[发明专利]一种直流电缆局部放电缺陷故障的识别方法及系统

说明书

本发明公开了一种直流电缆局部放电缺陷故障的识别方法，其包括步骤：(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；(4)对所述深度信念网络进行有监督训练，以优化网络参数；(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。此外，本发明还公开了一种直流电缆局部放电缺陷故障的识别系统，包括：信号采集模块、预处理模块以及信号处理模块。直流电缆局部放电缺陷故障的识别方法及系统准确率高。

技术领域

本发明涉及一种识别方法及系统，尤其涉及一种用于直流电缆故障的识别方法及系统。

背景技术

随着柔性高压直流输电的快速发展，直流交联聚乙烯(Cross-linkedpolyethylene，简称XLPE)电缆凭借其优良的绝缘性能得到越来越多的应用。随着越来越多的高压直流输电项目陆续投入运行，亟需完善在线监测和故障预警系统以保证供电的可靠性。由于局部放电(Partial discharge，简称PD) 作为判断电力设备状态的一项重要指标已被国际电工委员会列入检测标准，但是直流电缆局部放电的模式识别和故障诊断研究仍处于起步阶段。

现阶段关于电缆局部放电的研究多针对交流XLPE电缆，对于直流电缆尚未形成统一的检测方法和评估标准，因此，直流电缆的局部放电信号的模式识别还有较大的研究空间。

发明内容

本发明的目的之一在于提供一种直流电缆局部放电缺陷故障的识别方法，该识别方法基于直流电缆发生局部放电时发出的脉冲电流信号，随后对脉冲电流信号进行预处理后提取有效信息，然后通过构建神经网络进行训练，由训练后的神经网络对待识别的信号进行识别，最终实现对直流电缆局部放电缺陷的故障诊断。该识别方法相较于现有技术，对故障分类的准确率更高。

基于上述目的，本发明提出了一种直流电缆局部放电缺陷故障的识别方法，其包括步骤：

(1)采集直流电缆的若干种绝缘缺陷放电模型的局部放电脉冲波形信号；

(2)提取局部放电脉冲波形信号的有效信息，以得到训练样本；

(3)构建基于受限玻尔兹曼机的深度信念网络，采用训练样本对所述深度信念网络进行无监督训练，以得到网络参数；

(4)对所述深度信念网络进行有监督训练，以优化网络参数；

(5)将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。

在本发明所述的直流电缆局部放电缺陷故障的识别方法中，当直流电缆发生局部放电时，采集局部放电脉冲波形信号，随后对采集到的局部放电脉冲波形信号进行预处理，提取其有效信息。构建基于受限玻尔兹曼机 (Restricted Boltzmannmachine，简称RBM)的深度信念网络进行无监督训练，以得到网络参数，然后，对深度信念网络进行有监督训练，优化网络参数，最终得到训练的深度信念网络，将待识别局部放电脉冲波形信号输入经过训练的所述深度信念网络中，以从其输出获得识别结果。

本发明所述的直流电缆局部放电缺陷故障的识别方法识别准确率高。

进一步地，在本发明所述的识别方法中，所述绝缘缺陷放电模型至少包括气隙放电模型、电晕放电模型、划痕放电模型和沿面放电模型。

进一步地，在本发明所述的识别方法中，在步骤(2)中，采用Canny 算法提取局部放电脉冲波形信号的有效信息，所述有效信息包括局部放电脉冲波形信号发生变化的片段。

进一步地，在本发明所述的识别方法中，在步骤(2)中，采用Canny 算法提取局部放电脉冲波形信号的有效信息包括步骤：