[发明专利]基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法

说明书

本发明实施例提供一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法，其包括以下步骤：步骤S1，利用温度传感器采集高压电气设备的触点温度数据，并结合高压电气设备的电流、电阻和电压作为待诊断故障数据，再进行归一化预处理；步骤S2，利用三个RBF神经网络进行基本概率分配，对待诊断故障数据进行准确分类；步骤S3，利用贝叶斯网络对高压电气设备进行故障诊断。该基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法在利用拉曼光纤传感器对高压电气设备测温的基础上，并将信息融合技术用于以温度为主要参数、电流等为辅助参数的高压电气设备温度监测预警系统中，从而有效地提高诊断的可信度，减少诊断的不确定性。

技术领域

本发明涉及智能电网环境中电力设备在线监测和故障诊断领域，尤其涉及一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法。

背景技术

随着现代电力系统的迅速发展，对其设备安全，平稳可靠的运行也提出了更高的要求。在冶金、化工、电力这样的企业中，高压变压器、高压开关、高压电缆母线等高压电气设备因其电压高、负载大、运行时间长等特点，往往容易发生故障。如果故障产生，就会出现不可估量的负面影响，严重影响企业的生产，同时也会伴随相当大的经济损失。

高压电气设备在运行时，由于电路损耗，其本身就会生成部分热量，但是当它的某些部位接触不良或存在故障时，这些地方的温度就会急速上升，导致其物理、电气等性能受到严重的破坏，影响企业集团的正常生产。在高电压、大负载的企业中，尤其像化工、煅造、冶金这样的用电大户，绝大部分的运行故障是由于高压电气设备的接头和触点的温度过高引发的。如果不对这些故障进行及时排查和诊断，设备的损害程度就会严重扩大，进而影响企业的正常生产，造成严重的经济损失。为了保障企业的正常生产运作，我们要及时对高压电气设备进行故障排查。因此，对高压电气设备的接头和触点的温度监测就尤其重要。

高压电气设备温变故障发生时，往往由平时温度变化缓慢的渐变过程变为温度突变。温度故障的偶然性和突发性决定了温变故障的致命性，一旦出现故障，就会导致极大的经济损失。目前，高压环境下的温度检测手段非常有限，尤其是温变特征点处于封闭状态或特殊环境，对封闭设备、超高压设备、高压液体则用常规手无法实现在线实时监测与分析以及计算机系统集成。直接检测高压开关触点或接头温度尤其全封闭电器，一直是高压电气设备温变故障监测中的一大难题。

在缓变的负荷系统中，单一的以温度为诊断参数，可以有效地判定出温变故障的监测问题。但是由于它很难解决不规律负荷系统中的温变故障监测问题，而且传统检测多源信息的方法，往往是分别加工或者简单加合各种传感器所产生的数据。首先，这样做加大了信息处理的工作量；其次各种传感器之间的搭配及组合也不能在数据中充分的体现。因此，传统检测方式极大地浪费了信息资源，严重降低了故障检测的精度和鲁棒性。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

针对现有技术存在的问题，本发明实施例提供一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法。

本发明实施例提供一种基于RBF神经网络和贝叶斯网络的高压电气设备实时检测方法，包括以下步骤：

步骤S1，利用温度传感器采集高压电气设备的触点温度数据，并结合高压电气设备的电流、电阻和电压作为待诊断故障数据，再进行归一化预处理；

步骤S2，利用三个RBF神经网络进行基本概率分配，对待诊断故障数据进行准确分类；第一个RBF神经网络处理的特征数据信息为：高压电气设备触点的实际温度特征；第二个RBF神经网络处理的特征数据信息为：监测对象与上一时刻的温度差；第三个RBF神经网络处理电流、电阻、电压特征数据；