[发明专利]采用神经网络模型的变压器局部放电在线监测系统

权利要求书

1.采用神经网络模型的变压器局部放电在线监测系统，其特征在于，包括若干独立的子系统，一个子系统监测一个变压器；一个子系统包括多个内置式UHF传感器，所述UHF传感器安装在变压器入孔和手孔盖板内，所述每一个UHF传感器都单独连接有一个A/D转换器，所述A/D转换器连接至同一多路数据采集卡，所述数据采集卡连接微型计算机芯片，所述微型计算机内嵌入有基于采用UHF法和脉冲电流法分析的神经网络模型，通过在微型计算机芯片内使用神经网络模型进行分析；微型计算机芯片的输出脚通过SPI总线连接有LoRa节点模块；微型计算机芯片将分析的结果信息通过LoRa节点模块上传至网络；后台系统通过连接网络获得结果信息所述采用UHF法和脉冲电流法分析的神经网络模型的构建方法主要包括以下步骤：

S1、对变压器局部放电建立保护模型和神经网络模型；

S2、选取变压器局部放电专家系统训练样本对神经网络进行训练；

S3、采用UHF法和脉冲电流法分析来识别故障前与故障后的系统拓扑结构差异，确定故障点；

S4、基于故障变压器的神经网络模型进行初级故障诊断；

S5、利用模糊技术对初级故障诊断结论进行预处理；

S6、根据变压器局部放电信息情况拓扑信息形成候选故障点集D＝{d1，d2…dN}，其中，d为候选故障点；

S7、根据变压器变压器拓扑信息形成各个候选故障类型的直接关联故障类型集合Di-direct＝{dm…dn}与隔一级关联故障类型集合Di-indirect＝{dk…di}；

S8、确定模糊密度，即g＝g({xi})，i＝1，2，…n，其中，g就是第i个信息的模糊密度，亦即为第i个信息的权重；

S9、根据拓扑信息及各故障变压器的诊断结论，形成直接关联故障变压器对候选故障类型的故障的支持程度的集合Fi-direct＝{fm…fn}与隔一级关联故障类型对该候选故障类型的故障的支持程度的集合Fi-indirect＝{fk…fi}；

S10、根据式计算模糊积分值ei，ei即为综合诊断给出的故障可能性指标，形成候选故障变压器的故障可能性指标集E＝{e1，e2…eN}；根据故障可能性指标集，确定故障变压器。

2.根据权利要求1所述的采用神经网络模型的变压器局部放电在线监测系统，其特征在于，所述微型计算机芯片还连接有GPS定位模块，传送结果时同时将位置信息发送给后台。

3.根据权利要求1所述的采用神经网络模型的变压器局部放电在线监测系统，其特征在于，所述微型计算机芯片还连接有存储模块，微型计算机芯片将接收的原始数据存储在存储模块中，后台有需要时，后台发送获取原始数据的请求指令，通过LoRa节点模块接收指令传给微信计算机芯片，微型计算机芯片接收指令后分析指令，按照指令要求调取对应的原始数据，再通过LoRa节点模块发送给后台。