[发明专利]基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法

说明书

本申请涉及一种基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法。所述基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法先进行初步筛选可判断所述待测超声信号是否为局部放电信号。所述基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法通过所述放电类型检测模型能够进一步确定所述待测超声信号属于那一类局部放电类型。所述基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法分布确定缺陷类型，提高了缺陷检测的效率。

技术领域

本申请涉及电力技术领域，特别是涉及一种基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法。

背景技术

封闭式气体绝缘组合电器是由断路器、隔离开关、接地开关、互感器、避雷器、母线、连接件和出线终端等元件组成的，封闭在金属接地外壳中的高压装置，其一般采用SF₆气体作为绝缘和灭弧介质。

封闭式气体绝缘组合电器中的常见缺陷主要包括金属突起物缺陷、金属悬浮电位缺陷、自由金属颗粒缺陷、绝缘子内部气泡缺陷以及绝缘子表面污秽缺陷等。但由于封闭式气体绝缘组合电器是全封闭组合电力设备，一旦出现事故，造成的后果比分离式敞开设备更加严重，故障修复也较为复杂，且其停电范围大，常涉及非故障元件。封闭式气体绝缘组合电器中易引发短路、燃烧或爆炸等事故。对于封闭式气体绝缘组合电器缺陷的检测十分重要。

怎样才能提高封闭式气体绝缘组合电器中的缺陷类型的检测效率是亟待解决的问题。

发明内容

基于此，有必要针对怎样提高封闭式气体绝缘组合电器中的缺陷类型的检测效率的问题，提供一种基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法。

一种基于神经网络的封闭式气体绝缘组合电器的缺陷检测方法，包括：

采集待测超声信号，并判断所述待测超声信号是否为局部放电信号。

如果所述待测超声信号为局部放电信号，则将所述待测超声信号带入放电类型检测模型，以得到与所述待测超声信号对应的封闭式气体绝缘组合电器的缺陷类型。

在一个实施例中，采集待测超声信号，并判断所述待测超声信号是否为局部放电信号包括：

获取所述待测超声信号的待测幅值。

获取幅值图，所述幅值图包含局部放电区。

将所述待测幅值序列带入所述幅值图中，如果所述待测幅值位于所述局部放电区，则所述待测超声信号为局部放电信号。

在一个实施例中，采集待测超声信号，并判断所述待测超声信号是否为局部放电信号之后，所述缺陷检测方法还包括：

获取超声信号训练样本，通过所述超声信号训练样本对神经网络进行样本训练，得到所述放电类型检测模型。

在一个实施例中，获取超声信号训练样本，通过所述超声信号训练样本对神经网络进行样本训练，得到所述放电类型检测模型包括：

所述神经网络包含输入层、竞争层和输出层，分别设定所述输入层、所述竞争层和所述输出层的神经元的个数，设定所述输入层与所述竞争层的第一连接权向量矩阵，设定所述竞争层和所述输出层的第二连接权向量矩阵，设定所述超声信号训练样本的期望输出模式。

获取所述超声信号训练样本，提取所述超声信号训练样本的多个特征值，根据所述多个特征值建立特征矩阵，对所述特征矩阵进行归一化处理。

根据归一化处理后的所述特征矩阵和所述第一连接权向量矩阵，得到所述竞争层中每个神经元的加权输出值。

根据所述竞争层中各个神经元的加权输出值和所述第二连接权向量矩阵，得到所述输出层的每个神经元的加权输出值，并将其作为所述神经元的实际输出值。

在一个实施例中，所述缺陷检测方法还包括：