[发明专利]基于非接触式超声波传感器的局放类型识别方法和装置

权利要求书

1.一种基于非接触式超声波传感器的局放类型识别方法，其特征在于，所述方法包括：

通过非接触式超声波传感器采集信号，所述采集的信号经过高通滤波器过滤去除低频噪音干扰，得到待处理波形数据；

对所述待处理波形数据进行局放脉冲信号捕获和局放脉冲信号峰值标注；

对经捕获和标注的局放脉冲信号估算局放强度；

根据估算的局放强度绘制局放脉冲信号的强度-时间散点图；

对所述强度-时间散点图进行网格化，将所述强度-时间散点图的每个网格的位置坐标和每个网格内有点的概率作为散点图特征值；

根据所述散点图特征值利用数据分类器识别局放类型；

其中，所述对所述待处理波形数据进行局放脉冲信号捕获和局放脉冲信号峰值标注的步骤包括：

用滑动平均滤波器对所述待处理波形数据进行平滑处理；

利用峰值检测算法标注出平滑后的波形数据中的所有波峰和波谷；

选择一幅度阈值，剔除信号幅度小于该幅度阈值的波峰和波谷；

选择一时间间隔t，标注该时间间隔t内的所有峰值中的最大峰值，该最大峰值点对应的时间点记作局放脉冲发生时间Ti，所述时间间隔t的取值略小于未经处理的单个局放脉冲持续时长，每标注一个最大峰值被认为捕捉到一个局放脉冲信号；

对于每一个局放脉冲信号，取该局放脉冲信号的最大峰值的x%处所对应的时间，标记为所述捕捉到的局放脉冲信号的起点Tsi和终点Tpi；

其中，所述对经捕获和标注的局放脉冲信号估算局放强度的步骤包括：

求经捕获和标注的局放脉冲信号的平均功率ei1；

按照公式ei2 = ei1×[4×π×L²]对所述平均功率ei1进行修正，得到修正后的平均功率ei2，其中，L是局放发生位置到所述非接触式超声波传感器的直线距离；

将所述修正后的平均功率ei2在Tsi 到 Tpi时间区间上求积分得到单个局放脉冲信号能量Ei。

2.如权利要求1所述的局放类型识别方法，其特征在于，所述根据估算的局放强度绘制局放脉冲信号的强度-时间散点图的步骤包括：

根据所述单个局放脉冲信号能量Ei、所述局放脉冲发生时间Ti绘制能量-时间散点图；

针对工频电压的每一个频率周期绘制所述能量-时间散点图，得到多个所述能量-时间散点图；

将多个所述能量-时间散点图叠加显示得到多周期叠加显示的能量-时间散点图。

3.如权利要求2所述的局放类型识别方法，其特征在于，所述对所述强度-时间散点图网格化，将所述强度-时间散点图的每个网格的位置坐标和每个网格内有点的概率作为散点图特征的步骤包括：

将所述多周期叠加显示的能量-时间散点图按照X*Y的等间距划分网格，得到X*Y个网格，其中X和Y表示网格分辨率；

统计每个网格内的散点数Nij；

统计所有散点数N之后，计算每个网格内有散点的概率Pij = Nij/N；

将所述叠加显示的能量-时间散点图的每个网格的位置坐标（Xi，Yj）和每个网格内有散点的概率Pij作为散点图特征值用于数据分类器进行分类。

4.如权利要求1所述的局放类型识别方法，其特征在于，所述根据所述散点图特征值利用数据分类器识别局放类型的步骤包括：

先利用人工识别的局放类型的散点图特征值数据对所述数据分类器进行训练；

将根据权利要求1的步骤得到的散点图特征值输入所述数据分类器进行识别，得到最可能的局放故障类型。

5.如权利要求1所述的局放类型识别方法，其特征在于，所述数据分类器为朴素贝叶斯分类器。

6.如权利要求2所述的局放类型识别方法，其特征在于，所述x%为10%。

7.如权利要求2所述的局放类型识别方法，其特征在于，所述幅度阈值的选取根据环境条件和局放水平而定。

8.一种基于非接触式超声波传感器的局放类型识别装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行如权利要求1至7中任一项所述的局放类型识别方法。