[发明专利]电力物联网下多信息融合的局部放电检测终端及方法

说明书

本发明公开了一种电力物联网下多信息融合的局部放电检测终端及方法，检测终端由特高频信号采集装置、超声波信号采集装置和物联网智能单元组成；特高频信号采集装置包括特高频传感器并安装在待测设备外表面；超声波信号采集装置包括超声波传感器，通过由电动机驱动的可升降的转动轴，实现超声波传感器的升降及旋转；在不同位置采集局部放电产生的特高频电磁波信号和超声波信号并由物联网智能单元接收，进而上传至电力物联网云平台；采用多视图卷积神经网络对特高频电磁波信号和超声波信号进行特征提取与状态识别，在归一化处理后运用D‑S证据理论进行决策诊断，实现电力物联网下多信息融合的设备局部放电检测与诊断。

技术领域

本发明属于电力设备带电检测技术领域，具体涉及一种电力物联网下多信息融合的局部放电检测终端及方法。

背景技术

根据电力系统的实际运行情况，绝缘缺陷在电力设备潜伏性故障中占很大比重，并且多以局部放电的形式表现出来，同时局部放电的出现会进一步加剧电力设备的绝缘劣化，因此对电力设备进行局部放电的带电检测具有重要意义。随着电力物联网建设的快速推进，通过以边缘计算为支撑的电力物联网智能终端实现电力设备局部放电检测是未来的发展趋势。

电力设备局部放电检测的主要方法有脉冲电流法、特高频法、超声波法、光学法和化学法。脉冲电流法因试验条件苛刻而难以应用于现场检测，光学法仍处于实验室研究阶段，化学法由于检测灵敏度和传感器的限制很少应用于现场特高频法是目前局部放电检测的主要方法之一，具有较高的灵敏度和抗干扰能力，但存在对绝缘子沿面缺陷不敏感的缺点。超声波法以其与设备电气回路无联系的特点而得到较多应用，但是对金属突出物缺陷的检测精度很低，而且受环境噪声的影响较大。同时，现有局部放电检测装置在缺陷类型识别和严重程度划分上采用传统的机器学习算法，需要人工提取特征量，影响了识别的准确度且计算量大，无法满足电力物联网对于检测终端的要求。在故障源的定位上，由于单一检测方法的缺陷以及其传感器测量灵敏度、噪声干扰的影响而难以实现准确定位。因此，综合利用多种检测方法，实现多信息融合的局部放电检测，同时满足电力物联网的要求，成为本领域亟待解决的技术问题。

发明内容

针对上述技术问题，本发明提出了一种电力物联网下多信息融合的局部放电检测终端及方法，该检测终端及方法可用于电力设备局部放电的带电检测，并可根据现场情况灵活调整信号采集位置，提高检测准确率。

为了达到上述目的，本发明采用的技术方案如下：

一种电力物联网下多信息融合的局部放电检测终端，该终端由特高频信号采集装置01、超声波信号采集装置02和物联网智能单元03组成；所述特高频信号采集装置01包括特高频传感器并通过吸盘安装于待测电力设备外表面，在不同位置采集局部放电产生的特高频电磁波信号；所述超声波信号采集装置02包括超声波传感器，通过由电动机驱动的可升降的转动轴，实现超声波传感器的升降和180°旋转，在不同位置采集局部放电产生的超声波信号；所述物联网智能单元03包括中央处理器、信号处理和控制电路，采用光纤通信接收特高频电磁波信号与超声波信号并通过多信息融合实现局部放电识别与诊断，利用4G或5G网络将数据上传至电力物联网云平台04。

所述特高频信号采集装置01由金属屏蔽环1、检测窗口2、圆形金属片3、金属壳体4、同轴连接器5和吸盘6组成，金属壳体4为一端开口一端封闭的杯状结构，其横截面为圆形，构成一个波导谐振器，金属壳体4的开口端与金属屏蔽环1相连接，金属壳体4的封闭端外部设置有同轴连接器5，设置在金属壳体4内的圆形金属片3与同轴连接器5的内导体相连；检测窗口2位于金属屏蔽环1上，特高频传感器为欧几里德螺旋天线并封装在检测窗口2内；金属壳体4与检测窗口2的几何中心相对，局部放电产生的特高频信号通过检测窗口2耦合到圆形金属片3；特高频信号采集装置1过吸盘6固定到待测电力设备外表面。

所述吸盘6上设置有控制吸盘吸附和脱落的吸气放气装置7。