[发明专利]局部放电定位检测方法、装置、可读存储介质及电气设备

说明书

本发明公开一种局部放电定位检测方法、装置、可读存储介质及电气设备，其中，该局部放电定位检测方法包括获取电气设备中的局部放电数据，并建立无线电频谱数据库构建预测回归模型；其中，局部放电数据具有已知样本和未知样本；对无线电频谱数据库中已知样本的局部放电数据进行特征提取；对特征提取后已知样本的局部放电数据进行降维处理；将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并计算出未知样本的局部放电数据的位置坐标。本发明技术方案提升了电气设备中检测局部放电位置的定位精度。

技术领域

本发明涉及放电检测技术领域，特别涉及一种局部放电定位检测方法、装置、可读存储介质及电气设备。

背景技术

电气设备是组成电力系统的基本元件，是保证供电可靠性的基础。电气设备绝缘性能的劣化是导致其失效的主要原因，严重时可能会导致电网大面积停电事故。而局部放电既是电气设备绝缘劣化的征兆，又是造成绝缘劣化的关键性因素。在变电站中，变压器容易发生局部放电，当导体之间放电部分连接绝缘体时，就会发生局部放电；当电场强度大于绝缘子击穿强度时，放电往往高度集中。局部缺陷的位置包括固体绝缘中的气穴、液体绝缘中的气泡或颗粒，对其过程进行监督可以在初期发现局部放电现象，从而避免巨大损失。而传统方案中对于整体设备的放电进行检测，检测精度比较低，稳定性不高，尤其是在多变压器同时存在的条件下，无法到达预期效果。

发明内容

本发明的主要目的是提出一种局部放电定位检测方法、装置、可读存储介质及电气设备，旨在提升电气设备中检测局部放电位置的定位精度。

为实现上述目的，本发明提出的局部放电定位检测方法，所述局部放电定位检测方法包括：

获取所述电气设备中的局部放电数据，并建立无线电频谱数据库后构建预测回归模型；其中，局部放电数据具有已知样本和未知样本；

根据所述预测回归模型，对所述无线电频谱数据库中已知样本的局部放电数据进行特征提取；

对特征提取后已知样本的局部放电数据进行降维处理；

将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并根据优化后的局部放电数据计算出所述未知样本的局部放电数据的位置坐标。

可选地，所述获取所述电气设备中的局部放电数据，并建立无线电频谱数据库后构建预测回归模型的步骤包括：

获取所述电气设备中局部放电源的无线电发射信号，建立所述无线电频谱数据库；

根据所述无线电频谱数据库中已知样本的局部放电数据，建立预测回归模型。

可选地，所述预测回归模型为I＝f(r)+e(r)，其中，I为局部放电源的数据坐标，r为输入的局部放电源无线电发射信号，f(r)为预测函数，e(r)为噪声函数。

可选地，所述对所述特征提取后已知样本的局部放电数据进行降维处理的步骤包括：

对所述特征提取后已知样本的局部放电数据进行编码并压缩；

对压缩的已知样本的局部放电数据进行解码，并重建局部放电数据后并输出。

可选地，所述将降维处理后的已知样本的局部放电数据通过粒子群算法进行优化，并计算出所述未知样本的局部放电数据的位置坐标步骤包括：

基于BP神经网络的预测回归模型，以f(x)＝x函数更新所述降维后的已知样本的局部放电数据参数；

根据所述更新后的降维已知样本的局部放电数据参数，计算出所述未知样本的局部放电数据的位置坐标。

可选地，所述粒子群算法具体步骤为：

搜索所述无线电频谱数据库中每一无线电频谱数据的神经元，并计算相应权值的适应度；