故障诊断方法中，所述深度稀疏降噪自编码器具有4层隐含层。

进一步地，在本发明所述的高压设备绝缘故障诊断方法中，所述隐含层的神经元个数为25。