[发明专利]一种特高频局部放电故障类型检测方法及系统

说明书

本发明公开了一种特高频局部放电故障类型检测方法及系统。现有技术中大部分局部放电检测工作主要是依靠运维人员通过带电检测仪器完成。本发明如下：一、在被测电力设备的周围布置电磁波检测传感器。电磁波检测传感器检测被测电力设备是否释放出电磁波信号。二、当电磁波检测传感器检测到电磁波信号时，将该电磁波信号进行连续小波变换后，提取出m种特征。三、将步骤二得到的m种特征导入训练好的SOFM神经网络中，SOFM神经网络输出被测电力设备发生各类型局部放电的概率。本发明利用基于自组织特征映射(SOFM)神经网络得到局部放电诊断模型，实现了检测系统的无监督全自动检测，极大降低了检测效率和检测成本。

技术领域

本发明属于电气设备绝缘状态监测技术领域，具体涉及一种特高频局部放电检测系统和方法。

背景技术

电网设备检修是电力生产管理工作的重要组成部分，对提高设备健康水平、保证电网安全供电发挥了重要作用。高压电气设备绝缘故障常常起源于局部放电造成的绝缘劣化，当设备绝缘发生贯穿性放电前，往往先发生局部放电现象，局部放电会产生声、光、电等信号，通过检测这些信号能够在缺陷早期及时发现设备内部存在的局部放电现象，从而避免缺陷的扩大，而放电源的准确定位能极大的提高缺陷排查针对性及检修效率。因此需要一种有效手段对高压电气设备内部局部放电进行检测和定位，从而提高设备的运行可用系数。

现有技术中大部分局部放电检测工作主要是依靠运维人员通过带电检测仪器完成，并无数据诊断和有效定位功能，检测过程需要检测人员自行对数据进行分析判断，而局部放电的诊断往往需要经过长久的经验积累才能做到准确判断，局部放电带电检测工作对检测人员专业技能要求较高，不利于局部放电带电检测工作在电网基层的开展。

发明内容

本发明的目的在于针对局部放电类型检测的困难，提供一种特高频局部放电故障类型检测方法及系统。

本发明一种特高频局部放电故障类型检测方法，具体如下：

步骤一、在被测电力设备的周围布置电磁波检测传感器。电磁波检测传感器检测被测电力设备是否释放出电磁波信号。

步骤二、当电磁波检测传感器检测到电磁波信号时，将该电磁波信号进行连续小波变换后，提取出m种特征。该m种特征中包含时域特征或位置特征，还包括频域特征或尺度特征。

步骤三、将步骤二得到的m种特征导入训练好的SOFM神经网络中，SOFM神经网络输出被测电力设备发生各类型局部放电的概率。

作为优选，步骤二中提取的特征数量m＝5；该五种特征分别为CWT峰值、峰间持续时间、子带尺度能量、带宽和子带尺度熵。

作为优选，所述被测电力设备的周围布置了四个电磁波检测传感器。在判断局部放电类型后，根据四个电磁波检测传感器检测到电磁波信号的时间，通过TDOA定位法确定发生局部放电故障的具体位置。

作为优选，所述的电磁波检测传感器采用微带天线。

作为优选，SOFM神经网络训练的方法具体如下：

步骤S1：神经网络初始化。

对SOFM神经网络中的各权值w_ij分别赋小随机数；小随机数的取值范围为0～10；给定学习率初值η(0)；确定初始优胜邻域初值；设定输入神经个数为m，设定输出神经元的个数为n。

步骤S2：建立训练集

以不同类型局部放电释放出的特高频电磁波信号经小波变换提取出的m种特征为训练样本向量，建立训练集。训练集中的各训练样本向量均带有标签。训练样本向量为m维向量。将训练集中的各个训练样本向量依次加入到输入层，并按照步骤S3～S6进行学习，调整神经元权值，直到网络收敛。

步骤S3：向量归一化。对训练样本向量和权值向量w_j(t)，全部进行归一化处理：